企业AI上线前，最需要核验的不是演示效果，而是系统能否在真实业务中稳定完成任务，并在出错时及时停止、回退和追责。评估对象也不应只是模型，还包括数据、权限、接口、人工流程、运行成本与责任边界。
先核验任务能力
应建立覆盖正常、边界和失败情况的业务任务集，而不是只挑选模型表现最好的案例。重点观察五项能力：任务是否真正完成，关键事实和计算是否准确，输出能否追溯到原始数据和处理步骤，人工接管比例是否可接受，发生错误后能否暂停、回退或转交。
例如，客服系统不能只测试标准问答，还应验证信息不完整、政策变化和需要人工审批时的表现。智能体能够生成内容，并不代表它能完成业务；如果无法安全调用企业系统、更新记录或进入审批流程，仍只能算辅助工具。
再核验系统与权限
企业AI通常需要连接办公、财务、客服、供应链或身份认证系统。上线前应确认是否支持现有身份认证和单点登录，能否按照组织、岗位和项目配置权限，是否具备稳定接口、错误提示、操作日志、人工审批、任务回退和版本管理能力。
权限核验不能停留在“用户能否登录”。读取资料、生成建议和修改数据属于不同风险等级，查询客户信息、发起付款或删除记录更不能仅凭自然语言指令直接执行。系统应同时受到用户权限、应用权限和流程权限约束。
核验成本、数据与责任
总成本应包含初始建设、持续调用、系统运维、人工复核和风险处置，而不能只比较单次调用价格。还要评估业务量增长后的费用、模型切换成本、供应商服务变化时的迁移能力，以及故障期间是否存在人工替代流程。
数据方面，应区分公开信息、内部资料、个人信息、商业秘密和受监管数据，明确数据是否用于训练、如何传输和存储、保存多久、谁能查看输入输出，以及发生泄露或误用后如何取证。
最后必须写清自动化边界：哪些结果可自动生成，哪些必须人工确认，哪些操作需要审批，错误由谁处理。高影响场景不宜直接采用无人工复核的自动决策。真正具备上线条件的AI，应当在效果、稳定性、权限、成本和责任五个维度都能被验证，而不是只在演示页面中表现出色。