AI 项目已经交付。接口正常运行，团队完成了培训，项目状态显示为绿色。但在下一次管理层会议上，仍应追问一个问题：谁能确认，日常运营是否真的因此变得更好？
成功上线当然值得认可。但一个能够运行的应用，并不等于已经证明交付周期更短、返工更少或利润率更高。如果项目负责人在结项后转向下一个任务，而管理层看到的只是技术状态，这个问题很容易被搁置。系统的费用却仍在发生。
37%的受访者表示，AI 对其整个组织的息税前利润产生了正向贡献。这项结论来自麦肯锡2026年全球调研，覆盖97个国家的1,719名参与者，依据的是受访者的自我报告。这里的 EBIT 指息税前利润，并非经过审计的项目投资回报率证明。其余回答因此不能被解读为失败 AI 项目的比例：单个应用可能已经创造价值，只是尚未反映在组织整体 EBIT 中。1
对管理层而言，这并不意味着要设定一个新的目标比例，而是提出了一项实际任务：到工作真实发生的地方检验预期价值，不要把它与项目结项状态混为一谈。
技术放行之后，哪些问题仍未回答
IT 可以确认，在其职责范围内，集成、访问权限和技术运行准备是否到位。业务负责人还必须判断，该应用是否改善了约定的工作流程。财务团队可以复核经济账。三种视角缺一不可，彼此也无法替代。
我会明确区分技术放行、纳入日常运营，以及之后的价值复盘。这并不要求新增三个委员会，而是提醒企业不要把第一次签字当作所有后续问题的答案。项目管理协会关于效益管理的框架同样强调，项目移交后仍应明确效益责任与衡量。2
项目可以在行政上结项，而价值仍处于验证中。此时，尚待验证的假设、责任人姓名和下一次检查日期必须清晰可见。否则，一个经济承诺会随着项目清单一起消失。
验收必须回到真实的工作流程
设想一个明确仅用于说明的情境：一名 AI 助手生成报价草案。在测试中，草案产出更快；但在实际工作中，销售人员仍需要核对合同条款、补齐缺失信息，并修正客户的特殊要求。这个系统或许依然值得使用，但首稿生成速度不应成为唯一指标。
更合理的衡量方式，是从客户完整提交需求到业务批准报价之间的时间。它应覆盖所有参与人员的全部处理时间，包括审核和修正；等待时间则单独记录。首稿更快，但如果等待批准的时间更长，客户收到答复的速度并不会自动提升。
基准还需要来自采用新方法之前的可比报价。复杂程度、案例选择和质量要求都应能被追溯。用简单的 AI 案例去对比过去复杂的案例，虽然方便，却不足以支撑结论。若没有基线测量，所谓优势在现阶段只是一个需要验证的假设。
评估还必须纳入 AI 运营成本和结果质量。释放出来的工作时间首先意味着额外产能。只有支出实际减少且可核实，才构成真正的成本节约。如果同样的时间被用于处理更多报价，则需要以另一种方式证明其价值。
验证也不会在第一次成功运行后结束。数据源、模型和使用行为都可能改变。NIST 的 AI 风险管理框架要求在生产环境中持续监测功能和行为。这为运营控制提供支持，但并不证明经济回报。3
下一次复盘，我会怎样调整
我会选择一个已经上线的 AI 应用，请业务负责人用一页纸说明预期价值：希望改善什么结果？此前如何完成这项工作？当前运营数据说明了什么？系统又增加了哪些额外工作？
对于上述报价流程，如果届时已经积累足够的可比案例，30天后的首次价值复盘可能是合适的建议。这只是该示例流程的一项工作约定，并非普遍适用的期限。对于低频或差异很大的流程，需要采用不同的观察周期。
届时的决定可能不同：继续使用，定向改进，或限制使用范围。有时系统本身没有问题，问题出在移交环节；有时新增的控制工作高于获得的空间。在向更多团队推广前，企业应当先知道答案。
这种价值验证是建立可治理的**AI 运营体系（AI Operating System）**的重要一环：业务责任留在运营中，技术支持有明确安排，管理层获得的是可检验的价值，而不是又一个绿色状态。若在作出可靠的转型决策后，实施安排已经明确，就不需要额外的实施支持；如果确实存在实施缺口，**AI转型执行合作（AI Transformation Execution Partnership）**可在实施工作统筹、价值验证和内部知识移交方面支持这一过渡。
来源
麦肯锡，2026年全球 AI 调研，调查时间为5月4日至6月8日；经济影响来自受访者自我报告。1
项目管理协会，关于项目效益规划、移交与后续跟踪的专业文章。2
NIST，《AI 风险管理框架》1.0，2023年，尤其是关于运行中监测的 MEASURE 2.4。3