一次有用的AI项目组合评审，应该迫使每个试点进入三种决策之一：扩大规模、修正一个明确的不确定因素，或者终止。凡是被称为“暂停”的项目，都必须有一项明确依赖、一位负责人和一个决策日期。缺少这些条件，暂停不过是没有人愿意作出的终止决定。
这就是我所说的终止清单。它不是失败项目的配额，也不是针对项目提出者的武器，而是一份公开可见的记录，列出那些已经无法为下一笔投入提供合理依据的工作。运用得当时，这份清单能把资本、稀缺技术能力和风险预算还给更好的机会。
这种做法把规划AI预算、衡量AI的完整经济账以及在证据变化时采取行动串成闭环。一个只能启动实验、不能停止实验的项目组合，并没有在学习，而是在累积义务。
继续也是一种决策
AI试点很容易获批，因为单独看每一个都显得很小。项目组合的成本藏在总量里：模型和平台用量、数据工作、安全评审、集成、评估、支持，以及本可以去解决其他问题的人员精力。
因此，评审必须把下一笔增量支出与这些资源的次优用途进行比较。已经花掉的钱可以说明组织如何获得了经验，却不能让下一次资金申请更有说服力。英国财政部的Green Book 2026也作出了同样的区分：沉没成本不应左右下一步决策，但继续占用资源的机会成本仍然重要。
也不应该设定统一的六个月期限。文档助手与启用AI的临床工作流，对证据和保障的要求并不相同。重要的纪律是在工作开始前设定期限，让期限匹配要验证的不确定因素，并防止团队看到结果后再移动终点线。
在试点开始前写好评审契约
每个试点进入项目组合时，都应该带着一份简短的评审契约。如果团队无法用清楚的语言填完它，那么项目很可能还没有准备好花钱。
| 评审字段 | 项目组合需要知道什么 |
|---|---|
| 业务成果 | 客户、员工、运营、收入来源或风险暴露会发生什么变化？ |
| 基线 | 在没有拟议AI系统的情况下，当前工作表现如何？ |
| 证据目标 | 什么结果足以支持下一阶段，又将如何衡量？ |
| 完整成本 | 开发、运营、评审、控制和支持分别需要什么？ |
| 风险边界 | 哪一种失败或剩余风险会让继续使用变得不可接受？ |
| 发起人 | 谁对业务成果负责，并有权作出终止决定？ |
| 决策日期 | 何时真正评审证据，而不只是汇报证据？ |
| 退出计划 | 如何停用访问权限、数据、集成、供应商和基础设施？ |
这不会把创新变成文书竞赛。契约的严格程度应当与成本、复杂度和后果相称。它的作用是防止项目组合在实验已经产生模糊结果后，才临时发明成功标准。
NIST AI Risk Management Framework支持这种生命周期视角。它的Manage功能要求决定AI系统是否实现预期目的，以及开发或部署是否应该继续。它还要求建立机制并明确责任，以便让表现或结果不符合预期用途的系统退出或停用。
使用三种真实结果
评审时，从三种结果中选择一种，并记录原因。
- 扩展：试点已经产生有用证据，运营成本可信，风险处于容忍范围内，而且一位明确负责人已经准备好把它作为受支持的产品运营。
- 修正：仍有一个重要的不确定因素，可以通过一项具体、有时限的改变继续验证。修正不等于允许团队换一套说法，把整个试点重新做一遍。
- 终止：业务需求已经变化，证据没有达到门槛，经济账不再成立，风险无法降到容忍范围内，发起人已经离开，或更简单的非AI方案更好。
“修正”往往是项目组合失去纪律的地方。只给它一个假设、一位负责人、一条预算边界和一个新的评审日期。如果团队带着不同的用例、不同的用户和不同的成功标准回来，那是一个新提案，并不能证明旧提案成功。
生产就绪的门槛也应该高于一场令人信服的演示。最小可行AI治理模型提供风险分层和证据关口，而AI上线后的第二天运营让责任、监控、事件响应和恢复变得清晰可见。如果这些义务让经济性失去吸引力，项目组合就在扩大责任之前学到了重要一课。
记录学习，不要虚构ROI
一个终止的试点不需要虚构投资回报率才有价值。应当如实报告它带来的学习：
- 决策后避免的未来支出；
- 归还给工程、安全、数据和业务团队的能力；
- 已消除的风险或依赖；
- 被证伪的假设；
- 可复用的评估数据、集成工作或控制模式；以及
- 面向下一个提案更好的筛选问题。
把避免的未来成本与已经支出的现金分开，不要把释放的人员时间算作节省，除非组织能说明这些能力去了哪里。目标是保留一份能够改善下一次资源分配的决策记录，而不是通过算术技巧让每个实验看起来都成功。
终止清单还应保留停止原因。随着时间推移，反复出现的原因会暴露项目组合层面的问题：用例没有基线、缺少业务负责人、数据尚未准备好、控制措施加入得太晚，或者单位经济性无法满足现实的质量要求。这些证据比一张只显示多少试点仍在运行的仪表盘更有用。
让说真话变得安全
恐惧是一种糟糕的运营模式。如果终止试点被视为团队的污点，人们就会隐藏微弱信号、缩小衡量范围，并不断要求再来一轮。治理设计应当把实验质量与继续投资的决定分开。
业务发起人对成果负责。技术团队对证据完整性负责。项目组合评审机构对企业层面的取舍负责。这种分工既能避免要求项目团队为自身存在辩护，也能避免某个部门以整个公司的利益为代价保护一项局部计划。
领导者应该这样定调：“我们学到了什么？现在应该把这些能力交给什么工作？”这比“谁失败了？”更难回答，也更有价值。
用不同方式开展下一次评审
从所有活跃的AI试点开始，不要只看那些正在申请新资金的项目。给每位发起人一页材料，其中包含评审契约、实际证据、剩余不确定性、下一阶段完整成本和建议结果。
然后在会议上作出扩展、修正或终止的决定。发布内部终止清单，写明原因、释放的能力、可复用的经验以及负责关停工作的人。最后，验证凭据、数据副本、供应商承诺、集成和基础设施是否真的已经停用。幻灯片上的决定不等于完成下线。
重点不是终止更多AI项目，而是确保每个项目继续存在，是因为当前证据支持它，而不是因为停止让人不舒服。
