demo 太好做了。一个有经验的工程师，通用大模型加一个简单 Prompt，一天能搭出一个"挺好用"的原型。这不是错觉，也不是你天赋异禀，是这一层本来就不难。0 到 80% 这段路，模型已经替你把最重的活干完了。
很多人就是在这里误以为 AI 落地很容易。demo 跑通的那一刻，你会觉得剩下 20% 也就是 polish 一下的事。
但 demo 只覆盖最常见的路径。生产系统要面对的是长尾、异常、合规和责任边界------这三样东西在 demo 阶段根本不会出现，因为你自己挑的测试用例，当然挑能跑通的。
真正难的是 80% 到 95%。
模型会在特定场景下出错。行业术语理解偏了，边界情况处理崩了，用户问了个 demo 里没有的问法，整个对话就歪掉。你要做的事情突然变得很不"AI"：Prompt 优化、规则补充、数据标注、测试集构建。这些活加起来，比搭 demo 那一天重得多。
这里有个反直觉的点：AI 测试不像传统软件测试。传统测试是确定性输入配确定性输出，跑通了就是跑通了。AI 测试面对的是概率系统和长尾分布，"改好 A 又坏 B"是常态。这不是你代码烂，是系统的性质就是这样。你修一个 case，另一个 case 的概率分布就动了，原本稳的地方开始抖。
95% 到 99% 又是另一个量级。
1% 的错误也能酿事。客服答错一次，可能就是一次品牌事故；金融、医疗、政务里错一次，可能触发合规。系统接得越多，权限、审计、回滚、人工接管这些东西的复杂度是乘法上去的，不是加法。到这一步，你需要的是上万级真实对话数据，是一个团队一个季度的活，不是一个人一个周末。
FDE 做的就是这一段。不是 0 到 80%，是 80% 到 99%。客户愿意为 FDE 付费，不是因为他没看到 demo------demo 他自己也能搭------而是因为 demo 到生产之间有一条很长的沟。这条沟里全是长尾、合规和责任，demo 不会告诉你它有多深。
那为什么上限是 99% 而不是 100%？
LLM 本质是概率系统，输出空间是开放的，永远存在不可预见的边缘案例。从 99% 推向 99.9%，边际成本指数级涨，边际收益递减。高风险场景那 1% 本就不该让 AI 覆盖，应该走人工审核和回滚兜底。
99% 不是技术妥协，是工程经济学的最优解：AI 覆盖可规模化的 99%，人工守住不可自动化的 1%。硬要追 100%，你花的钱和那 1% 的损失不成比例。
这也能解释一个看起来矛盾的现象：超过 70% 的企业已经在至少一个职能里试了生成式 AI，但超过 60% 还停在试点或实验阶段。模型能力明明一直在涨，为什么大家不动了？
卡住的不是模型能力。卡住的是最后那 20% 的生产化工程。模型每次升级，拉大的不是"技术能做到"和"做不到"的距离，是"技术能做到"和"组织用得起来"的距离。企业引入 AI 要穿越三个阶段------个人提效、组织转型、业务重构------每个阶段动辄以年为单位。demo 跑通是第一阶段的事，后两个阶段跟模型好不好没关系。
所以 demo 的意义不是替代生产系统，是提前暴露风险。健康的 FDE 模式不是把 demo 当结束，是把 demo 当成进入生产验证和经验积累的起点。
一天搭出 80% 是正常发挥。卡在 95% 到死，也是正常发挥。中间那段不是你不行，是活本来就在那里。