作为一名数据科学家，我经常发现与我交谈的每个人都有一个潜在的人工智能用例在心中。他们会问：“人工智能可以解决这个问题吗？这个流程能自动化吗？我可以为日常任务创建一个代理吗？人工智能会取代我的工作吗？”这种好奇心是可以理解的——将人工智能引入生活各个方面的兴奋感确实存在。然而，在着手之前，我们需要问自己几个重要的问题：这个想法是否具有现实世界的影响？它是否会节省时间和精力？它是否会真正改善生活质量？ 根据Gartner的研究，到2025年，多达30%的生成式人工智能项目将在概念验证（POC）阶段被放弃，原因包括数据质量差、商业价值不明确以及成本飙升。Informatica也指出，大多数失败的AI项目都可以追溯到初期规划的不足。 在这篇文章中，我想强调我认为最重要但往往被忽视的AI项目阶段：项目的开始。从头脑风暴、需求收集到初步范围定义，这些步骤帮助我们确定想法的真实价值，并为撰写清晰、现实的提案奠定基础。这决定了AI项目的成败，让它成为有用且成功的东西。 1. 头脑风暴有价值的AI想法 如今，似乎任何事情都可以通过AI来自动化，从生成Excel公式和管理能源使用，到扫描条形码和用AI代理人订票。可能性令人兴奋，但需要注意的是，并非每个可自动化的任务都需要AI。很多时候，人们需要的是一个简单的基于规则的解决方案或自定义程序。例如，自动化Excel工作流可能只需要有效地编写公式或结构良好的脚本即可，使用AI反而可能增加不必要的复杂性而没有实际益处。 选择正确的AI问题是第一步，需要区分吸引人的想法与那些提供真正、可衡量的价值的想法。一个好的AI想法始于一个足够紧迫的问题，解决问题带来的价值能够证明投入的努力是值得的。头脑风暴时考虑这些问题可以让项目更加务实，提高其产生有意义影响的可能性。 2. 收集数据和理解需求 一旦确定了项目想法，接下来的步骤就是收集合适的数据并明确定义需求。这个阶段对于项目的成功至关重要。 现实中，获取相关、高质量的数据非常困难。约70%的制造商报告称存在数据问题，如过时、不完整或格式不正确。虽然干净的数据ideal，但最重要的是数据的相关性、多样性和覆盖率。多样性数据可以减少偏见，提高模型的泛化能力。例如，中国开源LLM深思（DeepSeek）由于训练数据过于狭窄和地域特定，曾经面临回应受限的批评。 还需考虑数据隐私法规，如GDPR。法律约束可能会限制数据的使用，即使数据很有价值。因此，早期了解这些边界非常重要。明确的需求可以对齐团队、减少混乱并带来更好的结果。在这个阶段，需回答以下几个问题： 我们是否有相关数据来解决这个问题？ 数据的质量如何？是否存在过时或不一致的情况？ 数据是内部的还是外部的？存储在哪里？ 项目需求是否明确并与业务目标对齐？ 是否存在任何数据保护法规或法律限制？ 花费时间在这个阶段可能会感觉缓慢，但它为您设定成功或失败的基础。没有数据，就没有AI；没有清晰的方向，就会迷失。 3. 定义项目范围：画出界限 现在你知道了为什么要构建这个AI解决方案以及手头拥有的数据和需求。下一步是清楚地定义项目将要交付的内容。明确的范围可以避免混淆、防止项目范围膨胀并保持项目现实。通常，我把范围分为两个部分： 在范围内：这些是可以基于当前数据、时间和资源承诺交付的项目成果，如一个工作的API、Web应用程序原型、数据预处理脚本、文档或代码库。只包括在这个阶段可行且达成一致的项。 不在范围内：同样重要的是声明不在项目范围内的内容。例如，Web应用程序可能在范围内，但全面部署或企业集成可能不在范围内。及早定义这一点（通常是MVP的形式）有助于设定期望值，避免后续出现混淆。 在定义范围时，我会问这几个问题： 这一阶段的具体交付物是什么？ 我们是承诺部署还是只是一个POC/MVP？ 哪些功能或任务明确不属于范围？ 角色和职责是否明确？ 范围是否与可用资源和时间相匹配？ 4. 撰写实际被阅读的项目提案 明确了项目范围后，下一步是撰写项目提案——项目的电梯演讲。这份文件通过概述项目的对象、范围和预计的成果，向关键利益相关者介绍项目。 项目提案通常比项目章程更早出现，后者通常是在计划阶段创建的，前者则是项目启动阶段的基石。提案不需要过于技术化或冗长，目标是清晰地说明你要构建什么、为什么重要以及为此需要什么资源。 当撰写提案时，我重点关注以下几个核心问题： 我们试图解决的问题是什么？ 这个AI解决方案的目标是什么？ 关键利益相关者是谁？ 项目的具体范围是什么，已达成一致的交付物有哪些？ 下一步是什么，或提出的解决方案大纲是什么？ 一个写得好的提案不仅提供信息，还建立信心。它帮助所有人理解工作的价值，并确保您不会孤立地开发。 结论 项目规划的这一阶段可能不是最吸引人的，但无疑是最重要的。当您花时间问正确的问题、设定现实目标并去掉行话和假设时，就为一个实际上可以成功的项目奠定了基础。一个清晰的提案，配上明确的范围和一致的接受标准，不仅能获得批准，还能让您追踪可度量的影响，并保持项目按正确方向前进。最终，强有力的规划不是为了减慢进度，而是为了确保你所构建的一切都是值得的。 行业人士评价与公司背景 行业专家普遍认为，AI项目成功的秘诀在于前期的细致规划。这不仅能提高项目的成功率，还能节省大量时间和成本。良好的项目管理和明确的需求分析是实现这一目标的关键。许多初创企业和大型公司都在这一阶段投入了大量资源，以确保他们的人工智能项目能够在现实世界中发挥实际作用。例如，谷歌和微软都在项目启动前进行了深入的需求分析和数据准备，这是它们众多AI项目取得成功的重要因素之一。