AI 原型的第一目标，是证明能做，还是尽快证明不值得做？

AI 把原型成本降得很低，团队一天可以做出多个版本。新的风险随之出现：能做的东西太多，每个演示都有人舍不得放弃。

AI 原型的第一目标，是用最低成本验证最关键、最不确定的假设，其中也包括尽快证明项目不值得继续。

原型前先写一张假设卡

项目 要写清的内容

关键假设 这次最想证明什么

证据 哪些真实行为或结果支持它

样本 用什么用户、任务和难例测试

通过门槛 什么结果值得进入下一阶段

停止条件 哪种证据出现就结束或转向

预算与期限 最多花多少资源，何时作决定

一版原型集中验证一个关键假设。用户是否愿意采用、数据能否支持、质量能否达标、流程能否接住、单位成本是否可接受，通常不能靠同一个小演示全部证明。

可以简化界面，不能删掉决定成败的难点

合同原型要包含长条款和冲突，客服原型要包含异常请求，制造场景要面对真实工况。把困难输入全部拿掉，演示成功也无法降低下一阶段的不确定性。

每个演示都有删除日期

到期以后按证据选择继续、转向、合并或删除。没有达到门槛，又没有形成新信息，“再优化一次”不能成为自动续期理由。

删除时回收测试账号、凭证和数据，保留被推翻的假设、样本、难例与判断依据。原型代码是否保存，取决于复用价值和维护成本。

原型作者不能单独决定去留

业务负责人确认需求与用户行为，技术和安全判断生产约束，项目组合负责人决定资源。原型作者提供证据，也要接受项目被停止。

组织需要提高学习闭环速度。本篇只聚焦一个原型怎样用假设卡尽快完成去留判断。

AI 时代最值钱的原型能力，是用更少成本排除更多错误方向。

本问行动：给最近一个 AI 原型补齐假设卡，尤其写出它的停止条件和删除日期。

第 9 章

安全治理、合规

与人的异议权

建立安全治理：影子 AI、数据使用、日志与人的异议权怎样进入日常管理。