← 返回文章列表

AI 项目从开工到上线,一般要多久?

📖 摘要:客户问工期的第二个问题通常是「多久能做完」,但这个问题问法本身就埋着风险——AI 项目不能「做完才知道行不行」。本文给出一个更该问的问题:第一个能用的版本什么时候能看到。并把工期拆成三个可见节点(边界对齐半天 / 首个可用版本 / 验收报告),讲清什么会拖长工期(语料质量、系统对接、需求变更)、什么能压短(范围切小、先给样本、决策链短),以及为什么「承诺固定天数全部做完」往往是没算过语料工程。适合:正在评估 AI 项目排期的企业决策者与项目负责人。

一、客户问的第二个问题,往往问错了

上一个问题通常是「多少钱」,紧接着就是:「这个项目多久能做完?」

我的回答经常让对方愣一下:

「你先别问多久做完,先问第一个能用的版本什么时候能看到。」

这不是话术,是 AI 项目和传统软件项目的一个本质区别——

传统软件可以「做完了再给你看」,AI 应用不行。

原因在于 AI 应用是概率性系统。它的很多问题不报错、不崩溃、流程照常成功,只是结果不对:答案编造、检索没命中、多轮对话丢上下文。这类问题必须靠一轮一轮跑出来才会暴露

所以一个 AI 项目如果按「先埋头做三个月,最后一起交付」的模式进行,最后那一刻大概率是双方都尴尬的时刻——交付方觉得做完了,客户觉得「这不是我要的」。

二、更好的问法:第一个能用的版本什么时候能看到

这个问题之所以更好,是因为它把注意力从「终点」拉到了「可见性」。

AI 项目最怕的不是慢,是长时间看不到东西。看不到东西意味着:

所以一个靠谱的项目推进节奏,应该让你在每个阶段都能看到实物,而不是只听汇报。

三、三个可见节点(你可以按这个核对排期)

节点 你能看到什么 典型耗时
① 边界对齐 一页纸:做什么、不做什么、什么算成功(可断言的标准) 半天
② 第一个可用版本 能跑通主路径的东西——不是演示,是真实数据跑出来的结果 视范围,几天到 1–2 周
③ 验收报告 完整验证记录:哪些过了、哪些没过、依据是什么 1–2 天

三个节点的意义各不相同

注意节点②的措辞:是「能跑通主路径」,不是「功能全做完」。这个区别很重要——它的目的是让你尽快拿到一个能判断价值的东西,而不是等到所有细节都打磨好。

四、什么会拖长工期(三个真实变量)

排期不能只看工作量,要看这三个变量——它们才是工期波动的真正来源。

① 语料质量(最大的变量)

如果要在 4277 页设备手册上做知识库,语料质量直接决定工期:

我们真实踩过的坑:流程图提取只覆盖了一个文本区域,输出是「只有四分之一高度」的图——这个问题不做到内容层核查看不出来,而且要在交付前全量回溯重做。

语料这一环的工期,必须看了样本才能估。

② 系统对接(等的是人,不是技术)

要接企业内部系统时,工期里最大的一部分往往不是开发,是——等技术对接人排期、等权限审批、等接口联调的时间窗。

③ 需求变更(边做边改)

AI 项目很容易出现「看到第一个版本后,想法变了」。这本身很正常——看到实物才会想清楚。但如果没有边界约定,每次变更都会往后推排期。

五、什么能压短工期(三条实操建议)

做法 为什么有效
范围切小,先跑通一条路径 一条主路径跑通,就能验证核心价值;不需要等所有场景齐备
语料先给样本(几十页就够) 让交付方能在一两天内判断清洗难度,而不是做到一半才发现
决策链要短(有一个能拍板的人) AI 项目中途会有若干次判断点,每次等一周,排期就散了

第三条最容易被忽略,但影响很大。见过一些项目,技术上很顺,但每次「这样行不行」都要等内部会议——真实的工期全耗在等决策上了。

六、一个提醒:承诺固定天数的,往往没算过语料

如果有人在你还没给出任何资料的情况下,就报出一个精确工期(「这个 15 天肯定做完」),值得多问一句:语料你还没看过,怎么算出来的?

不是说他一定不靠谱,但合理的回答应该包含一个前提:「按你目前的描述估,具体要看语料」。因为语料质量是最大变量——同样 2000 页文档,排版规范的电子版和混乱的扫描件,工作量差好几倍。

工期能不能承诺? 阶段性的节点可以承诺(几个小时对齐边界、几天出第一版),但「全部做完」的时间点,应该在你给出资料、跑出第一版之后再确认。 这才是负责任的排期方式。

常见问题

为什么第一个版本可以很快,但整个项目要几周甚至更久?

因为两者的目标不同。第一个版本的目标是「跑通主路径、能判断价值」,只覆盖最核心的路径;而完整交付要处理的是边界场景——空输入、超长输入、知识库外的问题、并发、异常兜底。这些场景不会出现在顺利的演示里,但会在真实使用中被触发。

快速出第一版的意义在于:先确认方向值得投入,再把边界补全——而不是反过来。

语料质量真的会差出好几倍工期吗?

会。同样是 2000 页文档,差异主要来自三处:排版(双栏需要拆分,否则文字串行)、图文(要保留图表就得处理图文对应关系,纯文本转换会丢掉图)、质量(扫描件没有文字层,识别质量差会导致答案错误)。

这三类问题的共同点是——它们不会让程序报错,只会让答案变差,所以处理它们需要额外的人工核验环节,这部分工作量差异很大。

需求中途变了怎么办?

这在 AI 项目里是常态而不是意外:看到第一版实物后,客户的想法通常会更清楚。

处理方式不是「不许变」,而是把变更显式化:写清楚改什么、为什么改、影响哪些已完成的部分,重新评估工期和费用后确认执行。小调整可以顺手做,大改动走这个流程——它的作用不是设障碍,是让双方对排期有共同的预期。


相关文章:企业做一个 AI 智能体,到底要花多少钱?(成本结构与量级判断)|AI 项目交付全流程:一张表从启动跑到沉淀(九步流程与每步耗时)|AI 项目烂尾的七个征兆,你经历过哪些?(长时间看不到东西的后果)


本文基于真实交付项目经验撰写(2026-08),工期数据来自实际交付记录与项目流程实测。AI 参与创作声明:本文由 AI 辅助写作,内容基于作者真实实测记录。

这套方法,如何应用到您的项目?看看方案与服务 →

联系我

邮箱contact@fishsun.cn

点击邮箱直接写信 · 扫码加微信沟通

微信

微信二维码

扫码加微信 · 备注「门户」更快通过