← 案例目录DATAWHALE / FDE

案例 10 · 零售对账

Datawhale原书章节 · 印刷页码 95—104 · 当前仅加载一页

Datawhale《FDE案例100》,案例10,原书第100页;下方可展开文字版

原书第 100 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。

Q4:相比传统方式,使用AI后的实际效果如何?
最直接的变化,是时间从“人天”变成了“小时”。
图1:Cherry Studio 在项目里提供 Agent 能力,我们也单独构建了一套用户友好的前端交互与 Agent
链接层
过去一个周期可能要花一两个人天,甚至因为反复核对而把周期拉得更长。现在整个过
程压缩到几个小时,员工只需要处理真正需要人工判断的部分。
但如果只把它总结成“省人工”,我觉得还是低估了这个项目。
真正让我觉得意外的是,AI把原来被人工流程掩盖的问题暴露了出来。在实际数据里,
有的门店差异在一两个百分点,有的能达到两三个百分点。这里面既有少收,也有多
收,最终需要看净差异。但对于一家线下零售企业来说,即使只有一两个百分点,如果
落到纯利层面,也已经是一个非常大的数字。
所以这个项目给我的一个很大启发是:AI的价值有时候在于,让企业终于有能力把过去
因为成本太高而放弃的事情重新做起来。现在核对成本降下来了,那部分被放弃的价值
就有机会重新捡回来。
100/243