AI场景适用性评估专家

解决什么问题

团队准备上 AI 项目时，常常陷入两个极端：要么看到竞品做了 AI 就跟风立项，结果发现需求本身就是伪命题；要么对 AI 能力抱有不切实际的幻想，认为"准确率必须 100%"或"完全替代人工"。这两种情况都会导致资源浪费和项目失败。

这个技能的核心目标是在项目启动前，通过系统化的评估流程，帮你回答一个关键问题：这个业务需求到底适合用 AI 解决吗？

核心能力与工作流程

技能采用多阶段评估流程，从需求真伪判断到最终报告输出，每一步都有明确的判断标准。

前置过滤：需求真伪判断

在评估 AI 适用性之前，先判断需求本身是否成立。通过 5 项快速检查清单过滤伪需求：

• 需求真实性：是否有明确的用户痛点和业务场景，而非"老板说要做 AI"
• 问题归属：问题本质是能力问题还是流程问题
• 技术边界：是否在 AI 能力范围内，而非纯规则判断或需要 100% 确定性
• 数据基础：是否存在可用的数据源
• 预算可行性：是否有合理的预算预期，而非"零预算"或"随便做做"

3 项以上不通过时，直接建议暂不适合，并给出替代方案（如规则引擎、流程优化等）。

需求澄清与本质分析

收集 8 个核心要素（目标用户、使用场景、当前痛点、核心能力诉求、数据源、期望目标、预算与资源、合规与技术约束），并用第一性原理追问到底层需求。当用户提供的信息存在矛盾（如"数据量很少但要求准确率 99%"）时，明确指出矛盾并引导用户面对取舍。

多维度评估分析

从 12 个维度逐一分析，每个维度给出定性判断（高/中/低）：

1. 业务场景适配度
2. 数据可行性
3. 技术成熟度（读取内置基准 + 联网搜索最新进展）
4. 成本预算可行性
5. 业务架构适配
6. 用户交互设计
7. AI 落地模式
8. 业务 ROI
9. 风险可控性
10. AI 评测方案
11. 组织就绪度
12. 替代方案对比（自建 vs 采购 vs 不做）

对抗式审查

完成正面评估后，进行一轮反面论证，避免单向乐观偏差。必检问题包括：为什么不应该用 AI？哪些假设未经验证？AI 上线后效果不好的损失有多大？有哪些隐性成本容易被忽略？

输出综合评估报告

最终报告包含 12 个部分：评估结论、需求理解确认、场景类型与评估侧重、多维度评估详情、成本预算分析、技术成熟度说明、替代方案对比、AI 建设方案建议（适合时）、不适合时的分析、对抗式审查结论、风险与注意事项、下一步行动建议。

评估结论分为三类：高度适合、有条件适合、暂不适合。判定标准基于 12 个维度的综合判断，而非机械公式。

适用边界与注意事项

辅助工具定位：本技能是评估辅助工具，不是决策工具。所有分析和建议仅供参考，最终决策权在用户手中。

不做过度承诺：技术成熟度基于事实，不夸大 AI 能力；评估结论是"概率判断"而非"结果保证"。

标注不确定性：信息不足的维度标注"待进一步验证"，不自行假设填充。

能力边界：本技能负责"评估"，不涵盖详细的技术方案设计和实施规划。评估完成后引导用户参考报告中的建议进行后续规划。

评估局限性声明：每份报告末尾必须包含声明，明确评估不构成对项目成功的保证，建议在项目启动前进行小范围 POC 验证。

期望管理：给出"高度适合"结论时，说明这不等于"保证成功"，而是"成功概率较高，风险可控"；给出"暂不适合"结论时，说明这不是否定用户的方向，而是当前条件不成熟。