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。

续追下去，你才会发现，“搜索不好用”一路追到底，最后落到了真实的财务损失上。
FDE需要一直追问，为什么，然后呢，这件事最终影响了什么，直到找到能够和业务结
果连接起来的根因。
第三，优先选择能证明价值的用例。
一个AI场景值不值得做，我会同时考虑数据获取难度、系统集成难度、AI可行性、业务
复杂度、用户接受程度和潜在价值，最酷的往往先放一放。一开始尤其应该选择能够快
速产生结果的场景，因为早期的结果不仅是技术验证，也是建立组织信心的过程。
第四，把ROI定义放在项目开始。
很多AI项目上线之后才开始问，这个东西到底创造了多少价值，这时候往往已经晚了。
我们会在一开始就问清楚，如果这个问题解决了，企业一年能减少多少损失，这个数字
怎么算，数据从哪里来，最后谁来确认。这样到项目结束的时候，我们拿客户认可的业
务结果证明自己，模型指标只是过程参考。
第五，先标准化的应该是方法，产品可以先放一放。
我并不反对标准化产品，但现阶段AI技术变化太快。如果一开始就想着把某个功能沉淀
成一个标准产品，再拿着它去找下一批客户，很容易又回到老路上。
相比之下，我更看重可以复用的方法论。怎么做问题发现，怎么做根因分析，怎么判断
用例，怎么定义ROI，怎么做小规模实验，怎么和业务部门一起验证，怎么持续衡量。
这些东西，比某一个具体的AI功能更值得沉淀。因为下一个客户的ERP可能完全不同，
业务流程也可能完全不同，但解决问题的思维方式是可以复用的。
所以如果让我用一句话总结这个案例，我会说，FDE真正的工作，是先深入业务，把一
个模糊的抱怨还原成一个可以解决、可以验证、可以计算价值的问题，再决定AI应该出
现在哪里。
这个案例最后落地的是数据清洗和语义检索，但真正创造价值的，在于我们花了足够长
84/243