第一层：交付物
结业时逐项检查任务卡、评测集、运行手册与接管记录是否齐全，是否能让没参与的第三方读懂。缺项的实训不论现场多热闹都无法在业务里维持，这一层在结业当天就能判定，判定成本也最低，不必等三个月。
第二层：还在跑的任务
三十天后回访，统计真正进入日常的任务数量与周执行次数，并核对执行人是否是业务方而非工程师。现场跑通的任务通常有一部分会停，停下来的原因比数量更有价值，要逐条记录是数据缺失、权限不足，还是没人会用。
第三层：接管原因
把接管记录按知识缺失、权限不足、模型判断错、流程例外四类归因，看每月结构如何变化。归因结构从判断错转向例外处理，说明团队在用而不是在试；若长期停在判断错，说明知识库与评测集还没做到位。
第四层：复现能力
给接手人一个同类新任务，观察其能否独立写出任务卡、跑通并完成验收，过程中不提供口头指导。能复现说明方法留下了；只能维护原任务，说明交付的是系统而不是能力，后续每个新需求都要重新找人。
边界：不承诺倍数
实训效果受业务量、数据质量与人员稳定性影响，任何以倍数或比例承诺收益的说法都不可靠。评价应给出继续、加码或停止的判断建议，写明结论的适用条件与不适用场景，由客户结合经营情况决策。
适用与不适用
适合谁
- 刚完成一轮实训、需要向管理层交代的负责人
- 正在比较多家实训服务商、要看证据的企业
- 准备把实训纳入年度计划的人力部门
不适合谁
- 希望用一次打分决定所有结论的评审方式
- 把满意度问卷当作唯一效果证据的组织
典型场景
某物流企业在结业当天验收交付物，第三十天回访在跑任务，第九十天让两名接手人独立完成一条新任务。三轮证据显示一条任务稳定、两条停用，停用原因分别是数据缺失与无人接管，据此决定只扩展稳定那条，其余两条等权限打通后再评估。
可执行步骤
- 结业当天按清单验收四类交付物，缺项当场记录，并约定补齐时间与责任人
- 第三十天回访任务执行次数、执行人与停用原因，由客户方系统导出数据并签字
- 把接管记录按四类原因归因，比较前后两个月的原因结构是否从判断错转向例外
- 第九十天安排一次复现测试，由接手人独立完成，交付方不在场也不提示
- 出具继续、加码或停止的书面建议，写明判断依据与适用条件，交由客户方决策
常见坑
- 只用结业满意度打分，看不出三个月后的真实状态；满意度只能作过程反馈，权重应降到最低，不能当验收依据
- 指标由授课方自评，缺少客户方记录，结论难以服人；执行次数与接管记录都应由客户方系统导出
- 没有基线，无法判断变化来自实训还是季节波动；开训前先记录两周的原始执行数据作为对照，再谈变化
- 把停用一律当失败，忽略数据与权限原因；停用原因不同，下一步的改进动作完全不同，判断也会走偏
自检与验收清单
- 交付物清单是否逐项签收，并记录缺项与补齐时间
- 是否约定第三十天与第九十天的两次回访及取数方式
- 接管记录是否按四类原因分类，并逐月统计结构
- 复现测试是否由接手人独立完成，交付方未在场指导
- 结论是否写成建议并注明适用条件，而非效果承诺
常见问题
满意度问卷还有用吗
有用但只能作为过程反馈，不能当效果证据。问卷反映的是现场体验，与三个月后是否还在用几乎无关。建议保留，但把权重降到最低，把回访记录与复现结果作为主要依据。
多久能看出效果
三十天看是否还在跑，九十天看能否复现。更短的周期只能看到演示，更长的周期会混入岗位调整与人员变动。两个节点足够做一次判断，也便于安排下一轮资源与预算，不必每周都评估。
效果不好能退款吗
取决于合同约定，通常以里程碑交付物为验收依据而不是效果承诺。签约前把交付物、验收方式与回访节点写清，比事后讨论效果更有效，也能减少双方在结项时的理解偏差。