项目方法
为什么先做一个小场景？
制造业 AI 项目最容易失控的原因，往往不是模型能力不足，而是问题范围持续扩大、责任边界不清、验收标准在实施中不断变化。
内容更新于 2026-09-01，用于初步决策参考，不替代具体项目评估。
先看结论
一个试点只解决一个主问题
开始前写清输入、输出、负责人和停止条件
扩展必须以真实使用和可复核结果为前提
小场景的边界是什么
小场景应能用一句话说清谁在什么任务中使用什么数据，得到什么结果，并由谁确认。例如，根据固定生产记录生成日报初稿，由生产主管核对后发布。
如果一句话中同时出现多个部门、多个系统和多个最终决策，通常意味着范围还需要拆分。
先约定可复核的验收口径
验收不应只写“更智能”或“提高效率”。可以观察完成时间、需要人工修改的比例、引用依据是否完整、异常是否正确转人工。
每个指标都要有当前基线、样本范围和负责人，否则试点结束后仍然无法判断结果。
把失败也设计进去
试点应提前约定数据不足、结果不确定或系统不可用时如何降级。能够安全停止、回到人工流程，是生产可用性的一部分。
什么时候可以扩展
只有当业务人员持续使用、关键输出可以复核、维护责任明确，并且新增范围不会破坏原流程时，才适合扩展到相邻环节。扩展不是默认结果，而是下一次独立决策。