深度阅读约 5 分钟读完
演示都很惊艳，为什么试点进不了日常运营：把验收写进第一天的共创交付
多数能源 AI 试点不是死于技术，而是死于“怎么算成功”没人说清。共创交付把验收指标、参与角色和复盘节奏放在启动之前，而不是结束之后。
01
试点失败的常见剧本
第一幕：演示会很成功，所有人都觉得“这个可以有”。第二幕：开通试用，前两周新鲜感很足，问了很多问题。第三幕：没有人确认结果能不能用于正式汇报，没有人负责把输出接进日常流程。第四幕：三个月后有人问起，答案是“后来就没怎么用了”。
注意整个剧本里技术没有失败——它只是从头到尾没有被放进一个可以成功的结构里。
02
把四件事写在启动之前
输入数据：用哪些电站、哪些时间窗、哪些字段，缺失的部分怎么处理。输出物：试点结束时交付什么——报告样例、归因清单还是数据质量清单。参与角色：谁提供数据边界、谁判断业务价值、谁确认结果可以进入日常运营。验收指标：用什么数字衡量成败，试点前的基线是多少。
这四件事写清楚之后，第 2、4、8 周各做一次复盘，对照基线看进展。到第 8 周，结论只有两种：达标进入日常运营，或者不达标、拿着数据讨论调整还是停止——两种都比“不了了之”体面且省钱。
03
四步路径，每一步都有产出
数据体检：确认口径、边界和质量基线，产出就是像“电表与逆变器终身偏差 -10.72%”那样的数据质量清单——这一步本身就有独立价值。场景试点：选定一个高价值工作流，用真实数据跑通，每周同步进展。效果验证：按事先约定的指标对比试点前后。持续复盘：把验证过的规则、模板沉淀下来，决定扩展范围。
四步里最容易被跳过的是第一步和第四步——恰好是决定试点“可验收”和“可扩展”的两步。
04
谁参与：三方对齐比技术选型更重要
业务负责人回答“这个输出对运营有没有用”；数据负责人回答“这些数据能不能用、边界在哪”；验收负责人回答“结果能不能进入正式流程”。三个角色可以是两个人甚至同一个人，但三个问题必须都有人认领。
经验上，试点启动会里最值得花时间的不是讲方案，而是把这三个问题的负责人当场确定下来——这十分钟决定了三个月后的结局。
05
从一个场景开始，不是从一个平台开始
ZenovaOS AI 把这套方法固化成了四类试点包：数据体检、AI 报告、告警归因、低效电站，全部来自 335+ 行业场景库，每个包都自带输入、输出、角色和验收指标的模板。试点通过后，验证过的场景规则和报告模板直接复用到更多电站——扩展不需要从零开始。
评估 AI 运维方案时，可以直接把这篇文章当检查清单：对方能不能在启动之前，把四件事白纸黑字写给你。
可验收不是文档要求，而是从第一天就把“怎么算成功”写清楚——这也是共创交付和普通试用的分界线。