俗话说得好，没有金刚钻就别揽那瓷器活。
现在金刚钻有了，也不一定干出好的瓷器活，因为除了金刚钻，还取决于瓷器的坯子，也就是客户的AI的实施条件。
也就是说，不是所有企业都具备落地AI的条件，如果AI环境不Ready，即使有高水平的实施团队，最后也一样会失败。
浪费了客户的信任和投资，自己也没赚到钱。
这跟软件项目不一样，好歹还有个功能清单，从合同角度保障利益。
因此，在企业AI项目正式签约前，必须有一套客户AI条件就绪度的评估诊断框架，用来判断目前项目能否做下去，是否能达到预期。
参加了几个AI项目后发现，这件事真的非常重要，可避免很多麻烦。
当然，还有一个选择，就是等待客户前置条件成熟后再进场，因为这需要估算出客户的投入预算是否足够。
总之，不做客户AI就绪度评估就开干，项目大概率会赔。
这个就绪度评估并不复杂，只需要简单的六步。但客户是要养个龙虾，还是要一个供应链风控，每一步对费用的影响，天差地别。
所以要量化评估。
Step1：数据源异构度评分
统计存在实体重叠（客户、产品、交易等）的独立业务系统数量，并计分：SaaS应用每个计1分；本地部署数据库每个计1.5分（集成复杂度更高）；自研定制系统每个计2分（缺少文档，模式不透明）。
汇总得到总分。
判定阈值：
＜8分：仪表板直连组件即可满足需求；仅当查询复杂度具备AI价值时，才进入Step2
8–15分：可考虑落地；进入Step2
≥15分：非常适合AI方案；进入Step2
Step2：集成脆弱性评估
统计过去12个月，因源数据表结构变更导致数据集成管道中断的次数。
例如上游API变更、字段更名、数据类型调整，需要人工修复管道的事件。
判定阈值：
每年＜4次：现有集成方案可稳定运行；仅当Step1得分≥12分时，才进入Step3
每年4–10次：集成痛点明显；进入Step3
每年≥10次：集成体系严重脆弱，语义映射层可带来较高收益；进入Step3
Step3：实体关联密度与查询模式
列出团队最常提出的10个分析问题，统计其中需要跨3套以上系统关联数据、且超出外键直接关联范围的问题数量。
示例："在X地区合作伙伴推荐下购买A产品、并浏览过提及功能Y营销活动的客户"。
判定阈值：
10个高频问题中＜3个：关系型数据仓库基本够用；只有Step1、Step2均达标，才进入Step4
3–6个：AI具备中等价值；进入Step4
≥7个：AI价值很高，业务场景匹配图谱优势；进入Step4
Step4：实体归一复杂度
针对核心实体（通常是客户），统计跨系统存在的标识类型数量：邮箱、手机号、会员ID、设备ID、社交账号等。评估标识稳定性：邮箱等标识是否长期不变，还是频繁变更。
判定阈值：
1–2种稳定标识（例如邮箱+客户编号）：实体归一难度低；进入Step5
3–5种中等稳定性标识：实体归一需要调优，但可以落地；进入Step5
≥6种标识，或标识频繁变动：实体归一难度很高。评估是否具备数据科学工程师，用于构建和维护匹配模型。
若无相关资源，建议暂缓，优先完善数据治理；若有，则进入Step5
Step5：项目团队能力评估
评估现有团队技能：针对客户需求，评估项目团队专业度是否足够。比如，本体设计，知识图谱构建能力。
这一项看起来是自我评估，但其实还是为了满足客户项目目标和采用的方案。
判定阈值：
无相关经验，且没有招聘/培训预算：推荐托管平台方案，化解项目风险
具备少量经验，或可招聘1名专职专家：推荐混合方案（托管图数据库，本体与查询自己开发）
Step6：工期与预算可行性校验
客观评估资源约束。一般AI项目一般需要：
周期：项目启动到第一条生产可用查询，3–6个月（本体与基础设施1–2个月，数据集成2–3个月，查询开发测试1个月）
预算：首年投入项目包括：图数据库许可、基础设施、本体咨询设计、知识图谱构建、数据工程、培训，后续需要2–3名全职人员持续维护）
如果你有平台，或者采用第三方商业平台，那么这个实施周期可大大缩短，最短周期压缩至1–2个月。
但这也是有代价的，即牺牲可控性换取实施速度。比如，很多领域平台不支持本体的再设计和知识图谱的扩展，到时还得迁移，成本也不低。
当然，现实情况往往是，乙方几乎没有选择权，先签了再说。
但即便如此，我还是建议你把评估表走一遍，把结果提交给自己公司和客户，丑话说在前面，总好于最后互相撕逼。
