第一章 评估核心目标：明确验证方向、定义成功标准、对齐干系人预期

AI 产品原型评估不是一次性的“打勾检查”，而是贯穿产品需求全周期的决策工具。评估的最终目的是确保团队在正确的时间、用正确的方法验证正确的假设。本章聚焦三大核心目标——明确验证方向、定义成功标准、对齐干系人预期，并围绕用户场景、业务问题、用户访谈、需求拆解、方案表达、指标验证、验收标准和交付物模板展开。

1.1 用户场景与业务问题

以智能客服意图识别原型为例，典型场景如下：

• 用户场景：用户在电商平台发起退换货咨询，AI 原型需在 2 秒内识别意图并给出初始应答。
• 业务问题：原型对“退款”“退货”“换货”的混淆度高，导致转人工率上升 15%，客服成本超预算。

评估的第一步就是将这些场景和问题转化为可验证的假设。

1.2 用户访谈与需求拆解

在开始评估之前，必须通过结构化用户访谈收集干系人（产品经理、业务方、算法工程师、运营）的真实关注点。建议采用「问题-假设-指标」框架进行拆解：

1.3 方案表达与指标验证

需求拆解后，用「方案看板+指标矩阵」表达评估计划。以下是一组典型成功标准的定义示例：

指标验证需要配备数据采集方案，例如：

# 意图识别评估日志示例（JSON）
{
  "test_case": "用户说“我要退货”",
  "expected_intent": "refund",
  "predicted_intent": "refund",
  "confidence": 0.97,
  "latency_ms": 120,
  "scenario": "after_sale"
}

1.4 验收标准与交付物模板

每个评估目标必须对应明确的验收标准，并产出标准交付物模板。下表是本章推荐的结构：

1.5 评估核心目标框架图

下图展示了三大核心目标如何驱动整个原型验证流程，以及它们与后续章节中“数据采集→指标计算→决策→迭代”的关系：

1.6 本章要点

• 验证方向决定了“做什么”，避免无目标的模型勘探。
• 成功标准决定了“做到什么程度”，用及格线/目标线双阈值驱动。
• 干系人预期对齐是评估可落地的前提，必须用评审会、签字模板固化。