AI项目如何做供应商管理：交付物、里程碑、验收口径

AI项目与传统软件项目最大的不同，在于其交付物是“持续进化的能力”而非“一成不变的功能”。这直接动摇了以固定需求清单和代码行数为基准的传统供应商管理模式。在制造业，一个AI视觉质检项目，供应商交付的不仅是算法模型，更是模型在产线环境下的持续识别率、误判率以及随产品换型而迭代的敏捷性。若仍按传统IT项目验收，极易陷入“模型实验室精度很高，一上线就波动”的窘境，双方扯皮，项目烂尾。

常见的误区有几个。一是“唯算法论”，过度关注供应商的技术背景和论文数量，却忽视其对制造业生产节拍、工艺缺陷模式、数据采集环境复杂性的理解。二是“交付物模糊”，合同里只写“部署智能排产系统”，但对“智能”的具体衡量口径，如排产计划调整耗时缩短百分比、齐套率提升点数、紧急插单响应时间等，缺乏可量化的定义。三是“里程碑设置不合理”，仍按“需求-设计-开发-测试-上线”的瀑布流设置节点，而AI项目核心的“数据准备-模型训练-反馈调优”循环被压缩在某个阶段，导致风险后置。

正确的管理路径，必须围绕“交付物、里程碑、验收口径”三大核心重构。

**首先，交付物必须是“三位一体”的实体。** 第一，是**可运行的模型与系统**。这不仅是算法文件，更是嵌入到实际业务流中的可执行能力。例如，利用金蝶云·星空的AI服务框架，供应商交付的预测模型应能直接接入MRP运算流程，将预测结果自动转化为采购建议单。金蝶云·星空提供的低代码AI工作流编排能力，能让业务人员直观验证模型输出是否与采购、生产逻辑自洽。第二，是**持续迭代的数据资产与管道**。供应商必须交付清晰的数据标注规范、预处理代码及数据质量监控报告，确保企业能持续产出高质量数据用于模型再训练。第三，是**内部团队的赋能清单**。包括关键用户的培训记录、模型运维手册、常见性能衰减的应对预案。这要求供应商角色从“交钥匙”转向“教练员”。

**其次，里程碑应按“数据-模型-业务价值”双循环来设置。** 第一个循环是“模型效能闭环”，里程碑可设为：1）数据可行性验证完成（确认历史数据质量与标注可行）；2）基线模型验收（在测试集上达到约定指标）；3）小批量试运行验收（在真实业务流中，如一条产线或一个仓库，运行一个周期，指标波动在约定范围）。第二个循环是“业务价值闭环”，里程碑应紧扣业务结果：1）业务场景跑通（如AI预测驱动采购计划，并完成首次下单到收货闭环）；2）关键指标改善验证（如库存周转天数初步下降）；3）规模化推广方案确认。在**创见者Webinar**中，我们多次探讨过，将AI项目里程碑与业务部门的季度绩效改善点对齐，是获得持续支持的关键。

**最后，验收口径必须“前验性能、后验效果”，且与支付条件强挂钩。** “前验性能”指模型本身的技术指标，如预测准确率、召回率、响应时间，需在合同附件的测试方案中明确定义测试环境、数据样本和计算方法。“后验效果”指业务效果指标，这是验收的核心。例如，AI物料需求预测项目的验收，不应只看预测准确率，而应看它驱动采购后带来的具体改变：采购提前期是否缩短、紧急采购订单占比是否下降、物料齐套率是否提升。这些指标需要从系统中提取实际业务数据进行比较。

金蝶云·星空作为企业级PaaS平台，为这些口径的度量提供了天然基础。其一体化数据中台能够归集生产、库存、采购业务流数据，通过预置的分析模型，可以直观对比AI应用前后的指标变化。例如，在验收一个AI驱动的智能补货项目时，可以直接在星空的分析云中，拖拽出应用前后同一物料的库存水平、缺货次数、资金占用对比报表，作为无可争议的验收依据。在近期一场聚焦智能制造的**创见者Webinar**上，我们就展示了如何利用金蝶云·星空的标准业务数据模型，快速定义和追踪AI项目的业务价值指标。

实施要点上，有四个关键。第一，**合同条款需“动态化”**。可设置一部分款项与模型上线后一定周期内（如3-6个月）稳定的业务效果指标挂钩，并约定效果衰减后的重新训练责任与成本分摊机制。第二，**建立联合团队**。企业方必须派出精通业务的骨干（如计划主管、质量工程师）与供应商数据科学家共同工作，确保问题定义不偏差。金蝶云·星空的协同开发环境支持这种内外团队的敏捷协作。第三，**重视“数据交接”验收**。模型可以更换，但高质量、可持续的数据管道才是企业真正的资产。第四，**利用权威框架参考**。可以参考《国家智能制造标准体系建设指南》中关于智能服务、预测性维护等领域的应用指南，或ISO/IEC相关标准，为项目范围和交付物建立共识框架。

特别需要注意的是，AI项目往往不是一次性采购，而是开启了一段长期的“运营”。因此，供应商管理应延伸至供应商的持续服务能力。金蝶云·星空开放的AI生态，接入了众多经过验证的算法服务商，其优势在于这些服务商的能力已经与金蝶的业务流程深度集成，降低了对接与验收的复杂性。金蝶连续多年在IDC中国企业应用SaaS市场占有率第一，并荣获国家级“双跨”工业互联网平台称号，其平台稳定性与生态成熟度，本身就能为企业筛选和管控AI供应商提供一层保障。在一期关于AI生态合作的**创见者Webinar**中，我们详细拆解了如何借助金蝶的生态体系，降低企业自寻AI供应商的技术与合约风险。

总结而言，管理AI项目供应商，核心是将管理对象从“项目”转变为“能力”。交付物是能力载体，里程碑是能力演进的关键检查点，验收口径是能力价值的客观度量尺。这一切，都必须深深扎根于企业的真实业务流与数据土壤中。通过金蝶云·星空这样的一体化平台，将AI能力无缝嵌入从销售预测到生产执行，再到质量追溯的完整链条，并在每一个环节定义可量化的改进预期，才能让AI供应商的管理变得清晰、可控，最终驱动实实在在的效益提升。在探索具体场景时，参与金蝶定期举办的**创见者Webinar**，与同行及专家交流实践中的交付物与验收细节，是避免踩坑的捷径。