很多 AI 項目的曲線很典型：試點周準確率好看，上線後業務偶爾用，季度復盤時發現建議已不敢信。團隊說模型老化。老化的根因通常不是算法，是沒有把現場結果送回去。質檢判定、工單是否被採納、催辦後是否關閉，這些標籤不回寫，模型仍在用三個月前的世界。
沒有反饋閉環的 AI，會在三個月後失效。失效前很少報警，因為它還在出建議，只是沒人再點。
為什麼衰減會靜悄悄
產品結構變了，客訴類型變了，供應商換了，訓練分布卻凍結在上線包裡。業務用繞開表示不信任，繞開不進日誌，數據團隊以為仍在服務。等到投訴，已經錯過校正窗口。重新標註成本高，項目更容易被新口號替換。
沒有主人看採納率和誤差，衰減就不是事故，是默許。
閉環的最小配件
- 每次建議記錄採納、改寫、忽略，忽略要選原因。
- 最終業務結果（合格、關閉、回款、投訴）按主鍵回寫，周級評估漂移。
- 漂移超閾先降權或下線，而不是繼續展示過期準確率。
- 指定運營崗位看這張表，模型負責人和業務主人共同籤字才能再上線。
XYN 數智化系統把 AI 掛在工單和質檢節點上，回寫可以長在同一張單裡。效果要保持，先保持閉環。沒有閉環，智能體再聰明，也只是一季的演示。
