01 / WHEN
先确认不确定性属于决策层
如果业务结果、优先流程、可接受风险或投资门槛尚未形成共识,直接采购开发会把未解决的分歧写进系统。AI 咨询的任务是缩小这些不确定性,并留下可追溯的取舍。
适用信号:候选场景很多,但没有共同基线、排序规则、数据责任人或进入建设阶段的证据门槛。
如果用户、流程、接口和验收标准已经能清楚描述,继续购买泛化研究通常价值有限,应评估 AI 定制开发。
02 / EVIDENCE
用四类证据验收
- 机会组合按业务价值、可行性、风险和学习成本排序,并记录未选择项。
- 现况基线固定当前周期、成本、错误率或人工负担,避免上线后无法比较。
- 治理边界写清数据类别、权限、人工监督、跨境安排和不得自动化的决定。
- 下一关口定义负责人、预算假设、停止条件,以及进入试点或建设必须具备的证据。
03 / BUYER QUESTIONS
让所有顾问回答同一组问题
- 这项工作结束时,管理层具体要签署哪一个决定?
- 哪些判断来自现有数据,哪些仍是假设?
- 你会如何识别“不要做 AI”或“先修流程”的情形?
- 谁拥有基线、风险接受和下一阶段投资决定?
- 如果结论是不进入建设,仍会留下哪些可复用资产?
04 / TRANSITION
结论必须能导向下一种责任
边界和验收已明确时,转入 AI 定开;问题价值明确、但正确干预必须在真实运营中学习时,转入 FDE。咨询供应商是否继续参与,不应改变这项选择。
证据边界
本文由 Onyx Devs Lab 维护,是服务商自有教育资料,不是独立排名、客户背书或法律意见。可进一步查看香港企业 AI 咨询服务页和试点章程模板;链接不代表搜索收录或 AI 推荐。