需求没有边界
客户会不断把新想法塞进旧报价，服务商最后变成免费员工。
Delivery Boundary
智能体不是万能承诺，先把边界说清楚
真正的企业 AI 落地，不是把所有事情都交给模型，而是清楚判断：哪些能自动化，哪些必须人工确认，哪些现在不该做，哪些需求应该拒绝。
不建议直接做
这些项目必须先诊断，很多情况应该直接拒绝。
- 只想要一个万能 AI 系统，但不愿提供真实业务流程。
- 希望 AI 立即替代所有员工，但没有验收标准、预算和责任划分。
- 只看演示效果，不愿意先做诊断、流程梳理和边界确认。
- 需求涉及灰色、违法、欺骗、绕过平台风控或侵犯隐私。
- 把低价工具采购误认为企业级 AI 交付。
- 不接受修改次数、交付物、维护范围和不含范围写清楚。
常见失控点
智能体项目失败，往往不是技术太弱，而是边界太虚。
演示等于交付
Demo 可以很漂亮，但真实业务里还需要权限、数据、人工审核、异常处理和责任链。
自动化过早
没有先跑通人工闭环，直接自动化只会把混乱放大。
没有验收口径
没有明确输入、输出、成功标准和失败处理，就无法判断项目是否完成。
更适合启动
适合从窄场景、可验收、有人兜底的项目开始。
- 用 30 天试点验证一个窄场景。
- 把老板经验、销售话术、内容流程沉淀成可复用模板。
- 先做高频、低风险、可人工兜底的流程。
- 明确 AI 负责什么、人负责什么、出了错谁复核。
- 把交付物、修改次数、维护边界和不含范围提前写清。
合作前 7 问
开工前必须把这 7 件事写清楚。
- 这套系统的真实业务目标是什么？
- 输入资料从哪里来，谁负责更新？
- 输出给谁使用，如何判断合格？
- 哪些节点必须人工确认？
- 哪些结果不能由 AI 直接承诺？
- 修改次数、维护周期和不含范围是什么？
- 试点失败时如何复盘、回退和停止？
先诊断，再开发