水滴跃动 DROPLEAP企业 AI 落地为什么失败？五个最常见的死法
直接说结论：AI 项目失败很少因为「技术不行」，多数死在交付设计上。按一线交付看到的频率排：场景选错、数据没准备、交付后没人负责、员工不用、验收标准缺失——五个死法各有前置解法，全都可以在签约前规避。
死法一：场景选错（频率最高）
症状：一上来做「全厂智能化」「一站式 AI 中台」，六个月出不了结果，预算耗尽，项目自然死亡。解法：第一个场景按四个标准选——业务够重要、数据可得、能验收、范围可控，2-4 周做出可验收的结果，再谈扩展（第一个场景怎么选）。
死法二：数据没准备
症状：方案宏大，进场才发现 ERP 里的物料编码三套、MES 数据靠手工补录。解法：第 1 周数据摸底是硬环节——摸底结论写进方案再报价；数据散、口径乱的项目先把口径统一当成第一交付物。
死法三：交付后没人负责
症状：验收上线热闹一周，之后模型漂移没人管、规则过时没人改，系统慢慢变成摆设。解法：把复盘机制写进合同（模型漂移预警、季度 review、责任人与响应时限）——复盘机制怎么运转见这篇。没有复盘的交付会持续贬值。
死法四：员工不用
症状：系统验收合格，三个月后周活跃归零。根因与解法见员工使用率专篇：入口嵌进原有工作流、使用者先受益、种子用户+答疑、使用数据可视化。
死法五：验收标准缺失
症状：合同只写了「上线」，没写「达到什么算成」。服务商说做完了，企业觉得没用，扯皮收场。解法：基准值实测+目标值书面确认，「不达标不交付、不达标可退场」写进合同条款。
一个自检清单（签约前过一遍）
① 第一个场景能 2-4 周验收吗？② 数据现状摸过底吗？③ 交付后谁负责、复盘节奏是什么？④ 员工为什么愿意用？⑤ 验收指标的基准值和目标值写下来了吗？——五问都有答案，五个死法就都绕开了。
常见问题
AI 项目失败最主要的原因是什么？
场景选错排第一：做「最大最难的」而不是「能验收的」。第一个场景按四标准选，2-4 周出可验收结果。
这些死法能提前发现吗？
能，签约前过一遍五问自检清单——多数死法在签合同那一刻就注定了。