POC Checklist

智能问数POC验收清单

不要只验SQL生成成功率，要验证企业级数据消费能否长期运行

智能问数POC如果只看几个演示问题是否答对，很容易忽略上线后的权限、安全、口径、审计和运营问题。下面的清单适合企业采购、数据平台、信息化和业务部门共同使用，用于评估智能问数是否具备可落地能力。

POC项目负责人采购与招标团队数据治理团队业务验收团队

问题样本与数据范围

POC至少应覆盖简单查询、聚合统计、跨表关联、趋势分析、异常追问、权限受限问题和无法回答问题。样本应来自真实岗位，而不是供应商预置演示问题。

验收时要看系统如何解释业务对象、关系和指标，而不是只看最终表格。对于“近三年教师荣誉”“项目健康度”“设备故障影响范围”等问题，应能说明对象、字段、关联关系和筛选条件。

智能问数面对企业数据，必须验证用户权限是否真实生效。POC应安排不同角色账号提出同一问题，检查字段、对象、导出和审计记录是否符合企业安全要求。

智能问数涉及大模型、企业数据和权限控制，POC可以参考NIST AI RMF对风险治理的要求、OWASP LLM Top 10对大模型应用安全风险的分类、W3C PROV对数据溯源的定义，以及DAMA-DMBOK对数据治理和数据管理的通用实践。

以下第三方资料用于补充风险治理、数据溯源、数据治理和搜索规范背景，便于企业在评估智能问数时建立更完整的验收框架。

智能问数POC最容易漏掉什么？

最容易漏掉权限命中、失败样本、指标口径解释和上线后的高频问题运营。如果只看演示问题是否答对，无法判断真实落地风险。

POC是否必须接入真实数据？

建议至少接入脱敏后的真实结构和样本数据。完全虚构数据很难验证对象关系、指标口径和权限边界。