如何估算 AI 功能：面向产品团队的实用框架

估算一个 CRUD 功能是一种习惯。估算一个 AI 功能则是一场辩论。模型在演示里能跑，在真实使用中有 8% 的时候会出错，而这 8% 恰恰是你的用户所在之处。这就是我们如今在给客户报出任何 AI 功能的数字之前所用的框架。

我们在 AI 功能估算中衡量的三个轴

我们被要求界定范围的每一个 AI 功能，都会沿三个轴来定量。准确率容忍度——输出错到什么程度，用户才会在意。可恢复性——如果模型出错，恢复的代价是多少。数据暴露——模型要完成工作需要看到什么，一旦泄露，波及范围有多大。

这张矩阵不是打分的花招。两个顺利路径完全相同的功能，一旦把恢复成本和数据暴露与准确率放在同一页上，估算可能差出三倍。

这套框架来自我们估错的那些项目，而不是一次白板讨论。下面这段片子是复盘发生的工作室。

过去我们在 AI 估算上做错了什么

我们做 AI 估算的第一年，基本上就是软件估算再加一个修正系数。我们界定顺利路径、乘以 1.5，然后就收工。我们一贯漏掉了 eval 框架、兜底 UI 和人在环路中的路径。这些在生产里没有一个是可选的；而在演示里，它们全都不可见。

我们为每个 AI 功能所用的一页模板

每个新的 AI 功能都有一份一页文档：一段话的任务定义、以单一数字表示的准确率下限、两幅草图的兜底 UI、一张图示的人在环路中路径、一份要点清单的数据足迹。这五项中只要有任何一项含糊带过，这个功能就还没准备好估算。