现在很多项目都在讲 AI，如何判断是真正有价值，还是只是概念包装？

判断一个 AI 项目值不值得做，不看模型名字够不够新，而看它有没有放到真正能受益的环节。我们一般会先问三件事：现在这个环节人工是不是确实费力、数据基础够不够、不用 AI 业务能不能跑——三个答案都偏向"需要 AI"，再考虑投入。

具体可以从几个角度区分"真有价值的 AI"和"贴标签的 AI"：

• 看是否解决具体痛点：靠谱项目会描述清楚"原来这件事每天要花 X 小时、错率 Y%，AI 介入后预计省到 Z"。讲不清楚省了什么、提升了什么的，多半是概念包装。
• 看数据是否够支撑：AI 吃数据。如果客户内部连这件事的历史数据都没积累，或者数据散到根本拉不出来，那这个项目大概率第一步就走不动。
• 看是否能小步验证：真有价值的场景一定能拆成 2–4 周的 PoC 去验。如果一开口就要做"全平台 AI 化"且不愿意拆 PoC，多半是项目主导方对自己也没底。
• 看交付物是不是 AI 之外也有意义：很多"AI 项目"剥掉 AI 那层，剩下的数据治理、流程梳理、系统对接本身就有价值。如果剥掉 AI 项目就归零，说明 AI 是包装。
• 看团队角色：真做 AI 落地的团队会同时配 PM、业务专家、算法、工程、运维。如果对方只来个销售加几张 PPT，连具体技术选型都答不上来，要警惕。

更适合优先落地的方向，一般是规则相对清晰、人工已经在做、错答可控的场景——重复答疑、初步分类、辅助校对、流程提效、报表生成、文档抽取这些。要做"全自动决策"或"代替专家做关键判断"的，多半还没到时候。

滚水科技在做客户咨询时，会主动帮客户排掉看起来很性感但其实落不了地的需求。我们更愿意做"先做小、做实、跑稳，再放量"的项目，而不是签下来一个大单后做不出效果。这种做法短期看少签了点合同，但长期客户的复购和口碑都好得多。如果你手上有个 AI 想法不确定该不该投，可以先聊聊，我们直说"哪段值得投、哪段先别碰"。