用途：判定一个AI想法属于机器学习（ML）项目还是数据科学（DS）项目，避免因混淆两者导致项目失败。核心判据是问一个问题——最终产出是持续运行的软件，还是一份决策建议。
主要能力：提供判定框架、语言信号识别、触发场景和双方工作流的对照。ML产出是能反复做出预测的软件（如垃圾邮件过滤器、推荐系统）；DS产出是洞察或建议，通常以报告或PPT呈现，用于支持一次性决策。
使用方式：先向利益相关者明确期望结果。若答案是软件，走ML工作流：收集数据、训练模型、部署上线、持续迭代，需ML工程师。若答案是建议，走DS工作流：收集数据、分析探索、形成假设、制作报告或PPT，需数据分析师或业务分析师。完成标准是团队就项目类型达成共识，并匹配正确流程与人才。
适用场景：团队讨论AI想法归属、老板追问交付物、招聘时纠结岗位类型，以及出现“做系统还是做报告”等语言信号时。
限制：不适用于DS与ML混合的项目、纯学术研究或尚无明确产出的探索性调研。常见失败模式是把DS当ML做（过度建系统而业务只需报告）或把ML当DS做（只交PPT未部署）。资料指出原作者对两者边界的描述比现实更清晰，实际项目常混合，关键是识别当前阶段的主要产出形式。实现细节与技术步骤暂未提供。