一人公司接到 AI 项目后，真正的瓶颈通常不是能否做出一次演示，而是能否在客户增加、需求变化和外部服务波动时，持续交付相近质量的结果。交付能力评估的核心，不是判断产品“能不能运行”，而是判断承诺能否被稳定兑现，并且不会因创始人本人持续加班而失去利润。

用五个维度评估交付能力

一是交付对象是否清晰。 需要明确客户购买的是标准化产品、定制服务，还是带有人工介入的解决方案。若每个客户都需要重新整理数据、调整流程和修改结果，就不应按纯软件产品估值，而应按服务业务核算工时、响应时间与客户数量上限。

二是关键依赖是否可控。 项目可能依赖模型、云服务、外部数据库或客户内部系统。评估时要记录哪些环节一旦调整就会影响交付，哪些环节可以替换，以及服务中断时是否存在人工或备用方案。依赖越集中，单点故障风险越高。

三是质量是否可验证。 AI 输出不能只看演示效果，应明确什么结果算合格、哪些任务必须人工复核、错误由谁处理，以及客户能否接受延迟和返工。涉及客户资料、交易记录或其他敏感数据时，还要同步核对数据来源、使用范围、保存方式和责任边界。

四是新增客户是否带来线性负担。 如果每增加一个客户，售前沟通、部署、培训、复核和售后都等比例增加，交付上限实际上由个人工时决定。此时可以继续做高价值服务，但必须限制客户数量、缩小承诺范围，不能用“可扩展产品”的方式定价。

五是没有外部资源时是否仍能成立。 政策方向、地方算力、场地、培训或产业对接，可能降低早期试错成本，却不能替代交付能力。尚未确认的资源不应写入长期现金流预期；如果项目离开补助或免费资源就无法维持，应重新核算成本与商业模式。

把评估变成决策表

可以为每个机会分别记录“已确认事实、待验证问题和主要风险”。先验证最大的不确定性：客户不愿付费，就优先做需求测试；交付成本不清，就先完成小规模试点；数据责任模糊，就先确认合规边界。只有当需求、质量、容量、成本和责任边界逐步清晰后，才适合扩大承诺。

对一人公司而言，成熟的交付能力不是一个抽象评价，而是把创始人的时间、外部依赖、人工复核和风险责任都纳入报价与排期。能稳定交付有限范围的业务，往往比承诺宽泛但无法复制的“全能 AI 方案”更具持续性。