案例 08 · 工业物料与采购

文字由原PDF提取，阅读顺序和表格请以原页为准。

第三个挑战，技术能做，落地却难。
比如数据能不能拿出来，老ERP能不能让我们把处理后的数据写回去，业务部门是否允
许我们触碰现有系统，最终用户愿不愿意相信AI结果。这些问题任何一个解决不了，用
例都有可能失败。所以我们在正式构建之前，就会从多个维度给不同场景打分，AI能不
能实现只是其中一项。
上线之后，事情同样没有结束。项目最终要移交给业务部门，由他们决定是否真正采
纳。上线以后还要继续看，运行一段时间之后效果还在不在，和项目启动时定义的目标
相比有没有变化，如果效果下降，原因是什么，是不是还需要继续优化。
FDE不能是“东西做完、钱到账、人撤走”。如果业务部门最终不用，或者三个月之后效
果消失了，那这个应用就不能算真正落地。整个交付因此会反复回到问题诊断、范围选
择和验证环节，很难一条直线走到底。
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？
做完这个案例以后，我更加确信，FDE最重要的能力，在于找到真正值得解决的问题，
快速做一个AI应用反而排在后面。我会总结成几个原则。
第一，不要拿着AI去找问题，要先进入业务现场找问题。
很多人做AI应用的方式，是手里有一个Agent、有一个RAG、有一个工作流产品，然后
去问客户，你这里有没有什么场景能用。这很容易变成拿着锤子找钉子。我们更希望反
过来。
先长期跟客户接触，理解业务，做问题发现，再判断这个问题应该用生成式AI、传统机
器学习，还是根本不应该用AI。AI技术只是手段。
第二，不要停留在用户提出的表面需求，要一直追到根因。
业务人员说“ERP不好用”，这不是一个问题定义。他说“搜索不好用”，也还不是。继
83/243