不少企业签 AI 陪跑合同时只写了"帮助企业落地 AI"，结果三个月后问"落地了吗"，双方各说各话：陪跑方说做了培训做了方案，企业说没看见真东西。根因是验收标准模糊，全靠感觉。AI陪跑要像工程交付一样，把"做成什么样"写成可量化的验收条款，否则钱花了、时间过了，价值却说不清。下面从指标讲起，把 AI 陪跑验收的六件事拆开，给一份能写进合同的验收框架。

业务指标：验收先看"省了或赚了多少"

陪跑验收第一问不是"模型准不准"，而是"业务变好了没有"。把验收锚在业务指标上：客服场景看解决率和时长、销售看线索转化、办公看工时节省。做法是合同里写死基线值和目标值，比如"月结对账工时从 40 小时降到 10 小时以内"。常见坑是只验收技术准确率，结果模型 95% 准但业务没省一个人，企业觉得白花钱。业务指标才是老板认账的语言，把它前置，陪跑方自然会围着价值转而非围着 demo 转。

交付物清单：把"做了什么"列成实物

模糊验收的另一个表现是"服务感"强、实物少。AI陪跑验收要列明交付物：上线了几个应用、沉淀了几份模板手册、培训了多少人、知识库覆盖多少场景。做法是把这些做成可勾选的清单，每项有名称、形态、验收方式。它能把"陪跑很辛苦"变成"交付了这些"，双方对账有凭。对企业尤其重要——交付物是能力沉淀的物证，哪怕人走，东西还在。清单越具体，后期扯皮越少。

里程碑：把大目标切成可验收的小节点

一次性"项目结束再验收"风险极高，半年后发现问题已难挽回。AI陪跑验收要设里程碑：每月一个可验收节点，过不了就亮红灯、调整或止损。做法是把总目标拆成 3-4 个里程碑，每个都有明确产出和指标。它能让问题早期暴露，也给水双方修正空间。对长期陪跑尤其关键，避免"熬到终点才发现方向错了"。里程碑式验收，本质是把大风险切成一串小风险逐个消化。

采纳与活跃：验收不只看"上线"更看"在用"

很多 AI 应用"上线即死亡"——技术交付了，员工不用，等于没落地。AI陪跑验收要加"采纳率"指标：周活跃用户数、功能使用频次、业务触发次数。做法是监控真实使用数据，低于阈值不算验收通过。它逼陪跑方关注"让人真用起来"而不仅是"把系统跑通"。对内部推广难的企业，这条尤其重要，否则交付的是一座没人进的漂亮房子。采纳率才是落地的最终裁判。

知识转移验收：方法会不会比应用更关键

陪跑的终极交付是"企业自己会做"。AI陪跑验收要设知识转移项：内部团队能否独立复现一个同类场景、模板手册是否齐全可用、是否有人能讲清原理。做法是用"接棒演练"当验收关卡，内部独立跑通才算过。它防止企业陷入永久外包依赖——花钱买到的不该只是结果，更是能力。很多陪跑验收漏了这条，导致企业永远离不了陪跑方，成本反而更高。把能力写进验收，才是买到了"渔"。

退出机制：验收不过怎么办写清楚

再好的合作也可能走偏，验收框架必须含退出与补救。AI陪跑合同要写清：某里程碑未达标的补救期、扣款或展期规则、数据资产归属、提前终止条件。做法是把"不达标后果"和"达标奖励"都写明，对等且有约束力。它能保护企业不被"无限拖延"，也逼陪跑方对结果负责。注意退出不是对立，而是把合作放进可管理的框架，双方都安心。验收标准本质上是把"信任"变成"机制"。

AI陪跑验收的核心是把"感觉好"变成"数字过"。抓住业务指标、交付物清单、里程碑、采纳率、知识转移、退出机制六件事，把可量化条款写进合同，AI 陪跑才不会陷入"做了很多却说不清价值"的泥潭，而是变成一笔笔能对账、能复盘、能退场的清晰合作。