大多数企业的 AI 项目组合有一个共同点：启动项目的流程十分清晰，结束项目的流程却从未存在。Gartner 最新的研究显示，这正是 AI 价值迟迟未能兑现的核心原因之一。
Gartner 于 2026 年 10 月 19 日发布的 2027 年 CIO 及科技高管议程调查访问了 2,002 名 CIO，只有 13% 表示企业已从 AI 获得显著或转型级别的价值，而 AI 用例的成功率仍然只有约五分之一。设有试点止损准则的企业，跻身领先群组的概率高出 2.3 倍；设有投产止损准则的企业，概率更高出 2.6 倍。
读完本文，你将清楚了解 AI 止损规则的定义、如何为试点及已上线系统订立规则，以及如何向董事会和财务总监汇报这套机制。
AI止损规则是什么？
AI 止损规则是事先商定并以书面记录的准则，用来决定一项 AI 计划在什么条件下必须暂停、重新设计或终止。规则在项目启动前订立，与可量化的价值假设挂钩，并由一位具名的业务负责人掌握最终决定权。
它的作用类似投资中的止损单。没有人会在不设最大回撤的情况下批准一套交易策略，而 AI 的成本与收益比传统 IT 项目更难预测，更需要同样的纪律。
Gartner 的数据揭示了一个明显落差：只有 31% 的 CIO 设有「试点不应进入投产」的准则，只有 17% 设有「已投产项目应当退场」的准则。换言之，大多数企业只有油门，没有刹车。
为什么AI止损规则在2026年变得如此重要？
因为资金仍在加速流入，而回报证明却越来越难交代。Gartner 2027 年 CEO 调查显示，75% 的 CEO 计划增加科技投资，但 44% 的 CEO 难以向持份者证明 AI 的财务回报。止损规则让新增预算流向真正有效的项目。
根据 Gartner 2027 年 CEO 调查，63% 的 CEO 认为彻底重塑运营模式是加快 AI 财务回报的首要举措。重塑意味着取舍，而取舍需要事先订立的标准。
Gartner 副总裁分析师 Alicia Mullery 在奥兰多研讨会上的一句话值得每位高管记住：「数量不等于价值。」她指出，许多企业缺乏两项基本功，即事先定义用例价值，以及事先确定何时离场。
为什么表现不佳的AI试点很难被叫停？
主要原因是项目开始时从未定义失败的标准。缺乏书面门槛，每一个不理想的结果都能被解释成「数据还不够」或「模型会继续改进」。再加上沉没成本和发起人的声誉压力，项目往往在证据早已转向之后仍持续运行。
--- 目标悄悄改变：原本承诺提升 30% 效率的项目，只做到 8% 后被重新包装成「探索性项目」。
--- 成本在运行时才浮现：Gartner 强调，AI 成本具有概率性，在运行时才确定。小规模试点时便宜，不代表全面推广后仍然划算。
--- 没有人负责按下停止键：技术团队可以提供数据，但只有业务部门能判断价值是否出现。权责不清，结果便是默认继续。
如何在试点启动前写好AI止损规则？
一条可执行的止损规则包括四个要素：带数字的价值假设、低于即终止的止损门槛、固定的评估期限，以及具名的决策负责人。四项内容都应写进试点章程，并由业务负责人和财务部门在开发工作开始前签字确认。
四要素止损框架
--- 价值假设：例如「将连锁门店的补货预测误差由 25% 降至 12%」。
--- 止损门槛：例如「第十周误差仍高于 18%，试点不进入投产」，并设定每月推理费用上限。
--- 评估期限：范围明确的流程一般以八至十二周为宜，延期必须提交新的书面理由。
--- 决策负责人：写明由哪位高管在哪一天作出「继续或停止」的决定。
若项目涉及香港客户的个人资料，还应加入一项隐私止损条件：系统一旦无法满足《个人资料（私隐）条例》的要求，例如资料最少化或访问控制，无论表现如何都必须停止。
已上线的AI系统应如何设定止损规则？
投产止损规则用于持续检验已上线的 AI 系统是否仍然物有所值。建议每季度检视单位经济效益、使用率、输出质量和风险四项指标；若连续两次检视有两项或以上指标跌破门槛，系统就应重新设计或退场。
--- 单位经济效益：每笔交易或每份文件的处理成本，与导入 AI 前的基线比较。
--- 使用率：合资格员工或个案中，每月实际使用系统的比例。
--- 输出质量：错误率、返工率或人工推翻率。
--- 风险：与系统相关的事故、投诉或合规例外。
指标需要配合明确的问责机制。我们早前发表的〈AI 代理出错时由谁负责〉一文，详细说明了如何在董事会层面分配责任。
香港企业如何把止损规则落到实处？
最有效的做法，是把每季度的 AI 检讨会变成一个简短的决策会议：逐项对照事先商定的门槛，确认继续、修正或停止，然后把释放出来的预算转投已达标的项目。决定之所以快速，是因为标准早已写好。
以一家拥有 60 家门店、约 450 名员工的香港零售连锁集团为例：
--- 会员客服助理：目标是自动处理 40% 的会员查询，第十周达到 44%，获准投产。
--- 补货预测模型：误差只降至 19%，高于 18% 的门槛。原因是门店销售数据录入不一致，项目暂停，团队先处理数据质量问题。
--- 排班优化工具：效果达标，但运算成本超出上限 80%，进入为期六周的修正期，届时成本未降便结束。
财务总监看到的不再是一串只增不减的项目清单，而是一个被积极管理的投资组合。
如何向董事会或财务总监汇报AI止损规则？
把止损规则定位为资本纪律，而不是技术流程。用一页纸列出每项 AI 计划的价值假设、止损门槛、当前状态及决策日期，让董事会看到项目组合受到管治，也让财务总监确信新增的 AI 预算不会变成无底洞。
董事会文件可引用的关键数据
--- 只有 13% 的 CIO 表示企业已从 AI 获得显著或转型级价值（Gartner，2026 年 10 月）。
--- 设有试点止损准则的企业跻身领先群组的概率高 2.3 倍，但只有 31% 设有准则。
--- 设有投产止损准则的企业概率高 2.6 倍，但只有 17% 设有准则。
--- 44% 的 CEO 难以证明 AI 的财务回报（Gartner 2027 年 CEO 调查）。
常见误区也要一并说明：事后补订门槛、只统计使用量、把停止权交给技术团队，以及把叫停视为失败。叫停是一次成功的管控，而不是一个失败的项目。
结论：会刹车，才敢加速
AI 止损规则不是为了减少 AI，而是为了确保留下来的 AI 都能带来回报。Gartner 的数据说明，领先企业的共同特点，是愿意及早定义价值，并在价值未出现时果断离场。
建议你本月就为现有每个试点写好四要素规则，指定负责人和决策日期。一个季度之后，你就会清楚哪些项目值得下一轮投入。
懂AI，更懂你 UD相伴，AI不冷。
找出真正值得投入的 AI 项目
掌握了框架，下一步是找出你的组织哪些流程已经准备好导入 AI。UD 团队手把手带你完成每一步，从 AI 准备度评估、试点设计、止损规则，到部署上线与成效追踪，28 年企业服务经验，全程陪你走。
本文由 UD 企业 AI 团队审阅。