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。

这个方案其实并没有什么特别“炫”的技术。
但我反而认为这很典型：FDE要做的，是找到一个足够简单、成本足够低、又能真正解
决业务问题的方案，而未必是最复杂的技术。
第三步，是从一开始就考虑规模化，不只停留在Demo。
当时我们只落了上海几个门店，数量还是个位数。但客户整体门店规模比较大，所以我
在方案设计时就已经考虑了后续扩展的问题。
几个门店每个周期跑一次，和几百、上千个门店在接近的时间窗口里同时运行，对系统
稳定性和AI出错后的冗余要求完全不一样。
所以我们一开始就把它拆成两个阶段。
第一阶段尽可能轻量，甚至在Cherry Studio加本地电脑的情况下就可以完成；第二阶段
如果真正扩展到更大规模，就需要在后端数据和冗余机制上增加更多能力。
我比较看重这一点：轻量化不等于没有规划。可以先用最小成本验证价值，但从Day
One开始，就应该知道如果验证成功，下一步怎么走。
第四步，是尽量不给一线员工增加额外负担。
这一点其实很容易被技术团队忽略。一个新的AI工具，如果需要员工额外录入数据、重
新学习流程、增加操作步骤，那么员工看到的首先是“我又多了一件事”。
所以我们尽量让AI出现在原有流程里面，不让员工重新建立一套流程。最终员工拿到的
是已经经过第一轮处理的结果，无需再维护一个自己的系统。
我觉得这也是AI真正落地时一个很重要的细节：不要让用户先看到自己的投入，再等待
未来的收益；尽量让他第一时间感受到收益。
99/243