> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-shi-er-bu-fen-can-kao-shou-ce/a-jian-cha-qing-dan.md).

# A · 检查清单

> 把全书判断浓缩成可勾选的清单。每条后标注来源章，便于回查。用法：对照勾选，缺项即风险点。

## A1 · 该不该重投 AI（决策）——见第 9 章

* [ ] 企业价值主要靠"可标准化的执行"支撑？（是→机会与冲击都大）
* [ ] 有别人没有的独家数据 / 独特流程可喂？（无→轻投为宜）
* [ ] 所在行业已进入"被重构"时钟的前段？（见第 52 章）
* [ ] 有一把手真牵头、且能回答"执行变便宜后还剩什么值得做"？
* [ ] 四条都成立→认真重投；缺关键一两条→轻投观望、先补短板。

## A2 · 选场景（立项前）——见第 11 章

* [ ] 价值：够高频？覆盖广？痛点明确？对应降成本/增收入/造新能力？
* [ ] 可行性：容错高？目标说得清？结果可验证？数据可得？责任链清？
* [ ] 验证成本：这件事错了怎么被发现、发现成本多高？（生成快+验证快=红利；生成快+验证极慢=陷阱）
* [ ] 优先做"高价值+高可行+验证便宜"的。

## A3 · 立项——见第 7、12、19 章

* [ ] 有一个真正的 owner，且离决策层足够近（不是甩给 IT 的采购项）？
* [ ] 价值指标口径说得清（现金下降 / 成本规避 / 增收入 分开）？
* [ ] 分母算全（模型、算力、数据、人核、维护、失败尝试）？
* [ ] 设了"人来核对"的关口，不是无人值守自动机？
* [ ] 从小场景拿确定回报起步，而非一步到位？

## A4 · 技术选型——见第 28 章

* [ ] 按"让 AI 干哪种活"选了最简单够用的模式（能调模型别上 RAG，能 RAG 别上 Agent）？
* [ ] 高风险/强监管场景是否需要"可解释"（可能用不上最强黑箱模型）？
* [ ] 架构可迁移、不被单一模型/供应商锁定？

## A5 · 数据基础——见第 27 章

* [ ] 目标场景需要的关键数据可获取、且是权威最新版本？
* [ ] "读懂"类：资料卫生过关（权威版本/过期清理/权限清楚）？
* [ ] "动手"类：数据准确、接口化、权限分明、可追溯？
* [ ] 未陷入"先建两年数据中台再上 AI"的拖延？

## A6 · 上线（护栏与合规）——见第 32、37、38、39 章

* [ ] 护栏厚度按后果严重程度分层配比？
* [ ] 高责任环节 AI 只做准备、人下定论、可回滚？
* [ ] 敏感数据不出可控范围；影子 AI 已排查？
* [ ] 影响人的场景（招聘/信贷）做了偏见检查、有人在环？
* [ ] 对外承诺/建议默认企业担责，已按此设防？
* [ ] 关键决策可解释、可追溯？

## A7 · 规模化——见第 31、15 章

* [ ] 已在逆境/极端样本上验过，而非只看顺境表现？
* [ ] "最后一公里"（可靠性/边角/责任兜底）的成本与计划已排？
* [ ] 责任链重接、数据治理这两块硬骨头有方案？
* [ ] 验收用"置信度/抽样/分布/兜底"，而非传统"对/错"？
* [ ] 敢从试点毕业；或对不值得做的试点及时止损？

## A8 · 运营（上线后）——见第 33、34、35、36 章

* [ ] 有持续质量监控（不是上线验收一次就不管）？
* [ ] 每个效率指标配了一个质量滞后指标？
* [ ] 盯"单位价值成本"，设了用量护栏与预算告警？
* [ ] 对外部模型更新有版本管理、回归测试、可切换？
* [ ] 有"发现问题→改进→验证"的迭代循环与轻量治理台账？


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-shi-er-bu-fen-can-kao-shou-ce/a-jian-cha-qing-dan.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.