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

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