我們一再看到同一個劇本：團隊上線一個 AI 功能，使用量衝兩週後躺平，半年後沒有人說得出它到底有沒有用。問題從來不在模型，而在於從頭到尾沒有人定義過「成功」。
為什麼多數團隊從錯的地方開始
多數 AI 專案的起點是焦慮，不是問題：競品上了什麼、某個 demo 讓老闆眼睛一亮，「我們也該有 AI」就成了唯一的立項理由。這種起點只會把終點訂在「上線」，很少有人問過「有效」該長什麼樣。上線很好慶祝，但學不到任何東西。
三個問題
第一，這個功能具體替誰省下什麼時間或什麼錢？第二，你要用哪一個指標判斷它有沒有用——低於多少算失敗？第三，不用 AI 的版本能做到幾成？如果一條規則或一個更好的預設值就能做到八成，先上那個，讓它去羞辱模型。
先寫指標，再碰模型
在任何人碰模型之前，先把驗收指標寫進需求文件，先把量測的水管接好，才開始做功能。這個順序只會讓你慢一個 sprint，之後每一個決策——選模型、砍範圍、收掉還是加碼——都會變快，因為終於有一個數字可以吵。
判決很簡單：講不出指標的 AI 功能，就還沒有取得動工的資格。
