运营11 分钟阅读

FDE 实战手册：从首次客户会面到系统交接的 AI 交付五个阶段

本文概述了一个五阶段的 AI 交付框架——探索、原型验证、部署与协同运行、产品化以及交接——解释了每个阶段的目的、常见的失败模式、具体的成功标准，以及它们如何构成一张可复用的路线图，用于规模化 AI 项目。

源自真实失败案例的五个阶段

该框架并非凭空设计，而是从代价高昂的 AI 交付失败中逆向总结而来，每个阶段都针对某一类具体的损失，例如在模糊需求上开发、部署未经测试的原型、上线后缺乏用户采用、跳过产品化，或从不交接运营。

探索：将模糊的“想用 AI”转化为可执行的问题

在这一阶段，FDE 与客户合作，将笼统的效率诉求转化为具体、可衡量的问题定义——明确确切的工作流程、输入、输出和成功指标。最常见的失败是在需求仍然模糊时就开始开发，导致代价高昂的返工。当双方就一份简明、可衡量并经签署确认的问题陈述达成一致时，该阶段即告结束。

原型验证：在真实客户数据上验证，而非干净的测试集

探索阶段之后，团队构建一个在客户真实数据上运行的原型。OpenAI 的 FDE 团队坚持在编写任何生产代码之前，先共同确定评测标准。一个具体例子是 John Deere 项目，团队审阅了数百份真实农业样本以定义基准。当原型使用经过清洗的数据、随后在生产环境中崩溃时，失败就发生了。当原型达到共同定义的真实数据标准时，该阶段即告结束。

部署与协同运行：技术集成只是入场券，用户信任才是目标

两项并行任务同时进行：(1) 技术加固——将原型与生产系统集成，处理权限、遗留接口、合规和 IT 审批；(2) 协同运行——陪伴用户，观察使用情况，收集反馈并持续迭代，直到用户信任并依赖该系统。Morgan Stanley 案例显示，先进行六到八周的技术上线，随后开展长期的协同运行，最终实现 98% 的采用率，研究报告使用量增长三倍。失败的情形是技术上线后未进行协同运行就宣布项目完成，导致采用率低下。

产品化：将定制化经验转化为可复用的能力

这一阶段会提取与交付物相关的资产——评测框架、数据连接器、信任建立流程——并将其反哺到核心产品中。一个实用的衡量标准是：在 90 天内至少要有一个可复用组件被集成进产品，否则这个团队就只是一个服务外包团队。跳过这一步会导致知识锁定和规模化难题。当一项切实可复用的能力被交付到产品中时，该阶段即告完成。