AI 项目开工前必问的五个问题

一、为什么是开工前

AI 项目里最贵的返工不是代码写错，是做了一半才发现这事根本不能这么干——数据不许出内网、模型不能碰这批内容、或者产出物没法向监管解释来源。这些约束在合同和需求文档里通常一个字都没有，全藏在客户的合规部门脑子里。

开工前的五个问题，就是把它们提前问出来。答不上来的，项目就不该开工。

二、五个问题

问题一：这些数据是谁的，我们拿它做什么需要谁点头？
"客户授权我们使用其数据"和"客户授权我们把数据用于模型微调"是两份不同的授权。中间还夹着第三方——数据里含个人信息时，客户的授权本身可能就有瑕疵。这一问要落到纸面：授权范围写进合同附件，而不是会议纪要。

问题二：数据能不能出域？
这一问决定技术架构，越早问越便宜。不能出域，意味着私有化部署、本地模型、专线接入，报价和周期完全不同；能出域，还要再问能到哪个域——客户的云、我们的云、还是公共云。开工三个月后才发现数据不能出内网，前面选的全套方案作废。

问题三：产出内容能不能用于训练和改进？
很多 AI 服务的默认条款里藏着"使用数据改进服务"。对普通工具无所谓，对金融、医疗、法务场景就是事故。要逐条确认：我们的数据会不会进你们的训练集、有没有开关、开关关掉之后已进集的数据怎么处理。

问题四：项目结束后，数据、模型、中间产物怎么删？
删除不是 rm 命令。备份里的副本、日志里的片段、缓存里的向量，各算一处。验收标准里要写"删除"的证据形态：谁执行、谁复核、出不出销毁记录。这一问同时也是在保护交付方——两年后数据泄露事件回溯，你有销毁记录才说得清。

问题五：出了问题，责任怎么切分？
模型答错导致业务损失，是模型提供方、集成方还是使用方的责任？AI 项目特有的困境是"每一环都有道理，合起来出了错"。开工前谈这个伤感情，上线后谈这个伤钱包。

三、问不出来怎么办

五个问题里有问题答不上来，不是坏事，是省了钱。把答不上来的那一条变成开工条件——"数据出域确认之前，只做脱敏样例上的原型"——项目继续，风险封顶。

主动划清边界，才是专业。 这五个问题问出口，客户里的明白人反而会更信你：因为说明之前有人没问。

撰稿：邓湘雷