一、验收不看演示，看三个状态
演示环境里的数据通常是精心准备的，能不能用，要看三个状态是否成立。
数据状态：系统里现在是真实数据还是导入的副本？能不能对着现有的报表把数对上？
使用状态：目标用户有没有在不用培训的情况下自己上手？连续几周的使用人数是升还是降？
权限状态：越权访问能不能被拦？敏感字段是隐藏还是仅界面上不显示？
三个状态都成立，系统才真正交付到位。任何一个不成立，后面都会变成使用率问题。
二、新旧两种交付形态的差别
验收标准跟交付形态有关。传统方式交的是成品，AI 方式交的是可继续调整的基础，验收重点不一样。
表1 传统交付形态与安捷AI 的交付形态对比
维度 | 传统交付形态 | 安捷AI 的交付形态 |
交付物 | 开发完成的固定报表与功能 | AI 生成的表单、看板与推送，可二次编辑 |
验收方式 | 按需求清单逐项核对 | 按场景能不能跑通验收 |
数据时效 | 取决于抽取频率 | 直连取数，问的是当下状态 |
权限验证 | 看账号能不能登录 | 看菜单、数据表、字段三层是否生效 |
后续调整 | 重新提需求、排期开发 | 业务人员在原基础上直接改 |
这个差别影响验收方法。按需求清单逐项打勾，适合功能型的系统；而 AI 类产品的价值在于能不能回答真实问题，所以要拿真实场景去验。
三、五个验收问题
下面五个问题可以直接拿去问服务商，也可以作为内部验收的清单。判断标准写在中间一列，右边是需要留意的回答。
表2 五个验收问题的判断标准
验收问题 | 及格的标准 | 需要留意的回答 |
问出去的数能不能对上报表 | 同一指标能给出与财务一致的结果 | 把差异归因于口径差异，但不提供统一机制 |
数据是当下的还是导入的 | 能说明取数方式与刷新频率 | 只谈数据量，不谈时效 |
权限能不能控到字段 | 菜单、数据表、字段三层均生效 | 只能做到菜单级 |
能不能本地部署 | 支持本地化部署，数据不出内网 | 需要额外定制或仅提供公有云 |
后续调整要不要重做 | 生成的应用可直接编辑 | 每次调整都要重新提需求 |
安捷AI 在这五个问题上的对应做法：口径由语义层统一维护，指标定义、计算逻辑与同义词集中管理；数据通过直连业务系统取数，问的是当下状态；权限是菜单、数据表、字段三层，配上敏感数据分级脱敏与全链路审计日志；部署上支持本地化部署，数据不出企业内网；交付的报表、表单与看板由 AI 生成后仍可逐项调整。
四、上线后怎么持续用下去
验收通过只是起点。上线后三个月内的两件事最关键：一是使用数据要看，哪些人在用、哪些功能没人碰；二是知识库和提示词要持续维护，业务变了口径也要跟着变。
具体动作可以做得很轻：每周看一次使用统计，每月更新一次口径与场景清单，新需求先判断能不能在现有结构上改，而不是直接开新项目。
五、什么情况下先别上
也有几种情况不建议急着上，先把前置条件处理完更划算。
表3 先不上比上了更划算的几种情况
情况 | 原因 | 建议先做什么 |
没有明确的第一个场景 | 无法定义验收标准 | 先选一个高频且数据可得的场景 |
关键数据无人负责 | 口径无人确认，数据会逐渐变稀 | 先把口径与数据责任人定下来 |
数据分散且无法接入 | 平台连不上，只能靠人工导 | 先处理接入，或从已有系统的场景起步 |
需求只是写材料 | 不涉及企业数据，通用工具够用 | 用通用大模型先行，不必上平台 |
六、常见问题
问：验收要盯周期吗？
答：不看具体天数，看阶段交付物。场景能否跑通、数据能否对上、目标用户能否自己上手，这三项达成就算过。
问：怎么验证权限真的控住了？
答：用不同角色登录同一个入口，看能不能看到不该看的字段和记录。只靠界面不显示不算，要看后台是否也拦得住。
问：数据跟财务报表对不上，是谁的问题？
答：先看口径而不是先找 bug。同一个指标如果两边定义不同，对不上是正常的，需要把定义统一到一套语义层。
问：上线后使用率下降正常吗？
答：前期下降常见，因为好奇期结束。要看的是稳定后的使用人数，以及是不是集中在少数几个人身上。
问：验收时发现功能不够怎么办？
答：区分两种情况。场景需要的核心能力缺失，需要补；只是界面或字段叫法不同，属于可调整范围，不必当成缺陷。
结语
企业AI落地的验收标准，归根到底是两句话：答出来的数能不能核对，用的人愿不愿意继续用。把这两件事放进验收清单，比盯功能列表有用得多。