PIPELINE简而言之
在委托AI自动化之前需要书面明确：数据和访问权属于委托方，终止时以何种格式和期限交付，后续变更的费用，以及文档是报价项目而非口头承诺。
01 — 合同
需要书面明确的事项
- 数据和访问权的所有权。属于委托方。如果服务商不明确确认这一点，这就是谈话中最重要的信息。
- 终止时的交付。以何种格式、在何期限内、费用多少。
- 无对价的最短期限不可接受。如果绑定换来某些服务，则可以接受 — 否则不行。
- 后续变更的费用。决定总成本的不是项目价格，而是第三年的小时费率。
- 文档作为交付物。不是承诺，而是报价中的条目。
02 — 问题
您应该提出的问题
- 如果项目成本超出预估会怎样 — 由谁承担？
- 数据、访问权限以及（如果有开发）源代码归谁所有？
- 第二年和第三年的运营成本是多少？
- 我们最终会收到什么样的文档？
- 您会用什么标准来衡量这个项目是否成功？
- 在什么情况下您会建议我们不要做这个项目？
03 — 警示信号
何时应该保持警惕
- 保证结果。谁承诺Google排名第一或特定的营收增长，就是在推销他无法兑现的东西。
- 从不说不。一个把每个项目都说成好主意的供应商，要么没认真听，要么只是在推销。
- 制造时间压力。项目价格的限时折扣是销售手段，不是真正的优惠。
- 所有权不明确。谁不明确说明数据和访问权限归谁所有，意图就不纯。
- 没有具备专业知识的对接人。如果初次会谈只有销售人员参加，误解就会从那里开始。
04 — 问题
常见问题
可靠性如何？
这取决于应用场景，我们会在正式上线前进行测量。对于传入消息的分类，构建良好的系统通常能达到九成以上。关键不仅是准确率本身，而是出错时会发生什么——因此我们始终会内置一个检验阈值。
与普通自动化有何区别？
普通自动化遵循固定规则：如果字段A填写完毕，则执行B。AI自动化则适用于没有固定字段的场景——自由文本、图像、变化的文档格式。通常二者结合才是正确答案，而非只选其一。
这需要大量数据吗？
不需要。与传统机器学习不同，大多数应用场景只需几十个优质示例，因为语言模型已经具备语言能力。
我们如何保持对自动决策的监督？
每个决策都会记录：哪些输入、哪些结果、哪些置信度。可以随时抽查，就像对待人工代理一样。
如果文档或格式发生变化怎么办？
只要内容意义不变，系统就能很好应对——不同于刚性的基于字段的识别。全新的文档类型需要短暂的重新调整，而非重建。
EU AI Act对此有何规定？
大多数企业应用场景属于低风险类别，主要触发透明度义务。当客户直接与系统交互或发布AI生成的内容时，我们会标注。对于人力资源领域的应用，我们会更仔细审查，那里适用更严格的规则。
这与聊天机器人有何区别？
聊天机器人在对话中回答问题。AI自动化在后台运行，无需对话——它阅读、分类和预判，而其他人专注于实际工作。
下一步
让我们简短讨论一下这对您是否划算。
二十分钟的对话通常就足以弄清一个项目是否有意义。如果没有，我们会直说——这对双方来说都比一份无人需要的报价更便宜。