很多 AI 项目的验收节点是"系统上线"。可读完 Datawhale 公开的《FDE案例100》，我们发现好几位一线工程师讲的最大教训，恰恰发生在上线之后。
先说明一下：书里的案例都由各自的 FDE 团队完成，与 AiPu 无关。我们挑出其中讲"交付之后"的几段，用自己的话整理，原话都标了案例编号。
系统有了，业务没变
NO.14 的客户是一家省属国企一级子公司，OA、ERP、数据中台都有，数字化基础很好。团队第一年按传统思路走，由 IT 部门牵头，把知识库、模型、Agent 都搭了起来。结果讲述者这样总结：
系统有了，客户的员工没有用起来，业务并没有真的发生变化。（NO.14）
他们后来给落地难度排了个序：
人最难，其次是组织，再是数据，最后才是技术。（NO.14）
于是第二年改由人事部门牵头，从全员 AI 通识培训重新开始。同时调整了说法，在员工面前从不讲"AI 替代人"，而是让 AI 做重复的活，最后仍由人确认、签字、承担责任。员工不担心被替代，才愿意把经验讲出来。
书里有个细节很打动人：培训之后，一位管行政用品的同事自己用提示词做了个查库存、提醒补货的小工具。工具本身价值不大，但讲述者认为，这比外部团队替他做一个 Agent 更重要。
交付完，效果就没人记了
NO.22 是一家做东南亚市场的跨境服装电商，团队帮他们打通了库存、物流照片识别、补货和广告。讲述者坦白说：
交付结束后，客户把我们的团队权限移除了。（NO.22）
后续的营收、广告成本和利润数据，团队都没拿到完整的。这倒不全是客户的问题。讲述者反思，他们过去更偏外包式合作，对效果追踪不够重视，交付之后只有客户遇到问题才会回来找他们。如果重做一遍，他会在一开始就设计好"效果基线"：上线前记录人工要花多少时间，上线后持续记录，关键环节尽量找到能量化的指标。
这一点对老板同样重要。没有基线，项目做得好也说不清好在哪，下一期预算就很难批。
老板不用，就推不下去
NO.23 是一家工程租赁中小企业，老板往往一个人兼销售和调度。讲述者说得很直白：
如果老板自己都不用，这个项目基本推不下去。（NO.23）
他们把"一号位愿不愿意用"当成重要的判断标准。对一线员工，也不指望他们突然学会一堆新工具，而是把入口做得足够简单，必要时直接接语音或者微信 Bot，贴着原来的工作习惯走。NO.14 也有类似的结论：中大型企业的 AI 落地，一定是一号位工程，只交给 IT 部门，很容易变成一个技术项目。
我们的看法：上线那天，该把这几件事定下来
把这几个案例放在一起，我们觉得"落地"至少要多做三件事：有人用、有人管、有数可看。上线前后，可以对照下面这张清单：
- 谁是内部负责人？ 不是 IT 对接人，而是对业务结果负责的人，最好老板本人也在用。
- 基线记了没有？ 上线前这件事花多少时间、出多少错，有没有记下来。
- 员工怎么理解这件事？ 有没有讲清楚 AI 是来分担重复工作的，最后由谁确认、谁负责。
- 入口够不够简单？ 能不能放在大家每天已经在用的工具里，而不是再装一个新系统。
- 培训做了没有？ 不只是教按钮怎么点，还要让业务人员知道 AI 能做什么、不能做什么。
- 上线后谁来看数据？ 定一个固定的复盘节奏，看使用情况、看效果、收集问题。
- 交接清不清楚？ 外部团队撤场后，你们的人能不能自己维护、自己调整。
这些事没有一件需要高深的技术，但每一件没做，都可能让一个跑得通的系统慢慢变成没人打开的摆设。
想先把基线和负责人理清楚？
如果你们已经有在做或者准备做的 AI 项目，可以先做一次诊断，把要追踪的指标和内部分工理一遍；也可以拿一份脱敏的真实材料申请免费验证，先看看效果。