问产业AI落地，架构师如何做取舍？

背景是“当 AI 撞上产业：这场上海圆桌，我们把冲击、风险与出路聊透了”。产业 AI 项目往往不缺模型演示，缺的是从试点走向业务闭环的判断。谁应该为产业 AI 项目的最终效果负责？最需要解决的究竟是模型、数据还是组织问题？如果一个项目只在离线数据上表现良好，却无法进入真实作业链路，它算成功吗？

为什么模型效果不错，项目仍可能无法形成产业价值？一线人员要承担额外录入，系统却没有减少决策时间；数据口径不统一，模型输出无法解释；合规和安全评审被放到上线前，导致返工。架构师不能只比较准确率，还要把收益归因、责任边界、数据治理、人工兜底和供应商锁定风险放在同一张账上。

什么时候该扩大试点，什么时候应停止投入？AI 能力应部署在业务核心、边缘环节还是后台流程？如何在收益、风险、合规和长期维护之间建立决策框架？可以选一个真实业务，先定义每周可核验的成本、时延、采纳率、错误损失和人工复核量，再设置停止线与升级线。你所在团队会如何组织多方共同评审，并用什么证据证明 AI 带来的不是一次性降本，而是可持续的产业能力？