以创业速度交付企业级AI的五步实践方法

要想以初创公司的速度为企业交付人工智能产品，你需要停止梳理范围，开始验证。我曾见过一个基金为了一个九个月的固定价格项目参加了六次供应商范围梳理会议，而我们团队已经交付了第一个智能代理，区别就在于流程顺序不同。下面是我们实际操作的五个步骤。

1. 规划：
- 我们选择数据最清晰、最让员工头疼的工作流程。工时表、拒贷审核、订单构建、对账。这些负担都会体现在某些人的日程表里，这意味着基准已经存在。
- 我们先收集前置条件，而非用户故事：记录系统、网站栈所有者、代码库、客户接触点，以及每个用例组一句话说明。如果客户一周内都拿不出这些，那就算项目启动了也于事无补。
- 我们先构建黄金数据集，整理20到60个真实案例，附带业务方已经认可的正确答案，全部人工核对。在任何人编写提示词之前先完成签字确认。后续所有工作都要对照这个数据集评分。
- 我们第一周就签署保密协议（MNDA），如果涉及受保健康信息（PHI），当天就签署业务关联协议（BAA），因为等着梳理完范围再走文书会浪费一个月时间。

2. 验证：
- 我们在启动会议前就阅读代码库。代码库、看板和文档访问权限属于免费准备工作，这样就能保证项目第一天就能产生代码提交。
- 我们在客户自己的租户环境中做原型，因为在其他地方做演示只会把迁移变成一个单独的新项目。
- 我们只对副本做只读访问，不碰ERP；对几乎所有用例来说，滞后一天的数据都够用，而且不会破坏生产环境。
- 我们在写提示词之前先编写数据字典。从报告工具中的列描述开始。
- 我们一个月内就能在真实数据上交付最小可用版本，保留追踪、错误记录，并且人工审核可见。这个阶段如果失败特征处理得不好，只会浪费你四周时间。

3. 加固：
- 我们在数据层去除身份信息，而不是在系统提示词里处理，这里才是合规可以实际审计的地方。
- 我们固定输出格式，这样不符合格式的回答就会直接失败关闭。
- 我们每次调用都会对照黄金数据集做判断，所以周二的模型更新不会改变周五的结果。
- 我们对所有写入操作保留人工审批，在赢得更多信任之前，一直只让智能代理提供建议。
- 我们对每个座位、每个工作流程都设置成本上限，那个一个月花了5亿美元的公司当初就是完全没有上限。
- 我们把模型放在接口后面，这样一个下午就能完成供应商替换。
- 我们指定负责人。生产环境要有运行手册，还要有一个人负责出问题时联系。

4. 嵌入：
- 我们让客户的运营人员做验收，而非我们的工程师。首席产品技术官提出他预期会失败的问题，这才是验收的证明。
- 我们在推向全团队之前，先把咨询版交付给少数真实用户，修复他们否定的问题，记录这些否定，这样每个星期噪音都会减少。
- 我们从第一个冲刺就把客户自己的产品负责人纳入工作循环，并且边做边移交知识，这样就不会有……

（原文此处截断）