很多 AI 项目的曲线很典型：试点周准确率好看，上线后业务偶尔用，季度复盘时发现建议已不敢信。团队说模型老化。老化的根因通常不是算法，是没有把现场结果送回去。质检判定、工单是否被采纳、催办后是否关闭，这些标签不回写，模型仍在用三个月前的世界。
没有反馈闭环的 AI，会在三个月后失效。失效前很少报警，因为它还在出建议，只是没人再点。
为什么衰减会静悄悄
产品结构变了，客诉类型变了，供应商换了，训练分布却冻结在上线包里。业务用绕开表示不信任，绕开不进日志，数据团队以为仍在服务。等到投诉，已经错过校正窗口。重新标注成本高，项目更容易被新口号替换。
没有主人看采纳率和误差，衰减就不是事故，是默许。
闭环的最小配件
- 每次建议记录采纳、改写、忽略，忽略要选原因。
- 最终业务结果（合格、关闭、回款、投诉）按主键回写，周级评估漂移。
- 漂移超阈先降权或下线，而不是继续展示过期准确率。
- 指定运营岗位看这张表，模型负责人和业务主人共同签字才能再上线。
XYN 数智化系统把 AI 挂在工单和质检节点上，回写可以长在同一张单里。效果要保持，先保持闭环。没有闭环，智能体再聪明，也只是一季的演示。
