1
探索期
Discovery这个业务问题，到底该不该用 AI 来解？
与传统项目的关键差异
探索期是 AI 项目最容易被跳过、却最贵的一阶段。很多团队接到"做个 AI 功能"的指令就直接进入开发，半年后发现规则引擎或一段 SQL 就能解决；或者发现 AI 能解，但 Token 成本远超业务价值。
相对传统项目最大的不同，是多了一层"AI 适用性"的前置判断。传统项目立项后基本不再回头质疑"该不该做"，AI 项目则允许、甚至鼓励在这里主动证伪。
核心交付物
- 业务问题 AI 适用性评估报告
- Build vs Buy vs API 决策记录
- Token 成本与延迟预估模型
- 数据可得性盘点
常见坑
- 跳过适用性判断，直接进入开发
- 只评估技术可行性，忽略数据与成本三角
- 把"领导要求做 AI"等同于"AI 是对的解法"
- 低估 Token 成本在规模化后的累积效应
阶段通过条件
探索期通过条件
满足以下所有条件方可进入定义期：
- AI 适用性评估结论为"适用"或"待验证"：不适用结论需要书面记录理由并归档，不允许跳过
- Build / Buy / API 技术路线已选定：决策记录包含三条路径的评分对比和最终选择的理由
- Token 成本模型已建立且在预算内：月度成本预估 ≤ 预算的 70%（留 30% 缓冲给规模化增长）
- 数据可得性盘点完成：明确数据就绪 / 需补充 / 不可用三档结论，需补充的已有补齐计划
- 三角验证闭环：Go/No-Go 决策卡综合得分 ≥ 12 且无单项 ≤ 2
- AI 适用性评估结论为"适用"或"待验证"
- Build / Buy / API 技术路线已选定并记录理由
- Token 成本模型已建立且月度成本 ≤ 预算 70%
- 数据可得性盘点完成（就绪/需补充/不可用）
- Go/No-Go 决策卡综合得分 ≥ 12 且无单项 ≤ 2
Go / No-Go 决策卡
汇总探索期四个工序包的结论，形成整体 Go/No-Go 建议。
| 维度 | 评分（1-5） | 依据来源 | 结论 |
|---|---|---|---|
| 技术可行性 | ___ | AI 适用性评估 + Build vs Buy vs API | ___ |
| 数据可得性 | ___ | 数据可得性盘点 | ___ |
| 商业合理性 | ___ | Token 成本预估 | ___ |
评分指引：5=非常充分，4=充分，3=基本满足，2=有明显缺口，1=严重不足。
综合得分 ≥ 12 且无单项 ≤ 2 → Go；
综合得分 < 9 或任一单项 = 1 → No-Go；
其他 → Conditional Go（需补充验证）。