收紧范围、指名收益、站得住的衡量方案：每一种让 AI 投资获批的本能，同时也关死了它最大的那份回报。三年后你的项目将依赖的副产品，今天的定价是零。
This article was translated from the English original. Translations are machine-assisted and reviewed on a rolling basis.
NASA 的南希·格蕾丝·罗曼太空望远镜内那面 2.4 米口径的主镜，当初是为了俯视地球而造的。2012 年，National Reconnaissance Office 把这批多余的间谍卫星光学部件移交给了 NASA，围绕它们建起的望远镜将绘制暗能量图谱。在那批巡天数据的某处，科学立项书上没有任何一条对应的预算，它还会找到小行星，其中包括穿越地球轨道的那些。没有人为此拨款。这是副渔获，而对于那些从不关心宇宙膨胀的人来说，让这台望远镜显得值得的，也许恰恰是这份副渔获。
几乎每一笔认真的能力投资都是这个形状。企业的 AI 立项书在结构上无法描述它，而这道缺口的代价，比大多数失败的试点都要高。
第二项任务之所以免费，是因为第一项建得够宽
罗曼望远镜能探测到移动天体，理由并不体面：它每十五分钟重访同一片天区，持续数月。对固定视场反复成像，正是发现帧间位移之物的标准配方。小行星是从一个为完全不同目的而选定的观测节奏里掉出来的。
企业版本天天上演，却极少被注意到。财务部门为削减应付账款成本而采购文档抽取：立项干净，回报站得住。两年之后，这条流水线悄悄产出了一份逐行的时间序列，记录每家供应商每个月对每个零部件的报价。对采购部门而言，那是一份谈判筹码，价值是当初买单的那笔应付账款节省额的数倍。
而它之所以存在，只是因为有人保留了结构化输出，而没有把它当成临时脚手架。这项资产存不存在，是由一名工程师在选择留存策略时决定的，而不是由投资获批的那间会议室里的任何人决定的。
三道正当的关口，一份被提前关死的上行空间
向 CFO 要钱，对方会要求收紧范围、指名收益、给出衡量方案。每一种本能都没错。三者合在一起，却常常摧毁更大的那份回报，摧毁点有三处。
法务。 依据目的限制，为某一特定目的收集的数据，日后不能随意挪作他用。一份写得很窄的影响评估，恰恰因为写得窄才批得快，此后就成了这批数据所能做之事的天花板。
采购。 标准条款是这么写的：客户数据仅可为提供服务之目的进行处理。这没问题，直到你在供应商平台上生成的输出成为某个合同从未设想过的用例的输入，而导出通道最后被证明只是一份最近九十天的 CSV。
组织。 出资的部门拥有这套系统，于是也拥有它的输出。那份供应商价格序列躺在一个财务数据存储里，采购既无法查询，也不知道它的存在。
这些都不是治理失灵。每一条都是治理按设计在运转，只不过建立在一个证据并不支持的假设之上：一套系统的价值，以它声明的用途为上限。
节奏胜过分辨率，而覆盖写入是那个昂贵的习惯
小行星的发现来自重访频率，而不是光学质量。单张更锐利的图像找不到任何会动的东西。一张更模糊、但反复拍摄的图像，什么都能找到。
企业的数据资产为分辨率而建，几乎从不为节奏而建。主导模式是当前状态：一条线索经历八次状态变更，字段里只留下一个。一个价格改了十一次，目录里只有第十一版。每一次覆盖写入省下的存储微不足道，却永久毁掉了这件事物随时间如何变化的唯一证据。
仪表盘需要的是当前数值。而一个用来预测哪些交易会停滞、哪些供应商会涨价、哪些客户正在流失的模型，需要的是序列，而序列在事后花多少钱都无法重建。大多数组织能做出的最便宜的能力决策，就是追加而不是替换。几乎没有人是有意做出这个决策的，因为它从来不会作为一项收益出现在立项书里。
只有出资方看得见的能力，只会产出出资方想象过的东西
罗曼望远镜的小行星论文，大部分将由暗能量团队之外的人写出来，因为 NASA 的巡天数据落在一个允许陌生人查看的公开档案库里。多数公司既没有对等的档案库，也没有对等的文化。
继追加之后，第二便宜的能力决策是：扩大谁有权查询一套系统所产出的东西。只能通过某一个团队的界面才够得着的接口，是一项按那个团队的想象力来定价的资产。这也是为什么以声明意图为轴心组织的项目组合复盘，会系统性地错过价值真正积累的地方。真正有用的问题不是”我们哪个 AI 项目带来了 ROI”，而是”我们哪些系统现在产出了别的东西可以在其上构建的数据或接口，而其中有哪一项是我们事先规划过的”。
底座之问，从迪拜发出
迪拜面向 295,000 家企业的智能体 AI 计划将以极快的速度把智能体送进普通公司。让一次智能体部署耗时两周而不是两个季度的，几乎总是底座：流程历史是否被留存，记录是否结构化，内部系统能否以程序方式访问而不只是通过界面。
这些都是基础设施决策，而它们在 AI 上的后果，要在决策做出多年之后才到来。那些默认留存、采用只追加记录、把接口开放出来的公司，会把自己的副渔获收进来。那些把每件事都框得很窄的公司，则要为每一项新能力从零出资，而95% 试点失败的那个模式会继续看起来像是个技术问题。
在下一笔 AI 预算获批之前，先把现有系统已经在往外抛的东西画成一张图。五步咨询方法正是从这里开始：哪些流程留存了历史，哪些输出是无人认领的资产，以及在哪些你已经付过钱的底座上可以跑起一个智能体。之后展开的建设，会从足够宽的地方起步，好把自己的副渔获留住。
Frequently asked questions
Why do narrowly scoped AI business cases destroy long-term value?+
Three legitimate gates do it: data-protection assessments drafted narrowly to get signed off become the ceiling on what the data may later do; vendor contracts restrict processing to the contracted service; and the sponsoring function owns the output, so nobody else knows the asset exists. Each gate works as designed, on the false assumption that a system's value is bounded by its stated purpose.
What is the cheapest high-value data decision most organisations get wrong?+
Append instead of overwrite. Most systems store current state: a lead's latest status, a price's latest revision. Each overwrite saves trivial storage and permanently destroys the sequence, and models that predict stalling deals, price rises, or churn need the sequence. It cannot be reconstructed later at any price.
How do you find the hidden value in AI systems you already run?+
Ask which systems now produce data or interfaces that something else could be built on, rather than which AI projects delivered their stated ROI. A document-extraction pipeline bought to cut invoice-processing costs may have quietly produced a line-item price history of every supplier, worth multiples of the saving that justified it.