如何让 AI 试点活过采购评审
演示很顺利，用户也满意。然后法务问数据去了哪里，安全问谁能看到什么，财务问每月多少钱。如果这三个问题你没提前准备，试点就停在这里了。
发生了什么
各处的模式高度一致。第一个月是技术问题：能不能跑通。第二个月是采用问题：有没有人用。第三个月是制度问题：采购、法务、安全和财务进场，他们评估的不是模型，而是组织能不能承担这个风险。多数团队只按第一个月做建设，于是在第三个月被伏击。
为什么落地团队要在意
第三个月的每件事技术上都不难，而这恰恰是陷阱所在。数据驻留、访问控制、留存策略和成本归集，如果第一周就开始做，一周内都能解决；但如果发现得太晚就变得无解——那时试点已经有用户了，拆掉它是个政治问题，不再是工程问题。
该做什么
把那三个问题提前带进设计里。数据：在写代码之前就写清楚模型可以接触哪些系统、有什么东西会离开网络边界——一页纸的数据流图，通常一次会议就能让法务过关。访问：在检索阶段就实现权限控制，而不是事后补，并且能随时演示给审计看。成本：第一天就埋好单次查询的成本埋点，因为财务问的第一个问题一定是「量涨十倍会怎样」，而一个数字比一句承诺管用。
那场你没被邀请的会
有两份材料能改变结果：一页纸的风险登记表，列出系统可能出什么错、每一项怎么缓解；以及一份书面数据流图。两份都很无聊，都只要一个下午，也都能把三个月的评审压缩到两周。跳过它们的团队失败，不是因为风险不可接受，而是因为没人能说清风险到底是什么。