不为 AI 而 AI：No-Go 判据与停止条件

为什么先把「不该做」写清楚

企业里最常见的 AI 失败不是模型不行，而是在不该用模型的地方用了模型：路径本来确定、逻辑本来封闭、Excel 本来够用，上了 AI 之后成本更高、行为更不稳定、还得养一个没人说得清的提示词工程岗。

对 AI 焦虑的专业回应不是罗列能力，而是给出「不该做什么」。这比说「能做什么」更显专业——因为后者谁都能说，前者需要你真的懂业务的错误代价。

选型判据：三个乘数，不是「先进」

一个环节要不要用 AI、用到哪一档技术，判据是三个因子的乘积，缺一不可：

任何一项是硬伤，正确动作不是「换个更强的模型」，而是降档或不做。手册必须能说出这句话：「这个环节用 RPA 就够，上 AI 更贵更不稳。」

No-Go 判据清单

出现下列任一情形，建议 No-Go 或先做非 AI 替代（清单为综合建议，见右栏证据边界）：

1. 非 AI 更优：路径稳定、逻辑确定、数据量小——规则/脚本/表单/Excel（T0）全覆盖。
2. 错误代价不可逆：高影响专业判断领域（诊断、资金、合规裁决）不做 AI 决策验收；其运营流程（预约、单据、查询）可以做。
3. 事实不可得：关键输入无权威源、无数据授权、无接口，且没有补齐计划——先做数据与系统条件，不是先上模型。
4. 无人认领：没有业务负责人认领收益，也说不清失败代价——这是技术演示，不是项目。
5. 评测不可定义：说不清期望结果、禁止结果、以及「什么算该拒绝」——没有量尺就不该优化。
6. 停止条件写不出：收益假设不可证伪，无法回答「什么情况下我们停」。
7. 收益只有工时：节约的时间既不能减员也不能转化为产出——见《节约时间不是节约成本》。

非 AI 替代要写出来

No-Go 不是「否决」，是换一条更便宜的路。立项材料里应有一栏「非 AI 替代」，写清楚：

• 同样目标用规则/流程/人肉+表单怎么达成；
• 两条路的成本、时延、错误率假设对比；
• 什么条件下可以重新评估 AI（通常是要理解非结构化输入，或路径分支爆炸时）。

停止条件怎么写

停止条件是立项时就写好的、可证伪的退出线，至少覆盖三类：

• 价值线：上线后 N 周，收益指标（不是准确率）未达到假设值 → 缩减或停止；
• 风险线：错误代价事件（误写生产数据、错误对外承诺）达到阈值 → 立即回退并停机复盘；
• 成本线：持续运行成本（推理、人工复核、维护）超出收益 → 降档或停止。

停止条件是 T1「场景与任务契约」的必填字段，Done when 之一就是「停止条件明确」。写不出停止条件的项目，正确动作是回到问题定义，而不是开始选型。

小结

不为 AI 而 AI，落地成三件可检查的东西：乘数型选型判据、带替代表达的 No-Go 清单、立项即写的停止条件。它们的共同点是——都在花钱之前起作用。