案例 08 · 工业物料与采购
Datawhale原书章节 · 印刷页码 76—85 · 当前仅加载一页

原书第 77 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。
Q1:作为FDE,你应用AI的具体场景是什么?在这个场景下遇到的 具体问题长什么样? 这个案例的客户来自海外。坦白说,我们第一次去客户现场之前,并不知道最后要做什 么。虽然前面已经有过几轮沟通,但当时没有一个预设答案,客户到底需要大模型、 Agent,还是其他AI能力,谁都不确定。 所以我们没有带着现成产品进去,而是先做了一件看起来很“慢”的事情,访谈。前期 对整个客户的业务摸排持续了很长时间,我们跟不同部门沟通,理解组织架构、业务流 程,也观察不同业务人员对AI的态度。真正进入这个具体案例之后,我们又围绕ERP及 其上下游团队进行了持续数月的深入访谈。 这家企业属于工业场景,需要管理大量机械设备、物料和资产。小到一副手套、一颗螺 丝钉、一副耳塞,大到一辆卡车、一个机械臂,都需要进入ERP数据库。跟这套数据库 发生交互的团队大概有15个,有人负责录入,有人负责采购,有人负责合同,有人负责 仓储。 我们把这些团队一个个访谈下来,发现一个非常有意思的现象,几乎所有部门都在抱怨 同一件事情,ERP不好用。但“ERP不好用”还不能算一个可以直接交给工程师解决的问 题。于是我们继续追问,到底哪里不好用,平时是怎么操作的,问题发生在哪一步。 有时候我会直接坐在业务人员旁边,看他实际怎么工作。因为很多问题,如果只在会议 室里问,是问不出来的。访谈结束之后,我们自己还会继续研究和拆解,去做根因诊 断。 这个过程做下来,我们最后梳理出大约15个可以进一步处理的功能点,其中两个问题非 常典型。第一个是数据不干净。第二个是搜索能力非常弱。 客户使用的是一套比较老的工业软件。今天大家已经习惯了淘宝、京东、亚马逊这种搜 索体验,输入自己想找的东西,很自然就能得到结果。但在这套工业ERP里,搜索没有 这么顺畅。 77/243