大模型企业落地先定验收标准：上线不等于见效

大模型进企业，最常见的开场是"先买一套试试"。买回来挂在内部系统上，用的人没几个，问起来就说"模型还在调"。问题往往不在模型本身，而在上线之前没定清楚什么叫"好用"。没有验收标准，项目就会一直处于"还在调"的状态。

先挑一个能验收的场景

内部知识问答是最容易起步的场景：员工查制度、客服查话术、销售查产品资料，输入是问题、输出是答案，效果好不好一眼能看出来。挑场景时避开两类：一类是容错率极低的（直接面向客户的自动回复，答错一次就丢单），另一类是数据量撑不起来的（知识库一共十几篇文档，不值得建）。从单部门、单业务线切入，比全公司铺开稳，试点部门最好选配合度高、问题集中的，方便把反馈收齐。

语料整理决定回答质量的上限

模型能力再强，喂进去的是过期文档、冲突口径，答出来的就是错话。上线前把知识库过一遍：删掉已废止的制度版本，统一同一事项的多种说法，扫描件要转成可检索的文字。文档要定责任人，制度更新了有人负责替换旧版，而不是新旧两份同时挂在库里。权限也要管：内部薪酬、客户信息不能对所有提问者开放，按角色设访问范围。

语料这步最枯燥，也最决定成败，多数落地项目的差距就是从这里拉开的。

用抽样测试和引用溯源验收

上线前抽一两百道真实问题，题目从历史工单和员工提问里来，高频问题和疑难问题都要覆盖，别只挑模型答得好的来测。人工标注标准答案后测回答准确率，达不到预期就回到语料上补。回答要能引用来源：给出答案时标注依据哪份文档，员工能点开核对，错了好追责。幻觉没法清零，设计上要让模型拿不准时明说"不确定"，而不是编一段像模像样的回答。

先小范围试运行一两个月，记录答不上来、答错的问题类型，再决定要不要扩到全公司。员工用不用得起来是另一道坎：回答入口要放在员工本来就在用的工具里，比如企业微信、OA，多跳一步使用率就掉一截。大模型落地不是装个系统就完事，验收标准定在开头，项目才不会烂在"还在调"里。