← 案例目录DATAWHALE / FDE

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

Datawhale《FDE案例100》,案例08,原书第82页;下方可展开文字版

原书第 82 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。

果,而且计算出来的业务价值还需要客户自己的业务人员确认。只有客户说出那句
“对,这笔钱确实是因为这个应用被节省下来了”,我们才认为价值真正成立。
所以相比过去,这个案例最大的变化,是把原来“大家都知道有问题,但没人知道问题
值多少钱”的状态,变成了一个可以被发现、被干预、被持续衡量的经营问题。这正是
我理解的AI落地和AI演示之间最大的区别。
Q5:在部署AI过程中,是否遇到了新问题或挑战?你是怎么解决
的?
这个项目真正困难的地方,其实大部分都不在模型本身。
第一个挑战,找到真正的问题需要很长时间。
我们花数月去理解一个看起来和AI没有太大关系的ERP业务流程。对很多工程师来说,
这可能是最难接受的部分,大家更习惯客户给需求、自己写代码。但FDE不一样,很多
时候客户自己都不知道真正值得AI解决的问题在哪里。你必须坐下来理解采购怎么做、
仓储怎么做、数据怎么录、不同部门之间怎么协作,不做这些“脏活累活”,后面的AI很
可能只是在错误的问题上做得更漂亮。
诊断要深,客户对价值的期待又来得快。如果前面已经花了很长时间做业务梳理,进入
实施以后再连续几个月看不到结果,组织很容易失去耐心。所以我们会刻意从容易证明
价值的场景开始,先让业务部门看到有效,再逐步扩大。
第二个挑战,跨部门协调难。
这个案例涉及十几个团队,每个团队职责不同,诉求也不同。有些AI应用甚至会改变部
门之间原来的工作流程,因此天然可能产生冲突,而且很多冲突不会在会议上直接说出
来。所以我们会做多轮讨论,不仅开大会,还会提前和不同利益相关方单独沟通,把这
些没说出口的顾虑提前化解。
82/243