FIELD NOTES / 企业 AI 落地

AI 进入业务，
从一个真问题开始。

Datawhale《FDE案例100》分享与阅读指南。
从 24 个案例里，看问题怎样被发现，方案怎样被用起来。

下载完整 PDF 按案例阅读 ↓

PDF · 约 13 MB · 246 页 · 当前版本收录 24 个案例

点击即可获取。微信内若无法保存，可从右上角菜单选择在浏览器中打开。

Datawhale《FDE案例100》原书封面 — 案例集：Datawhale
前言日期：2026.09.06 · 解读整理：白牙

01 / 阅读要点

读案例时，
多问一句“为什么”。

FDE在这些案例中承担连接业务与技术的工作。下面五条是白牙根据案例提炼的方法，原始经历与结果请以原书为准。

沿着抱怨，追到真正的损失

“ERP不好用”只是起点。物料找不到，会导致重复录入、错误采购和库存报废。把这条因果链找清楚，才知道搜索功能该解决什么、怎样验收。

案例 08 · 工业采购 ↗

请他做一遍，观察中间卡在哪里

很多经验已经变成下意识动作，访谈说不完整。跟随一笔真实业务，看哪里等人、翻资料、搬数据和返工，比收集一张功能清单更接近问题。

案例 01 / 13 / 22 · 现场调研 ↗

选一个小场景，跑完一件真工作

城市规划从全市缩到具体单元和两条工作流。范围可以小，输入、处理、确认、交付和反馈要完整，才能知道成果是否真的可用。

案例 04 · 城市规划 ↗

把计算交给工具，把责任留给人

模型理解需求，专业算法完成装载计算，工人按指导图执行。律师、设计师和报价人员也需要看见依据，能调整结果，并承担最终判断。

案例 06 / 17 / 21 · 人机分工 ↗

把验收标准放在项目开始

高频问题可以直接成为测试集。记录上线前的耗时和错误，上线后把人工复核也算进去，再追踪释放的时间是否带来了实际业务改善。

案例 01 / 08 / 22 · 价值验证 ↗

先读《最难的工作发生在写代码之前》，或下载包含推进流程、收益核算与适用边界的完整笔记。

下载完整分析笔记 ↓

02 / 项目模板

下一次接到需求，
先填这一页。

把模糊的想法整理成可以讨论、可以试验的项目。这份模板由白牙根据案例提炼，可自行修改。

看清现状

谁遇到问题？
当前流程卡在哪里？
最终造成什么损失？

缩小试点

第一版做到哪一步？
数据与规则从哪里来？
AI和人分别负责什么？

约定验收

现在的基线是什么？
谁确认实际改善？
何时扩大、调整或停止？

下载 Markdown

展开查看与手动复制模板

# AI项目现场分析单

项目 / 日期 / 负责人：

## 先还原一件真实工作
谁在什么情况下遇到了问题：
最近一次具体实例：
现在从输入到交付，要经过哪些步骤：
哪里在等待、查找、重复录入或返工：
发生频率 / 总耗时 / 返工情况：
这个问题最终影响什么成本、收入或服务：

## 定义第一个试点
我们认为的根因及证据：
本次覆盖的对象和环节：
本次不覆盖什么：
数据来源、口径与协调人：
哪些交给现有系统或规则：
哪些交给AI：
哪些必须由人判断，异常由谁接管：
结果交给谁，以什么形式使用：

## 开始前约定怎样验收
上线前基线：
成功标准和评估周期：
正常、异常、边界测试样本：
人工复核和返工需要多少时间：
谁确认效果，怎样持续取得数据：
建设、运行和维护成本：
什么情况下扩大、调整或停止：
上线后谁维护，留下哪些流程和经验：

整理：白牙 · Baiya Lab
来源与案例：https://baiyalab.com/topics/fde
这是根据案例提炼的工作模板，不是Datawhale原书内容。

03 / 案例索引