2. AI产品场景边界定义：业务问题、输入输出约束、成功标准
在AI产品设计早期，最大的风险不是技术选型错误，而是“问题边界模糊”。团队常陷入“先做出来再调整”的误区，导致模型反复迭代、数据标注返工、上线后效果不达预期。本章通过系统化的场景边界定义方法，将模糊的“AI能做什么”转化为可评估、可验证的工程约束。
2.1 业务问题结构化：从痛点描述到可解定义
业务侧提出的需求往往是叙事性的，例如“我们希望自动识别合同风险条款”。架构师需要将其转化为结构化问题描述，包含以下三个层面：
| 层面 | 原始表述示例 | 结构化输出 |
|---|---|---|
| 业务痛点 | 法务部每天审100份合同，人工疲劳导致漏看风险 | 当前人工审查覆盖率为100%，但漏检率约3%-5% |
| 决策类型 | 识别风险条款 | 分类任务：对条款文本进行二分类（风险/非风险） |
| 评估指标 | 提高效率 | 精确率≥90%，召回率≥85%，单条处理时间≤2秒 |
实战要点：每次需求沟通后，架构师应输出一份“需求澄清清单”，包含：业务方预期的输入格式、输出粒度、最低可接受指标、失败容忍度。这份清单是后续所有技术决策的锚点。
2.2 输入输出约束：AI系统的“不可跨越红线”
定义输入输出约束时，必须区分“理想状态”与“工程约束”。以下是在AI场景中最常被忽视的输入输出硬约束：
- 输入约束：数据来源、格式、时效性、合规限制。例如：只能使用脱敏后的文本，不支持图片/视频，不可访问外部API。
- 输出约束：格式规范、置信度门槛、可解释性要求。例如：必须输出JSON结构，置信度低于0.7时需标注“不确定”，结果需附带关键证据。
- 环境约束：推理延迟、最大并发数、部署环境（云端/边缘）、可用的计算资源。
| 约束类型 | 常见限制 | 对技术选型的影响 |
|---|---|---|
| 输入内容安全 | 不可传输原始用户隐私数据 | 需前置脱敏管道，选择支持本地推理的模型 |
| 输出实时性 | 95%请求在500ms内返回 | 排除大模型蒸馏版本，考虑量化或知识蒸馏 |
| 输出可解释性 | 法官需要知道“为什么判为风险” | 必须使用Attention可视化或规则辅助解释 |
| 输入长度限制 | 单条文本不超过2048 tokens | 设计截断策略或分段推理后再聚合 |
常见陷阱：很多项目在POC阶段使用高延迟、高精度的模型通过验收；但上线后无法满足真实场景的QPS和延迟约束。建议在约束定义阶段就确定“不可妥协的极限值”，例如“最大延迟2000ms，最大并发50”。
2.3 成功标准：定量指标与定性验收
AI产品的成功标准应包含技术指标和业务指标两层。单看模型准确率是片面的，必须与业务实际收益挂钩。
- 技术验收指标：精确率、召回率、F1、AUC、推理延迟、吞吐量、资源占用。
- 业务验收指标：人工审核工作量减少百分比、漏检率下降值、日均处理合同数提升比例。
- 鲁棒性指标：在测试集中的抗干扰能力、长尾分布下的表现、冷启动时的初始效果。
验收标准模板（示例）：
1. 在1000份预留测试集上，风险条款识别F1≥0.88。
2. 单条处理P99延迟≤1500ms，P50延迟≤300ms。
3. 模型输出结果中，置信度低于0.6的样本占比不超过5%。
4. 业务方确认：每日减少2小时人工复核工时。
1. 在1000份预留测试集上，风险条款识别F1≥0.88。
2. 单条处理P99延迟≤1500ms，P50延迟≤300ms。
3. 模型输出结果中，置信度低于0.6的样本占比不超过5%。
4. 业务方确认：每日减少2小时人工复核工时。
2.4 场景边界定义流程图
以下SVG图展示了从模糊需求到量化标准的完整边界定义流程，以及不同环节之间的反馈闭环。
2.5 落地步骤与风险点
定义场景边界时，建议按照以下步骤推进，并提前布控关键风险：
| 步骤 | 具体操作 | 主要风险 | 应对策略 |
|---|---|---|---|
| 1. 业务方访谈 | 收集5-10个典型场景案例，记录输入输出样本 | 业务方描述的案例过于特殊，不具代表性 | 同时收集成功案例和失败案例，覆盖边缘情况 |
| 2. 可行性预研 | 用20-50条样本测试2-3种模型基线的效果 | 过早陷入调参或模型对比，忽略约束评估 | 只记录“能不能解”，不追求“最优解” |
| 3. 边界文档评审 | 输出《场景边界定义书》，包含所有约束和指标 | 评审时各方口头通过，但实际理解不一致 | 用定量指标替代定性描述，要求签字确认 |
| 4. 验收标准对齐 | 和QA团队、业务方一起模拟验收流程 | 验收时发现指标无法度量或数据不可获取 | 提前准备测试集和评估脚本，确保可复现 |
架构师提示：边界定义阶段是项目中最具杠杆效应的环节。花2-3天把边界彻底厘清，可以节省后续2-3周的无效返工。建议使用“前提-约束-承诺”清单作为会议纪要模板，明确每条约束的负责人和截止时间。
通过本章内容，架构师能够将一个笼统的“AI需求”转化为一组清晰的、可落地的工程约束与验收标准。这些边界定义将贯穿整个技术方案设计、模型选型、系统实现和上线验证阶段，是确保项目不偏离轨道的核心底盘。