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

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