← 案例目录DATAWHALE / FDE

案例 01 · 制造业经验传承

Datawhale原书章节 · 印刷页码 6—13 · 当前仅加载一页

Datawhale《FDE案例100》,案例01,原书第12页;下方可展开文字版

原书第 12 页 · 点击页面可放大查看

查看与复制本页文字

文字由原PDF提取,阅读顺序和表格请以原页为准。

Q6:根据你的经验,我们怎么才能更好地把AI部署到实际业务中?
做完这个项目以后,我更清楚地认识到,FDE最重要的能力其实不在“知道多少模型”
上。我更愿意把FDE理解成一个团队,团队里有人需要真正进入客户现场,判断业务问
题;有人要把需求变成能在客户环境里跑起来的东西;还需要更专业的技术人员保证架
构、性能和未来的扩展性。
但不管角色怎么分,最后做的都是同一件事,把企业模糊的问题,变成可落地、可验证
的AI解决方案,再把它真正推进到企业业务流程里。如果让我把这次项目里的经验再压
缩一下,我会总结成四点。
第一,不要从“企业想做什么AI”开始,要从“企业每天到底怎么工作”开始。
用户自己有明确需求当然很好,但即使没有明确需求,只要他的业务SOP足够清晰,我
也可以沿着流程一个环节一个环节去判断哪里适合AI。所以对企业来说,在做AI之前,
把自己的核心业务流程先梳理清楚,本身就非常重要。
第二,不要急着推翻客户已有的东西。
我做前期调研时,会先看企业现在用了什么技术栈、什么平台、什么模型,哪些东西能
够继续复用。如果已有能力能够解决问题,就尽可能沿用。FDE要做的,是找到客户成
本和业务效果之间更合适的方案,不必去证明自己的技术方案最复杂。
第三,前期发现的问题,要直接变成后面的测试标准。
这个案例里,新人高频问题在访谈结束后没有停留在报告里,直接变成了知识库测试
集。我认为这是非常关键的一步。只有这样,AI最终验证的才是“能不能解决真实业务
问题”,单纯的技术指标漂不漂亮退居其次。
第四,AI一定要进入流程,不能停在Demo里。
知识库能回答问题,只能证明技术通路跑通了。新人真的愿意学、带教师傅真的愿意
12/243