企業 AI 就緒度評估:上線前必須通過的 5 道檢查關卡(附可自評準則)

半年前,一家製造業客戶問我們一個問題:「我們到底該不該開始做 AI?」

這個問題背後,其實是焦慮。他們看過同業的發表會、讀過一堆白皮書、老闆在董事會被問了三次進度。但沒有人能回答一件事:如果現在啟動,三個月後我們會不會又多一套沒人用的系統。

我們給他們的不是一份提案,是一張檢查表。

什麼是 AI 就緒度評估

AI 就緒度評估,是在投入預算與工程資源之前,用一組可勾選的準則,判斷一個組織的資料、流程、人與治理是否足以讓 AI 專案「真的上線並被使用」的一套自評方法。它不是問「AI 能做什麼」,而是問「以你們現在的狀態,做了會不會白做」。

我們把它拆成五道關卡。每一關都是一道是非題,不是選擇題。任何一關過不了,就代表你要修的不是模型,是關卡本身。先講一個殘忍的觀察:超過一半來找我們的公司,卡關的地方跟 AI 技術一點關係都沒有。

關卡	核心問題	通過準則(能勾才算過)	沒過的代價
1. 問題定義	你要解決的是哪一個具體、可衡量的痛點?	能用一句話說出「誰、在什麼場景、省下多少時間或錯誤」,且該場景每週發生數十次以上	做出一個沒人有動機用的功能
2. 資料就緒	支撐這件事的資料存在、拿得到、且夠乾淨嗎?	關鍵資料有明確來源與負責人,權限拿得到,近三個月更新過,格式一致	RAG 檢索出過期或矛盾的答案
3. 流程落點	AI 的輸出會嵌進哪個既有動作裡?	能指出使用者「原本在哪個系統、哪個步驟」會用到它,不需為它額外開一個新習慣	使用率停在個位數
4. 人與採用	現場有沒有一個扛採用的人?	有指定的業務端負責人(不是只有 IT),願意在上線後兩個月內盯使用數據並回饋	上線即巔峰,然後緩慢死亡
5. 治理與風險	出錯時你承受得起、也追得到嗎?	明確定義了可容忍的錯誤範圍、人工覆核點、以及誰為輸出負責	一次幻覺就讓整個專案被喊停

這張表看起來簡單,但請誠實地勾。我們自己帶客戶做的時候,最常出現的畫面是:第一關就卡住,因為對方講的「痛點」其實是三個痛點包在一起,誰都不夠痛到願意改變行為。

有個反直覺的重點:這五關要由前往後過,不能跳。

我們踩過這個雷。早年有個案子,資料漂亮、模型效果也好,我們太興奮直接跳到第二關以後,結果第一關的問題定義是含糊的——「幫業務更有效率」。上線後才發現,每個業務對「有效率」的想像都不一樣,系統做得再準,也沒有一個人覺得那是為自己做的。使用率:個位數。

順序的意義在於,前面的關卡是後面關卡的前提。問題沒定義清楚,你根本不知道要哪些資料;資料落不了地,談流程嵌入是空的;流程沒想清楚,找誰扛採用都是錯的人。跳關的專案不是失敗得比較快,是失敗得比較貴——因為你在錯的地基上蓋了很高。

不是。這是最多人誤解的地方。

五關全綠燈才動工,那你永遠不會開始,因為第二關的資料幾乎沒有公司是完美的。就緒度評估的用途不是發及格證,是告訴你「第一個該修的是哪一關」,以及「這一關值不值得現在花力氣修」。

我們的實務判斷是這樣:第一關與第四關是硬門檻,沒過就先別碰工程,先把問題和人談定;第二、三、五關可以帶著缺口啟動,只要你把缺口列成上線前的待辦,而不是假裝它不存在。一個資料只有七成乾淨、但問題極清楚、現場有人拼命想要它的專案,遠比五關都「還行」的專案更容易真正上線。

回到開頭那家製造業客戶。我們沒有告訴他們「該不該做 AI」,我們讓他們自己勾完五關。他們在第三關卡住了——想做的東西找不到嵌進日常的落點。於是我們把範圍縮小,換一個天天發生、且輸出能直接貼回既有工單系統的場景。那個縮小後的版本,上線第二個月的實際使用率是六成多。

這就是我們在 Tenten 做每一個案子前會先跑一遍的動作:工程師還沒進場,先陪客戶把這五道關卡勾一輪。因為我們相信,Demo 做得漂亮從來不算數,上線、而且真的有人天天在用,才算數。而這件事,從你願不願意誠實勾完這張表就決定了一半。