如果这份 AI 立项书明天就要你签字，你敢签吗？犹豫是正常的。看看巨头在付什么学费：阿里巴巴集团近日披露的财报显示，包含千问办公的板块单季收入 33.38 亿元、亏损 138.61 亿元（来源：阿里巴巴集团财报，2026 年公开报道）。巨头亏得起，是在用亏损换规模和时间；中小企业没有这个资本，更该在花钱之前，先做一次 AI落地诊断。下面这份清单共 12 问，按业务、数据、流程、安全四组展开，10 分钟能答完。清单不承诺替你做决定，它只做一件事：把"我觉得可以上"和"我觉得还不能上"的争论，变成一条条可核对的事实。

定义：AI 落地诊断，指立项前用一组结构化问题，评估企业在业务、数据、流程、安全四个维度的准备度，并输出"可上/缓上/不上"的结论。诊断的目的不是否决项目，而是把问题暴露在花钱之前。

AI落地诊断 12 问清单

      计分规则：每问答"是"记 1 分，答"否"记 0 分，满分 12 分。建议打印出来，开会逐条过。打分时建议逐条追问一句"依据是什么"：有依据才算数，凭印象的"是"记 0.5 分也可以，规则在会前约定即可。

业务维度：项目为什么而做

• 这个 AI 项目服务的业务指标，能用一个数字说清吗？

• 目标场景的任务是否重复发生、有固定频率？

• 项目"不做什么"，是否写成了明确的负面清单？

这一组问的是动机。三问里只要有一问答不上来，说明项目还停留在"别人有我也要有"的阶段，先回去补立项书，比直接看技术方案有用。

数据维度：料够不够用

• 要用的数据存在哪里、由谁负责，是否清楚？

• 数据质量是否做过抽查（缺漏、错乱、口径不一）？

• 数据使用授权是否完整（客户信息、员工信息）？

      这一组是失分重灾区。很多企业系统不少，但数据分散在各自为政的表格里，责任人不明、口径不一，模型再好也吃不进去。数据组低于 2 分，建议把项目往后排，先理数据。别嫌这 12 问麻烦：其中一多半与钱直接相关，数据底账决定治理费，部署边界决定算力费，兜底路径决定人工成本，诊断花掉的时间，换的是预算会上少交的学费。

流程维度：人怎么接

• AI 接管后的人工兜底路径，是否已经定义？

• 受影响岗位的员工，是否知晓并参与过方案讨论？

• 试点期的通过与放弃标准，是否量化到了具体指标？

这一组决定上线后能不能站稳。员工不知情、没有兜底路径的项目，上线头一个月的阻力会大过技术问题本身。

安全维度：边界怎么划

• 不允许流出内网的数据，是否已有明确清单？

• 部署边界是否明确（公有 API 还是私有化）？评估方法可参考私有化部署页（[待核对]）；

• 出现错误输出时的追责与回滚机制，是否已成文？

      这一组在高监管行业是硬门槛：数据清单没有就先别谈公有 API；追责回滚没成文，出了错没有人能拍板处理。四组问题看着朴素，价值在于把各部门拉到同一张表上说话——业务、IT、财务、法务对"准备"二字的理解，往往在逐条打勾时才暴露分歧。

      清单的价值在于把争论变成打分。传统行业里，验收纪律其实是现成的：安全生产标准化系统（/safety.html）一类项目的隐患排查覆盖率、整改闭环时长，都是逐项可查的硬指标，AI 项目完全可以借用这套纪律。这套纪律并不新鲜，难的是把"我们现在就要上 AI"的兴奋感压住，按清单一步步过。诊断完成得越早，预算会上的争论越少。

打分之后怎么办？

      12–10 分：准备度充分，可进入方案选型；9–7 分：先补齐失分项再立项，缺口多数集中在数据与流程两组；低于 6 分：建议先做一轮完整诊断再谈立项。经验上，此时的问题不在技术，而在业务目标与数据底座，硬上大概率重演"先上再说"的老路。需要外部视角时，可从 AI 应用定制开发页（[待核对]）约一次诊断沟通。

                                                                                                                                                                                                                                                              还有一种常见情形：总分不低，但安全组 0 分。这不能按总分放行——高监管行业里，安全维度可以一票缓行，先补合规再谈其他。举个例子：一家贸易企业自测得 5 分，业务组 2 分、数据组 1 分，诊断结论不是"不上 AI"，而是先把客服问答的数据底账理清，三个月后复测再立项，节奏对了，钱就没白花。

      今天就能做的动作：把这份清单复制进评审文档，开会逐条打勾；总分低于 6 分的项目，先别进预算会。会开完，把得分和分歧点记进会议纪要，三个月后复测时，你就有了自己的成熟度曲线。清单不改变你的判断力，但能改变讨论顺序：先问准备度，再谈技术方案。

三、FAQ

Q1：企业AI成熟度自查从哪几方面入手？

      结论：四组十二问：业务（指标与范围）、数据（底账与授权）、流程（兜底与人心）、安全（边界与追责）。每问可勾选打分，满分12分，低于6分建议先诊断再立项。

Q2：AI落地准备度评估谁来做？

      结论：建议业务、IT、财务三方同场逐条打勾，各答各的维度。外部顾问的价值在于补盲区，尤其是数据授权与部署边界两项。

Q3：AI需求诊断要花多长时间？

      结论：用清单自查约 10 分钟；请外部做完整诊断通常需要 1–2 周访谈与数据盘点。先用快速打分筛掉明显不成熟的项目，再决定是否投入深度诊断。