| name | triple-due-diligence |
| description | 当用户准备为AI项目投入大量资源，需要全面评估技术可行性、商业价值和伦理影响时使用。
用户在问"这个项目值得做吗"、"该投入多少"、"技术上能做吗"、"有没有风险"时激活。
不适用于: 小型探索性项目（几天工作量）、纯技术研究、已明确无商业或伦理维度的场景。
|
Source Metadata
Original cangjie-skill frontmatter from the distillation run:
name: triple-due-diligence
description: |
当用户准备为AI项目投入大量资源，需要全面评估技术可行性、商业价值和伦理影响时使用。
用户在问"这个项目值得做吗"、"该投入多少"、"技术上能做吗"、"有没有风险"时激活。
不适用于: 小型探索性项目（几天工作量）、纯技术研究、已明确无商业或伦理维度的场景。
source_book: 《给所有人的AI入门课》 吴恩达 (Andrew Ng)
source_chapter: p15, p06, p24
tags: [due-diligence, project-selection, feasibility, ethics, risk-assessment]
related_skills:
- slug: ml-feasibility
relation: depends-on
- slug: three-value-drivers
relation: depends-on
- slug: cross-functional-brainstorming
relation: composes-with
三重尽职调查 — 技术×商业×伦理
R — 原文 (Reading)
"技术尽职调查是确保希望构建的AI系统真的可实现...商业尽职调查确保设想的项目对业务有价值...我也希望进行伦理尽职调查。"
— 吴恩达, p15
I — 方法论骨架 (Interpretation)
在为一个AI项目投入数月资源之前，应当并行开展三项独立的尽职调查：
第一，技术尽职调查——咨询AI技术专家，确认系统能否达到预期性能指标？是否有足够数据？开发周期多长？技术风险在哪里？
第二，商业尽职调查——建立财务模型，量化项目能创造多少价值？是降低成本、增加收入、还是开辟新业务？投入产出比如何？
第三，伦理尽职调查——即使技术和商业都通过，也要追问：这个项目真的对社会有益吗？会不会伤害特定群体？是否符合长期价值观？
三项调查必须全部通过，项目才能获得"绿灯"。任何一项不通过，都应当重新考虑或放弃。
这个框架的核心价值是：在热情投入之前，用结构化的方式避免"技术上能做、商业上该做、但伦理上不该做"的陷阱。
A1 — 书中的应用 (Past Application)
案例 1: 语音识别系统
- 问题: 是否值得开发一套语音识别系统
- 方法论的使用:
- 技术：能否达到95%识别准确率？是否有足够语音数据？
- 商业：能节省多少人工转录成本？能开拓哪些新应用场景？
- 伦理：对不同口音的识别是否公平？是否会加剧数字鸿沟？
- 结论: 三项都需要独立评估，任何一项不通过都应重新考虑
- 结果: 成为AI产品立项的标准评估模板
案例 2: 视觉质检系统
- 问题: 是否在生产线上部署AI视觉质检
- 方法论的使用:
- 技术：能否达到99%检测准确率？漏检率可接受吗？
- 商业：能替代多少质检员？投资回报周期多长？
- 伦理：被替代的工人如何安置？检测标准是否对某些产品类型有偏？
- 结论: 即使技术上能做到99%，如果伦理上对工人冲击过大，也应谨慎推进
- 结果: 强调AI部署需要兼顾效率与公平
A2 — 触发场景 (Future Trigger) ★
用户会在什么情境下需要这个 skill?
- 企业准备启动一个需要数月时间和大量资源的AI项目
- 决策层在评审AI项目提案，需要全面评估框架
- 投资人评估AI创业公司的项目可行性
- 团队已完成初步技术验证，准备进入正式开发阶段
- 项目涉及敏感数据或可能影响特定群体权益
语言信号 (用户的话里出现这些就应激活)
- "这个项目值得做吗"
- "该投入多少"
- "技术上能做吗"
- "有没有风险"
- "ROI是多少"
- "会不会有什么负面影响"
与相邻 skill 的区分
- 与
ml-feasibility 的区别: 双因素框架是快速技术可行性筛查（概念+数据），三重尽职调查是深入全面评估（技术+商业+伦理），适用于正式立项决策。
- 与
cross-functional-brainstorming 的区别: 跨职能头脑风暴是项目选择阶段的创意发现，三重尽职调查是项目确定后的深度评估。
- 与
automate-task 的区别: 任务分解是确定项目范围，三重尽职调查是评估项目是否值得投入。
E — 可执行步骤 (Execution)
当 skill 被激活后, agent 应按以下步骤执行:
-
技术尽职调查
- 建议用户咨询AI技术专家，回答以下问题：
- 系统能达到什么性能水平？（准确率、召回率、延迟等）
- 是否有足够的高质量标注数据？
- 开发周期和关键技术风险是什么？
- 需要什么技术基础设施和团队能力？
- 完成标准: 用户得到明确的技术可行性结论和风险清单
- 判停条件: 若技术上明显不可行（如所需准确率远超当前SOTA），直接建议终止项目
-
商业尽职调查
- 建议用户建立财务模型，回答以下问题：
- 项目能创造多少价值？（成本节约、收入增长、新业务机会）
- 投入成本是多少？（开发、数据、部署、维护）
- 投资回报周期多长？
- 不做的机会成本是什么？
- 完成标准: 用户得到量化的投入产出分析和投资回报预期
- 判停条件: 若商业模型显示ROI为负或回收期过长，建议重新设计或终止
-
伦理尽职调查
- 建议用户追问以下问题：
- 这个项目对所有受影响群体都公平吗？
- 是否可能伤害特定弱势群体？
- 如果这个项目被媒体负面报道，你会如何回应？
- 是否符合你个人/组织的长期价值观？
- 完成标准: 用户对项目的社会影响有清晰认知，能给出"有益/有害/需修改"的判断
- 判停条件: 若伦理评估发现严重负面影响且无法缓解，即使技术和商业都通过也应放弃
-
综合决策
- 三项全部通过 → 建议启动项目
- 任一项未通过 → 建议针对未通过项进行修改，或终止项目
- 完成标准: 用户得到明确的"推进/修改/终止"决策建议
B — 边界 (Boundary) ★
不要在以下情况使用此 skill
- 非常小的项目（几天工作量）——直接快速尝试即可，不需要正式尽职调查
- 纯技术研究（没有明确的商业应用或社会影响）
- 技术可行性已经完全确定的成熟应用场景
- 紧急情况下的快速决策（三重尽职调查需要时间）
作者在书中警告的失败模式
- 只做技术和商业尽职调查，跳过伦理评估——"能赚钱也技术上能做"不等于"应该做"
- 伦理尽职调查流于形式——没有真正追问尖锐问题，只是走过场
- 三项调查由同一人完成——缺乏独立视角，容易产生确认偏差
作者的盲点 / 时代局限
- 伦理尽职调查在实践中最常被跳过——框架强调其重要性，但未提供详细的操作方法和评估标准
- 三项尽职调查的理想执行顺序和权重未明确——现实中往往技术先做、商业后做、伦理最后（或不做）
- 书中未讨论"尽职调查的成本"——对小公司来说，全面尽职调查本身可能就是沉重负担
- 伦理标准具有文化相对性——书中以西方视角为主，不同文化背景下的伦理判断可能不同
容易混淆的邻近方法论
- 与"投资尽调"的区别: 投资尽调侧重财务和法律风险，三重尽调增加了技术和伦理维度
- 与"影响评估(Impact Assessment)"的区别: 影响评估通常只关注负面社会影响，三重尽调同时考虑商业价值
相关 skills
- ml-feasibility (depends-on): 三重尽职调查中的技术尽调建立在双因素框架评估通过的基础上
- three-value-drivers (depends-on): 商业尽调需要量化项目价值,三价值驱动框架提供量化方法
- cross-functional-brainstorming (composes-with): 头脑风暴产出候选项目后,用三重尽调做立项前深度评估
审计信息
- 验证通过: V1 ✓ / V2 ✓ / V3 ✓
- 测试通过率: 待测试
- 蒸馏时间: 2026-06-29
