附录：AI Fit 评估记分卡
很多团队讨论 AI 方案时，凭的是感觉和热情。这一页提供一个简单、实用的记分卡，帮助你做更一致的判断。
评估维度
| 维度 | 分值 1 | 分值 3 | 分值 5 |
|---|---|---|---|
| 语义复杂度 | 基本无语义理解 | 有一定理解要求 | 高语义、高变化 |
| 数据准备度 | 缺数据 | 有部分数据 | 数据与反馈闭环较完整 |
| 容错程度 | 几乎不能错 | 可容忍小错 | 可以接受概率输出 |
| 业务价值 | 价值不清晰 | 有潜力 | 高价值且紧迫 |
| 人工兜底 | 没兜底 | 部分兜底 | 兜底机制清楚 |
评分方法
scorecard = {
"语义复杂度": 5,
"数据准备度": 4,
"容错程度": 3,
"业务价值": 5,
"人工兜底": 4,
}
total = sum(scorecard.values())
print("总分:", total)
一个简单参考
- 20 分以上：可以积极进入 AI 方案设计
- 15 到 19 分：可做，但要严格控制范围
- 14 分以下：优先考虑规则、流程或数据治理
使用 checklist
- 是否有一项高风险维度被忽略
- 是否有人把“想做”当成“适合做”
- 是否已经确认低分项的补救办法
本页小结
- AI Fit 评分不是结论机器，而是对齐讨论的方法
- 低分项往往就是未来项目失控点
下一页：附录：上线检查与版本复盘模板