AI产品版·扁鹊见蔡桓公

在M司，AI产品部和业务部都是大部门。

AI产品部有个产品经理叫扁鹊，负责给业务部做智能客服系统。业务部的负责人蔡总，管着公司最赚钱的业务线，说话很有分量。

项目刚启动的时候，扁鹊去业务部对接数据。他翻了一下业务方给的训练语料，发现问题不小——标注标准不统一，同一类问题有三种不同的分类方式，还有大量重复和矛盾的标注。扁鹊在对接会上说，这批数据得先花两周清洗一下，不然模型学出来的东西会很混乱。

蔡总听了，笑了一下说："差不多就行了，先把demo跑出来，下周老板要看。"

扁鹊走后，蔡总跟手下说："这些做AI的就喜欢小题大做，搞那么精细干嘛，又不是发论文。"

过了一个月，模型训练完了。扁鹊拿着评测报告去找蔡总，说模型在核心场景的准确率只有72%，主要原因就是标注不一致，同一个用户问题，模型有时候分到售前，有时候分到售后，自己都在打架。他建议暂缓上线，花两周统一标注规范，重新训练一版。

蔡总翻了翻报告，说："72%够了，比外包客服强多了。你们AI团队不要老想着完美主义，业务有业务的节奏，这个季度必须上线。"

扁鹊说："不是完美主义的问题，72%意味着每10个用户就有将近3个会被分错，到时候投诉量——"

蔡总打断他："上了再说，有问题再优化嘛。"

系统上线了。

前两周风平浪静，因为刚上线流量还没切满。第三周开始全量，bad case像开了闸一样涌出来。用户问退款流程被引导到了产品咨询，问售后维修被踢到了销售那边，客服群里天天有人贴截图吐槽。

扁鹊紧急拉了个会，带着bad case分析报告去找蔡总。他说情况比预想的严重，建议先回滚到规则引擎兜底，同时重新梳理数据，别让问题继续扩大。

蔡总拍了下桌子："上线之前你怎么不说？"

扁鹊说："我说了，两次。"

蔡总愣了一下，然后说："那你当时应该说得更严重一点。现在出了问题，你就想着回滚甩锅？回滚了怎么跟老板交代？"

会议不了了之。系统继续带病运行，扁鹊的团队每天手动处理bad case，相当于又回到了人工客服的状态，只不过多了一个"AI"的名头。

又过了一个月，扁鹊离职了。不是转岗，是直接走了，去了另一家公司。

前同事在群里说，蔡总那边终于扛不住了，几个大客户因为客服体验差威胁要降级合作，蔡总让人来找AI团队紧急修复。但扁鹊已经不在了，当时的数据方案和模型文档虽然都在，但没人能完整接住这套东西的上下文。新来的产品经理看了一眼数据，说这得从头治理，至少要两个月。

蔡总在季度复盘会上说："AI技术还不成熟，这次是个教训，下个季度我们先用规则引擎过渡。"

没有人提起扁鹊说过三次的那句话。

半年后，M司决定重新采购一套智能客服方案。蔡总带着团队去了几家供应商考察，走进其中一家的会议室，对方的产品负责人站起来跟他握手。

是扁鹊。

扁鹊笑了笑，打开PPT第一页，上面写着——"项目启动前置条件：数据治理周期不少于四周。"

蔡总没吭声。