你们会不会为了用上 AI 或新技术，把本来简单的需求做复杂、做贵？

不会把 AI 当默认答案：规则、现成 SaaS 或普通程序能达到目标时就用更简单的方案；只有小样本对比证明 AI 的增量价值大于全周期成本和失败风险时才采用。

这不是一句无法验证的服务承诺。滚水科技会在方案中主动写出“不用 AI 的基线”、采用 AI 的增量收益、持续费用、失败方式和退出路径，并注明各项依据。客户负责提供当前流程、经授权的样本并确认哪些结果有业务价值，不需要自行设计 AI 对照实验。如果方案只写模型多先进，却没有当前人工耗时、错误成本、业务样本和验收口径，就不具备立项条件。

同一需求先比较四种实现

实现	适合的问题	成本与稳定性	典型例子	决策
流程调整/人工工具	低频、仍在变化的任务	初始最低，容易修改	统一表单、审批责任和模板	先消除流程浪费
规则与普通程序	输入明确、结果确定	可解释、可测试、调用成本低	价格计算、状态校验、权限判断	能覆盖就不使用 AI
标准 SaaS/API	市场已有成熟通用能力	上线快，受厂商价格和边界约束	OCR、客服渠道、电子签	先试用再决定是否集成
AI 或定制 AI	非结构化内容多、规则穷举困难	泛化强，但有错误波动和持续评测成本	文档理解、语义检索、草稿生成	增量效果经盲测证明后采用

例如，固定税率乘以金额应使用普通代码；从版式多变的合同中定位责任条款，可能适合 OCR 加模型；依据企业制度回答问题，可能用检索增强；批准付款、决定医疗方案或修改设备安全参数，则不能把模型输出直接当最终授权。复杂度来自业务必要性，而不是“AI”三个字，微服务、区块链或新框架也遵循同一判断。

报价前先算一张全周期成本表

不能只比较开发费。普通系统要算开发、云资源、监控、维护和人员培训；AI 方案还要增加模型调用、向量或检索资源、标注评测集、内容更新、人工复核、安全测试以及模型或供应商变更成本。收益也要可核对，例如每月节省多少复核分钟、提高多少合格线索处理量、减少多少错误返工，而不是笼统写“效率提升”。高频任务的单次小费用会累积，低频任务则可能永远收不回定制成本。

AI 通过四道门才进入正式方案

第一道门是必要性：确定性规则或成熟产品未能满足关键任务。第二道门是效果：用同一批真实脱敏样本，对人工、规则/SaaS 和 AI 原型做盲测。第三道门是经济性：把一次性与至少一个约定运营周期的费用放入同一口径。第四道门是可控性：错误能被发现，高影响动作有人审批，日志可追踪，并能切回人工或旧流程。任何一道不通过，都应缩小范围或停在原型。

验收指标随任务变化，但至少包含任务成功率、严重错误率、人工复核时间、P95 响应时间、单任务全成本和停止条件。例如知识问答要测有证据正确率与应拒答命中率；文档抽取要测字段准确率和漏项；自动化工具要测重复执行、越权与回滚成功率。样本、答案、模型版本和提示词应冻结，防止只展示挑选过的成功案例。

我们会把上述对照方案、验证结果、推荐结论和停止条件写进售前或付费验证成果：简单方案达标就明确推荐简单方案；AI 仅在受控小范围内胜出才逐步扩大。站内解决方案和案例中心只能说明服务范围与自述项目，不能替代目标项目的同卷测试。