全球数据与AI转型服务商DataArt近日推出名为Domain Deployed Engineering（简称DDE）的交付模式。该模式将小规模、具备行业知识的工程团队嵌入客户组织内部，并对AI系统所产生的业务结果负责，而非仅对交付物清单负责。
DataArt指出，企业在从AI中获取价值的过程中面临三重障碍：技术演进速度超过企业适应能力、试点项目停滞无法进入生产环境、供应商以投入而非成果作为衡量标准。Gartner的研究显示，找到合适的用例进行投资一直被列为AI采用的首要障碍，而在已启动的用例中，仅略高于40％能成功进入生产环境。Gartner同时预测，到2028年，70％的AI项目将无法达到预期效果，原因并非模型能力不足，而是业务部门缺乏将其运营化的能力。
DataArt认为，上述问题的根源在于两个共同缺口：选择正确问题所需的领域专业知识，以及对进入生产环境负责的单一责任人。DDE的设计正是为了弥补这两项缺口。该模式借鉴了当前AI行业逐渐流行的前置部署工程思路，但有一个刻意设计的差异：部署成功与否取决于对客户业务的精通程度，而不仅仅是是否驻场。
DDE模式融合了三项能力：行业洞察力、覆盖现代架构与数据及AI的工程可信度、以及对业务成果的聚焦。由于这些能力很少集中于一人身上，DataArt以精简的DDE小队形式进行部署，成员包括智能体AI工程师、行业专家和变革管理负责人，围绕单一有时限的客户任务组建，设有一名责任负责人，并在工作开始前与客户发起人商定成功标准。
小队规模随客户成熟度灵活调整，可以从一名由DataArt架构师支持的嵌入式工程师，扩展至重新设计业务部门运营方式的完整团队。其服务范围覆盖AI采用的全生命周期：规划AI转型项目、构建产品与解决方案、将智能体交付引入客户自身的工程组织，以及建立治理机制以确保AI在生产环境中可靠运行。
无论任务是基于客户现有系统运行还是构建新系统，小队在部署方案上保持厂商中立。借助DataArt的AI交付平台Artisyn，小队可加速原型设计、测试和部署等常规工程工作。每个任务的设计目标都是以客户掌握控制权为终点：交付团队将可运行的系统以及运维技能移交给客户自己的团队。
DDE的推出反映出企业AI服务市场正从按人头计费、按交付物验收的传统模式，向以业务成果为导向的交付模式转变。在大量AI试点项目难以进入生产环境的背景下，将服务商收入与可量化的业务结果挂钩，可能成为企业采购AI服务时的重要评估维度。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
