企业做 AI 项目前需要准备哪些资料？
业务、数据、权限与验收清单

先说结论：不需要先把全公司的资料全部整理完

企业第一次做 AI，最容易走向两个极端：要么把一堆文件直接交给模型，希望它自己理解业务；要么觉得资料没整理好，项目永远不能开始。更实际的方法是先选一个高频、责任明确的任务，只准备完成这个任务真正需要的材料。

第一批材料至少要回答八个问题：谁在什么情况下做什么任务，当前质量和耗时怎样，依据哪些资料和数据，系统从哪里读写，谁可以访问，什么内容不能交给外部服务，结果由谁确认，最后怎样判断试点值得继续。缺少的内容不必假装齐全，但要进入缺口清单并明确责任人。

第一类：业务任务与当前基线

不要只写“提高销售效率”“建设智能客服”或“做一个企业智能体”。需要拿出一段真实工作过程：谁发起，输入是什么，要经过哪些人和系统，最后交付什么结果。最好选择近一个月内重复发生过的任务，回放三到十个具体样本。

同时记录当前基线，例如平均处理时间、等待时间、返工次数、常见错误、人工复核时长、完成量和客户投诉。没有基线，项目上线后只能凭感觉说“好像快了”。对经营结果影响较远的任务，应先验收过程指标，不能把线索、成交或收入变化全部归因于 AI。

• 任务说明：触发条件、输入、处理步骤、输出和最终责任人。
• 现状数据：频次、耗时、错误、返工、等待和人工成本。
• 失败样本：最常出错、信息不足或需要升级处理的真实情况。
• 业务边界：本次试点明确不做哪些部门、流程和决定。

第二类：资料与知识真相源

企业资料常散在网盘、群聊、个人电脑、业务系统和纸质文件中。同一个制度可能有多个版本。准备资料的重点不是文件数量，而是确认哪些资料可以作为当前事实，谁负责更新，旧版本怎样停用。制度、产品、报价、合同模板、话术和操作手册应分别标明来源、适用范围、生效时间和负责人。

如果一个问题必须由专业人员判断，就不能把一份旧文档当成自动结论。应注明系统可以引用到哪一步，什么时候提示资料冲突，什么时候必须转交法务、财务、技术、医疗或业务负责人。真相源不清，知识库越大，错误越难发现。

• 资料目录：文件名、来源、版本、生效时间、密级和负责人。
• 优先级规则：制度、合同、系统记录和口头说明发生冲突时以谁为准。
• 更新机制：新增、修改、撤回和过期由谁发起，多久完成同步。
• 引用要求：答案是否必须显示来源、日期、段落和不确定状态。

第三类：数据字段与样本

表格和数据库不能只交一个空模板。应准备经过脱敏的代表性样本，包含正常、边界、缺失、重复、冲突和异常情况。每个关键字段要说明业务含义、格式、允许值、更新时间和责任系统。例如“客户状态”“订单完成”“有效商机”在不同部门可能不是同一口径。

样本必须接近真实分布。只选最干净的十条数据，能够做出演示，却发现不了项目投入使用后的主要问题。第一版测试集应保留输入、预期结果、允许误差、必须拒绝的情况和专业人员确认结果，并冻结版本，后续改模型或规则时用同一批样本复测。

第四类：账号、接口与权限

如果项目要连接飞书、企业微信、CRM、ERP、MES、客服、邮箱或文件系统，需要先列出系统所有者、测试环境、接口文档、可用字段、调用频率和审批流程。初期不需要把生产账号和密码发给服务商，更不应在聊天或普通文档中保存密钥。

权限应从最小范围开始：先只读脱敏样本，再读测试环境；先生成草稿，再由人工审批；确认日志、异常和回滚可用后，才考虑有限写入。权限表要写清谁能看哪些资料、谁能批准什么动作、人员离职怎样撤权、接口失败由谁处理。没有这些条件，原型只能算离线验证。

• 系统清单：系统名称、负责人、环境、接口和数据范围。
• 身份清单：用户、角色、部门、外部协作方和服务账号。
• 动作分级：只读、生成草稿、提交审批、有限写入和禁止动作。
• 技术边界：限流、超时、重试、幂等、日志、告警和回滚。

第五类：个人信息、商业秘密与合规边界

资料进入模型或外部系统前，要先判断其中是否包含客户姓名、手机号、身份证、健康、金融、行踪、员工评价、合同底价、源代码和其他敏感内容。初步诊断通常不需要原始个人信息，也不需要完整客户名单。能脱敏就先脱敏，能用测试数据就不使用生产数据。

《中华人民共和国个人信息保护法》要求个人信息处理具有明确、合理目的，并限于实现目的的最小范围。企业还要确认处理依据、告知或授权、保存期限、访问权限、委托处理约定和删除方式。涉及商业秘密、行业监管或跨境传输时，应由企业法务、合规和安全负责人结合具体业务判断，本页不能替代法律意见。

第六类：人员、责任与决策机制

AI 项目不能只交给技术部门。至少需要一名业务负责人解释真实流程，一名资料负责人确认来源和版本，一名技术负责人处理系统与安全条件，一名最终决策人批准范围和资源。高风险任务还要有法务、合规、安全或专业人员参与。

每周协作时间也要写进计划。业务人员无法提供样本、不能确认预期结果、没人审批权限时，开发再快也会停住。责任表要区分谁提供资料、谁确认事实、谁批准动作、谁处理异常、谁接受交付，避免所有问题都落到“项目组”这个模糊名称上。

第七类：验收样本、指标与停止条件

准备材料时就要准备验收，而不是上线前临时问几道题。对知识问答，可以检查引用正确率、无答案拒答、版本冲突和权限隔离；对流程自动化，可以检查任务完成率、异常率、人工接管、重复写入和回滚；对内容生产，可以检查事实错误、人工修改、采用率和审核时间。

同时写明停止条件：关键资料长期无法取得，核心指标多轮修正后仍不达标，错误后果无法控制，权限无法合规开放，成本明显高于价值，或真实用户没有采用意愿。停止不是失败包装，而是受控试点的正常结果。它能防止团队为了证明项目成功而不断扩大范围。

第八类：现有工具、预算与时间约束

列出企业已经购买的大模型账号、知识库、RPA、低代码平台、云资源和业务软件，说明合同期限、账号数量、接口条件和真实使用情况。重复采购经常发生在项目组不知道公司已有工具，或者把产品宣传能力当成已经完成的业务能力。

预算不只包括开发费，还包括业务访谈、资料整理、脱敏、接口改造、测试、培训、人工审核、云资源、持续维护和版本更新。时间约束也要写明：负责人何时有空，哪些系统只能在特定窗口变更，什么时候不能影响生产。把这些条件提前摊开，周期和报价才有依据。

资料还不齐时，怎样判断先做、缩小还是暂缓

资料不齐不等于不能开始。一个任务有明确负责人、能拿到少量代表性样本、错误可以人工复核，就可以先做受控验证。资料来源混乱但价值清楚时，可以先做资料治理；接口暂时无法开放时，可以先离线验证读取和判断；高风险动作无法控制时，可以降级为检索或草稿辅助。

真正应该暂缓的是：没人对任务负责，没有任何真实样本，无法说明什么算正确，必须依赖不可获得的数据，或者一旦出错就会直接造成重大客户、财务、用人、安全或生产后果。缩小范围比拿假数据硬做一个演示更有价值。

为什么这份清单也属于 AI 风险管理

NIST AI 风险管理框架把治理、场景映射、测量和风险处置放在系统全生命周期中，并强调记录角色责任、风险影响、数据与第三方依赖。对企业项目来说，这些要求不是额外写一套合规文件，而是把任务、资料、权限、测试和人工责任在启动前说清。

项目材料越可追溯，团队越容易判断错误来自资料、数据、规则、模型、接口还是人员流程。反过来，如果输入来源、版本、责任和测试结果都没有记录，即使演示效果很好，也很难稳定复制、审计和修复。

麒典 AI 收到材料后怎样处理

麒典先核对任务与现状基线，再检查资料、数据、系统、权限、风险和验收条件。我们不会要求企业在初步研判时提供密码、密钥、身份证、完整客户名单、未脱敏合同或生产数据库。资料不足时，输出的是缺口、责任人和下一步，不会用推测补成确定事实。

条件适合时，先用固定样本做受控原型，再由限定人员进行真实试跑。达到质量、效率、安全和采用门槛后，才决定是否增加接口和权限。项目周期、范围与报价以双方确认的材料为准，不把公开清单直接写成合同承诺。

启动前最小清单

1. 01一个高频真实任务和明确负责人
2. 02当前耗时、质量、错误与返工基线
3. 03资料真相源、版本和更新责任
4. 04正常、边界、异常和必须拒绝的样本
5. 05系统接口、账号角色和最小权限
6. 06敏感信息、商业秘密与不可开放边界
7. 07固定验收方法和人工确认责任
8. 08继续、缩小、降级和停止条件

常见问题