AI 就绪度评估最常见的失败方式，不是维度选错，而是打出来的分数没人认。六个维度、0–5 分锚点、加权求和，形式上足够严谨，可一旦追问“这个 3 分凭什么”，会议室里就只剩下“感觉差不多”。评分一旦脱离证据，评估就退化成各部门表达主观印象的场合，结论自然无法支撑投资排序。
绑定证据的第一层意义，是让分数可复核。每个得分后面写明来源——哪份文档、哪个系统、哪次会议决定，本质上是把判断从个人经验转移到组织可查证的事实上。同一维度换一个人来打分，如果证据清单一致，结论就不该出现大幅漂移；出现漂移，恰恰说明分歧点在哪，这比强行取平均分有价值得多。原文给出的关键约束很明确：没有证据支撑的评分项留空，而不是给中间分。留空迫使评估者承认“不知道”，中间分则会制造虚假的确定性。
第二层意义，是防止自评偏差系统性地抬高结论。组织内部评估时，把“数据仓库存在”当作数据就绪、把“高层提过 AI”当作战略就绪，几乎是通病。这些偏差单看每一项都情有可原，叠加起来却足以让一家并不具备规模化条件的企业拿到看似及格的总分。证据要求相当于一道校准：随机抽取几个已上线用例，要求出示数据来源、责任人、上线后的使用记录，多数组织的实际就绪度会在这一步被下修。抽样验证之所以有效，正是因为它检验的是证据，而不是陈述。
更根本的一层，是证据决定了评估之后能不能行动。就绪度评估真正的产出不是分数，而是门控项、杠杆项、速赢项的排序；而排序的前提，是知道每一项短板究竟卡在哪里。一个维度打了 2 分，却说不清是责任人不明、口径不一致还是访问审批过长，对应的修复动作完全不同。证据把抽象的分数翻译成具体的缺口，路线图才写得出来。
因此，把证据绑定进评分口径，并不是给评估增加一道文书负担，而是把评估从“成熟度贴标签”拉回到“先修哪一块”的决策工具。评分可以粗略，证据不能含糊；分数可以留空，来源不能编造。这条规则守住了，六维诊断才有资格进入投资决策的前置环节。