常见问题详解
下面这些问题来自客户立项前的真实决策场景:价格怎么算、周期多久、数据不够怎么办、验收怎么写、上线后谁负责。答案尽量具体,可以直接作为你内部立项讨论的参考。逐项服务说明见产品服务页。
- AI 项目的价格怎么算?
- 费用由三部分构成:数据准备(采集与标注,按样本量与标注类型计)、模型开发与调优(按工作量计)、系统集成与部署(按对接的系统数量与部署环境计)。我们在范围确认后给出报价区间而非一口价,因为数据质量直接影响工作量。范围外的追加需求单独报价,不会摊进原合同。
- 项目周期一般多久?
- 数据齐备的场景,PoC 通常 2–4 周;从需求确认到上线,多数完整项目在 8–16 周之间。影响周期的主要变量是数据冷启动(需要先采集标注)、集成复杂度(要对接几个内部系统)以及试运行期的长度。产线类项目还要加上硬件安装与打光调整的时间。
- 没有现成数据还能启动吗?
- 可以,但要走冷启动路径:先设计最小采集方案,确定需要的样本量与标注规范,再执行标注。如果场景能用公开数据集或预训练模型打底,成本会低很多;完全特殊的场景(比如特定行业的内部文档),标注预算会占项目的大头。我们在方案阶段会把这条成本算清楚,不会先报开发价再追加数据费用。
- 模型准确率能达到多少?
- 诚实地说,没看数据之前给不出负责任的数字。准确率取决于类别间的区分难度、样本量与数据质量。我们的做法是在 PoC 阶段给出指标区间与差距分析,把"达到业务可用水平需要什么条件"写清楚。任何在看过数据前就承诺具体准确率的服务方,都值得你多问一句依据。
- 模型一定要部署在我们的机房吗?
- 不一定,取决于数据敏感性与网络环境。数据不能出网的客户,我们做完整私有化部署;数据不敏感、想快速验证的,云端调用更经济。两种方式我们都能交付,决策依据已经整理在选型指南的对比表里,可以对照打分。
- 上线后效果变差了谁负责?
- 效果漂移是模型的正常现象,比如产线换了物料、客服话术改版。我们在交付时提供监控面板并设定指标阈值,运维期内由我们定位漂移原因并出具再训练方案;用新数据更新模型属于迭代服务,按运维协议执行。如果漂移源于客户的重大业务变更(如新增了完全新的产品线),属于新的开发范围,双方协商立项。
- 验收的时候指标怎么定才不被坑?
- 三个关键点:指标必须在双方确认的测试集上测,不能现场挑样本;指标定义要具体到统计口径,比如"按缺陷框计算的召回率,包含 A、B、C 三类";时延要写明测试硬件与并发条件。另外建议约定一个试运行期,在真实工况连续运行达到指标后才算验收通过,避免"演示完美、上线拉胯"。
- 项目做完,代码和模型归谁?
- 归客户。我们的交付清单包括模型文件、训练与推理代码、接口文档、部署脚本与运维手册,客户掌握完整资产。这意味着你可以随时更换维护方,不必被绑定。签约时请在合同里写明移交范围清单,这是保护自己的关键条款。
- 数据标注你们自己做还是外包?
- 由我们的数据团队按规范执行,规范文档由双方共同确认。标注结果按比例抽检,争议样本对齐口径后处理。如果客户希望用自己的人员标注,我们提供规范制定与质检服务,标注本身由客户侧完成,这种方式对后续模型维护也有好处。
- 能不能先只做一个环节试试?
- 可以。九项服务都可以单独承接:只做数据标注、只做 PoC 验证、只做部署都是常见需求。很多客户从一次 PoC 开始建立信任,再逐步扩展到完整开发与长期运维。单环节项目的验收口径同样写进合同,不会因为是"小项目"就含糊处理。
- 你们怎么保证数据安全?
- 合作全程签署保密协议,接触具体数据前完成签署。标注环节的数据做脱敏处理,训练在约定环境内完成。私有化部署项目里,数据全程不出客户网络。项目结束后按协议约定处置过程数据。具体的保密条款可以使用你方法务审定的文本。
- 怎么判断我的场景到底适不适合用 AI?
- 用三个问题自查:这个判断有没有对错标准、量够不够大、误判的代价能不能管理。三个都答"是",适合立项;答不上来,先把流程理清楚。更完整的判断框架写在选型与采购指南第一节,也可以发邮件到 hello@csfgptk.cn 描述你的场景,我们会给出书面评估意见,包括"不适合做"的结论。
