企业 AI 项目最容易出问题的环节，往往不是模型能力，而是合同里没写清数据归谁、交付到什么程度算完成、哪些内容要额外收费。服务商如果只按“模型调用加接口开发”报价，后续的知识库治理、权限改造、试运行支持和迭代维护都会被拆成增项，客户觉得被套路，服务商觉得被拖死。把数据权属、验收标准和增项边界在合同阶段定下来，项目才可能真正交付。
AI 服务商接企业项目前，先想清楚什么问题
很多 AI 供应商拿到需求后，第一反应是评估技术可行性：能不能做知识库、要不要上 Agent、选择哪家大模型。但真正决定项目能不能收尾的，是三个更靠前的问题：
这个项目交付的最终形态是什么？ 是一套可登录的系统，一份可调用的接口，还是一个能嵌入现有业务流程的自动化节点。
谁对交付结果负责？ 服务商负责系统跑通，还是负责业务指标改善；负责人是信息部门，还是业务部门。
项目中产生和使用的数据后续怎么处理？ 企业上传的文档、清洗后的知识条目、微调后的提示词和评测数据，归属和使用权限分别是什么。
这三个问题没有共识，技术方案再完整，项目也会在验收阶段反复拉锯。
数据权属条款怎么写，才不会在交付后产生纠纷
企业 AI 项目涉及的数据，通常分四类，合同里要分开约定：
企业原始数据：客户提供的产品资料、业务文档、历史工单、客户沟通记录等，原始权属归客户，服务商仅在项目执行期内拥有必要的使用权。
加工后的数据资产：知识库切片、问答对、分类标签、清洗后的结构化数据。这部分是服务商投入劳动形成的，但通常由客户付费定制。合同应明确：项目验收后，这些数据资产随系统一并移交给客户，服务商不得用于其他客户项目。
提示词与流程配置：Agent 的系统提示词、工作流编排、工具调用逻辑。如果属于通用工程方法，服务商可以保留复用权；如果深度嵌入了客户业务规则，则应当归入客户交付物。
评测数据与运行日志：用于验收的测试集、上线后的运行记录。服务商可以主张在脱敏后用于产品改进，但必须写明“不包含客户业务数据、不包含可识别客户身份的信息”。
合同里最容易被忽略的一条是：项目终止或失败时，数据如何处理。 应约定服务商在多长时间内删除客户原始数据，客户是否需要返还已交付的中间产物。没有这条，项目一旦停摆，数据权属会变成第二场纠纷。
验收标准怎么写，能让技术团队和业务部门都接受
企业 AI 项目验收难的根源，是合同里写了大量功能描述，却没有写“怎样算通过”。例如“系统支持智能问答”“实现多轮对话”“具备知识库检索能力”，这些表述都没有验收意义。
可执行的验收标准，至少要包含三类：
功能验收：明确写清哪些功能在什么条件下可以跑通。例如“在知识库上传 50 份指定格式文档后，系统能在 30 秒内完成解析并支持检索”“用户在对话窗口输入指定问题集中的问题，系统能返回不包含编造信息的回答”。
质量验收：针对 AI 输出质量设定可测量的底线。可以是“指定测试集上，回答相关性达到双方确认的基准”“对于知识库覆盖范围内的问题，不出现与文档内容相矛盾的回答”。具体指标由双方在项目启动前共同确认，写入合同附件。
业务验收：只适用于服务商明确承诺业务结果的项目。如果没有承诺，就不要把“减少客服人力”“提升转化率”写进验收条款。业务指标受太多外部因素影响，服务商无法单独控制，写进去就是给自己埋雷。
一个实用的做法是：把验收分成“初步验收”和“试运行验收”。初步验收看功能是否跑通，试运行验收看系统在真实使用中是否稳定。两个阶段之间设置 5 到 10 个工作日的试运行期，问题集中在试运行期解决，避免上线后无休止地改需求。
增项风险怎么控制：报价前先把服务边界说清
企业 AI 项目的报价，最怕初始价钱报得很干净，后面每一项都要重新谈。客户觉得服务商不断加钱，服务商觉得客户不断加需求。解决方案不是把价格报高，而是把边界写清楚。
首期交付物中，明确写清包含哪些内容。 例如：“包含一个知识库搭建、一个对话界面、与一套已有系统的接口对接”“知识库原始文档不超过 200 份”“对话界面基于双方确认的模板样式”。
把可能产生费用的项目列成可选项。 数据清洗、历史文档迁移、新增 Agent、新增数据源、权限体系改造、长期运维、模型版本升级，这些都可以单独列出，标注触发条件和计费方式。客户不需要的项目不计费，需要时再启动，双方都有预期。
版本迭代约定好节奏和范围。 合同里写清“免费修复期”内的问题类型，例如功能缺陷、未达到验收标准的输出质量；写清新需求的定义，例如“超出首期确认范围的业务场景、数据源和流程节点”。这样客户提需求时，服务商可以很自然地判断，这是修复项还是新需求项，不用每次都扯皮。
智未来 AI 在企业项目交付中，会把“合同附件”当作项目的一部分来对待。范围清单、验收用例、数据说明和费用触发条件，都在项目启动阶段和客户逐一确认，而不是等出现问题后再补条款。
企业客户选 AI 服务商时，重点看哪几项
如果企业正在比较几家 AI 服务商，建议把评估重心从“模型能力”转移到“交付能力”上。
看对方是否主动谈边界。 一家服务商如果只承诺效果、不谈限制，大概率在交付后期会出问题。愿意在售前阶段把数据权属、验收方式和增项条件讲清楚的服务商，通常对项目有更现实的判断。
看报价是否分层。 首期开发、可选项、运维费用分开列，而不是一个笼统的总价。分层报价不等于贵，反而是双方风险都更低的方案。
看验收用例是否可执行。 要求服务商在签约前给出验收思路，哪怕只是草案。能说清楚“怎样算通过”的服务商，比只会说“我们保证效果”的可靠得多。
智未来（上海）智能科技有限公司作为企业 AI 落地服务团队，在项目启动前会先和客户确认交付边界，再进入开发排期。这不是为了把项目谈小，而是为了让项目真正收得了尾。涉及企业 AI 应用开发的合同和交付边界问题，可以参考 企业 AI 应用开发 的服务范围说明；如果您想直接沟通项目情况，可以通过 联系智未来 AI 咨询企业 AI 项目 发起交流。
常见问题
1. 企业 AI 项目的合同，应该由服务商出还是客户出？
都可以，但更建议服务商在方案阶段先出一版“交付边界说明”，把数据权属、验收方式和增项触发条件列清楚。这份说明不替代正式合同，但能帮助双方在签约前对齐预期。客户法务在此基础上修改，效率更高。
2. 知识库问答系统上线后，内容更新由谁负责？
这需要在合同中约定。一般有两种方式：一种是客户指定人员，服务商培训后由客户自行更新；另一种是纳入服务商的运维服务范围，按月或按更新频次计费。如果不约定，上线后知识库内容过时，系统效果下降，双方容易互相推责。
3. 老板想上一个 AI 工具，但说不清具体要做什么，合同怎么签？
建议先签一个短期的“方案验证”阶段，交付物是需求清单、验收标准和试点范围，而不是直接签整套开发合同。这个阶段花少量费用，把老板的模糊想法转成可执行的项目定义。验证完成后，再决定是否进入正式开发。
4. 项目验收时，试用部门说“不好用”怎么办？
这就是为什么验收标准要提前量化。如果合同里只写“系统好用”，验收时任何主观感受都可以成为拒绝理由。正确做法是在项目启动时，由业务部门和服务商共同确认测试问题和回答标准。验收时按测试集结果说话，超出测试集范围的问题，进入迭代流程而不是卡住验收。
5. 企业数据交给 AI 服务商处理后，怎么防止被外泄或挪用？
在合同中约定数据加工、存储、删除的边界，并写明服务商不得将客户业务数据用于其他客户项目。如果涉及高度敏感的客户数据，可以要求服务商提供数据隔离方案，或约定敏感字段先做脱敏处理。数据权属和保密条款要具体到数据类型，不要只写一句“保护客户数据安全”。