AI项目为什么容易烂尾？五个早期信号

麻省理工的研究给出过一个让人清醒的数字：企业生成式 AI 试点项目中约 95% 没有产生可衡量的业务回报。这么高的比例说明烂尾不是意外，是常态。好消息是，它几乎总有早期征兆。

一、信号一：目标是形容词

如果项目目标写的是「提升效率」「实现智能化」「打造数字化标杆」，那么它大概率会烂尾。因为没有人能判断什么时候算完成。

健康的目标应该是一个可以争论对错的句子：把报价响应从平均三天缩短到半天、把质检漏检率从 5% 降到 2% 以下。

这一条看似基础，却是烂尾项目里出现率最高的问题。很多项目直到中期评审才发现，双方对成功的理解从一开始就不同。

二、信号二和三：数据拖延与业务缺席

数据拖延：项目启动两周了，要的数据还没给全，理由通常是「负责的同事在忙」。这不是效率问题，是优先级问题——说明这个项目在客户内部排不上号。

业务缺席：需求会上来的都是 IT 部门的人，真正用系统的业务人员从不出现。这意味着做出来的东西大概率不符合实际操作习惯，上线后没人用。

这两个信号如果在前三周同时出现，项目失败概率极高。此时最理性的选择是暂停，把问题摆到台面上，而不是硬着头皮往下做。

三、信号四和五：指标缺失与决策链不清

指标缺失：项目要改善某个业务表现，但没有人知道这个指标现在是多少。没有基线就没有对比，最后只能靠感觉验收，而感觉永远可以被否定。

决策链不清：遇到需要拍板的问题时，找不到一个能拍板的人。每个人都说「这个我得请示一下」，然后没有下文。这类项目往往在中期陷入停滞。

另有调查显示，约 29% 的员工会对 AI 工具采取暗中抵制——表面配合，实际继续用老办法。决策链不清的项目里，这种抵制几乎无法被发现和化解。

项目不会在最后一周失败，它在第三周就已经决定了结局，只是没人愿意承认。

四、阿优至简的视角

我们把这五个信号做成了一张检查表，在项目启动后第三周做一次正式评估。如果命中两条以上，就主动跟客户谈调整——缩小范围、更换场景，或者暂停。

主动喊停在短期看是丢单，长期看是保护双方。一个烂尾项目消耗的不只是钱，还有客户对整个 AI 这件事的信心。这个信心一旦没了，第二次合作的门就关上了。

落地前的三条至简建议

1. 先量基线：项目启动第一周把目标指标的当前值测出来，双方签字。
2. 先做三周评估：把五个信号做成检查表，第三周正式过一遍。
3. 先拉业务方：需求会上必须有真正使用系统的人在场，缺席就改期。

95% 这个数字之所以吓人，是因为大部分项目其实早就该停了，只是没人按下暂停键。