AI 项目最常见的死法，不是技术不行。

死掉的项目，很少死于 AI 不够聪明。

今年找制造业老板聊 AI 的人明显多了。补贴在下来，供应商在排队，几乎每家工厂都至少有一个“正在谈的 AI 项目”。

与此同时，另一件事也在发生，只是没人拿出来讲：去年上的那批项目，相当多已经安静了。系统还在，账号还在，就是没人用了。

我们把这些死掉的项目摆在一起看，发现一个让人不太舒服的事实：几乎没有一个是死于“AI 不够聪明”。

七种死法，认得出形状，就躲得开。

一、数据读不出来，先上了大系统。库存数据是错的，AI 排产系统就每天兢兢业业地优化一个错误的计划，人再花两小时核对修改——AI 没省时间，还加了班。注意，这不是让你先停工去做全公司数据治理：这个项目依赖的那几份数据读不出来，就先缩小范围，只做数据能读出来的那部分。

二、被演示说服了。演示环境里的数据是精心挑选的，问题是排练过的。判断方法只有一个：坚持用你自己的 50 到 100 个真实案例测试。供应商拒绝，这本身就是答案。

三、流程没变，只是多了个工具。给销售买了 AI 写邮件，但销售真正的痛是不知道该发给谁。工具解决了排名第三的问题，排名第一的问题纹丝不动。

四、关键员工在暗中抵制。对掌握客户资源、垄断技术诀窍的人来说，AI 是威胁。他不会公开反对，他会让系统“总是出错”。项目启动前没理顺利益，上线后就会变成拉锯。

剩下的三种——AI 幻觉闯祸、场景选错、合规暴雷——道理一样。

全是管理和判断问题，没有一个是技术问题。

两个以上答“否”，先补条件。

七个问题，每题只答“是”或“否”。出现两个以上“否”，先别急着签字，也别急着上线——把“否”变成“是”，比推进项目本身更值钱。

把页面上方的七个问题带进项目评审。先逐条回答“是”或“否”，再决定是否签字和上线。