很多 AI 项目停在演示阶段，原因通常不是模型不够强，而是一开始没有回答清楚几个问题：用户是谁，任务是什么，数据在哪里，谁对结果负责，做到什么程度算完成。
我们在 FDE（Forward Deployed Engineering）项目中用四道关口推进。每一关都有明确的通过条件，不满足就停下来调整，而不是继续堆功能。
Gate 1：机会诊断
通过条件：流程真实、高频、能拿到样本，并且有人对结果负责。
这一关要把“效率低、资料乱、没人用”还原成具体动作：谁发起、谁处理、谁确认、谁承担结果，样本在哪里。卡点可能来自数据缺口、判断缺口、责任缺口、系统割裂，或者标准从来没有被写下来。不同来源的卡点，处理方式完全不同，有些根本不需要 AI。
产出：流程访谈提纲、角色动作样本表、流程卡点图、适合/不适合判断。
Gate 2：最小业务闭环
通过条件：一条链路在真实样本上改善了结果，并留下了验收记录。
这里要决定 AI 做什么、人判断什么、系统回写什么、过程如何留痕。范围刻意收窄：一个入口、一组样本、一个试用人群、一个可以被判断成败的指标。
产出：AI 介入边界表、第一阶段闭环方案、验收记录。
Gate 3：试点上线
通过条件：指定人群在真实工作中使用，人工确认点和留痕机制到位。
试点阶段最容易出问题的不是功能，而是责任：AI 输出出错时谁发现、谁修正、谁承担。必须保留人工确认的节点，在这一关要落实到具体的人和具体的界面。
产出：可用原型或工作流、操作说明、问题记录。
Gate 4：复制与沉淀
通过条件：模板、规则、失败类型和复盘进入组织系统，可以被下一条流程复用。
一次项目真正留下的价值，是下一次不用从零开始。我们会把样本、提示词与配置、失败类型、人工反馈整理成可复用的资产，进入组织的经验库。
产出：SOP、模板、经验条目、迭代计划。
什么时候应该说“不做”
以下情况，我们会建议暂缓：只想做展示型 Demo 而没有真实业务入口；流程责任不清，没人能确认 AI 输出是否可用；希望 AI 一次性替代所有人工判断和合规责任；没有样本、没有反馈、没有阶段性验收标准。
清楚地说“不适合”，本身就是 FDE 交付的一部分。