企业 AI 项目最常见的误判，是把演示时的惊喜当成上线后的采用。
会议室里的 Demo 往往满足三个条件：输入被精心挑选、操作者理解系统、失败不会产生真实后果。进入日常工作后，这三个条件通常都不存在。
它没有进入原有工作流
如果用户必须离开熟悉的系统，重新整理材料，再把结果搬回原系统，AI 节省的时间很容易被操作成本抵消。
用户不知道该不该相信
“大部分时候都对”并不足以支撑高风险流程。用户需要知道结果基于什么、哪里可能出错，以及发现问题后如何纠正。
没有人对最后一步负责
Agent 可以给建议，但真正执行动作时，权限归谁、错误由谁承担、什么情况必须人工确认，往往没有被提前定义。
评估与使用场景脱节
离线准确率无法回答全部问题。真实评估还要覆盖等待时间、失败恢复、人工复核成本、用户行为变化和持续使用率。
项目复盘时，不妨先问一句：用户不用，是因为模型不够好，还是因为我们从未把它设计成工作的一部分？