案例 10 · 零售对账

文字由原PDF提取，阅读顺序和表格请以原页为准。

这个需求听起来非常顺：先批改，再给分，再分析，然后根据学生情况推题；题目还来
自学校自己的题库。
但真正拆开以后，问题非常复杂。
比如准确率到底要多少？批改时效要求是什么？哪些科目？批改频率多高？题库需要结
构化到什么程度？推题有什么规则？学生一道难题做错之后，是应该降低难度，还是继
续围绕同一个知识点给他更难的题？人工到底在哪个环节介入？
这些问题如果前期没有问清楚，后面就会不断出现需求变化。
以前软件工程时代，这叫产品经理需求没定义清楚，研发不断返工；到了AI时代，本质
没有变，只不过后面的“返工成本”还可能直接表现成大量Token消耗和交付成本。
所以现在我们做FDE，会比以前更谨慎。技术调研要认真做，方案调研要认真做，业务
调研也要认真做。
第三个挑战，是组织和责任边界没有提前对齐。
AI项目很容易被理解成“老板想要、FDE来做、一线员工来用”。但实际上老板、中层、
一线员工关注的东西完全不一样。如果前期没有把每个层级的目标、预期、能力边界和
责任讲清楚，最后很容易出现“做得不好就是FDE的问题”。
所以我现在越来越强调一件事情：不仅要和老板对齐，还要和涉及项目的不同层级分别
对齐。
谁负责什么，谁投入什么，做到什么程度算成功，AI出问题之后谁判断、谁处理，都应
该尽可能在前面讲清楚。
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？
如果让我把这次经历总结成几个最基本的原则，我反而不会先讲模型、Agent或者工作
102/243