展会现场的演示往往经过精心编排：输入可控、数据干净、场景理想。这类展示能帮助理解产品形态，却不等于真实业务环境中的可用能力。验证的核心任务，是把"看起来能做"转化为"在企业自身条件下可被确认能做"，并区分哪些结论来自对方明确答复，哪些只是现场口头介绍。
有经验的评估者会先说明自己的场景和待解决问题，再追问演示背后的前提条件。关键问题包括：这项能力面向什么场景，依赖哪些数据、设备或系统条件，以及关键指标是如何测得的。演示效果本身不能替代对部署条件、性能口径和实际适用范围的确认。若演示使用的是预置数据或特定样例，就应询问在企业自有数据、现有系统约束和真实流量下，表现是否仍然成立。
把演示拆成可核验的要素
对单次演示，建议从几个维度分别记录，避免被整体观感带偏判断：
- 适用边界：方案在什么条件下有效，哪些场景是明确不支持或未经验证的。
- 落地依赖：部署、集成、培训与运维分别由谁负责，实施通常需要客户提供哪些配合。
- 验证方式：关键能力能否通过试用、技术评估或试点来复核，而不是仅凭现场结果。
- 书面佐证：涉及性能、安全、合规或交付承诺的说法，能否提供正式资料或合同文件。
记录时应把"对方明确答复""现场口头介绍""待书面确认"分开标注，并留下联系人与下一步动作。口头介绍的性能数字或功能承诺，在取得书面依据前都只能视为待核实信息。
真正的验证通常发生在会后。返程后应尽快整理记录，按需求匹配度、技术可行性和待核实事项建立比较表，并把演示中无法当场确认的部分列为后续评估项。能否采信某项AI能力，应结合内部技术评审与正式商务文件来判断，而不是依据一次编排好的现场展示。将展会视为筛选与验证的起点，而非能力认定的终点，才能避免把演示效果误当成成熟能力。