← 案例目录DATAWHALE / FDE

案例 14 · 国企工作流程

Datawhale原书章节 · 印刷页码 135—144 · 当前仅加载一页

Datawhale《FDE案例100》,案例14,原书第143页;下方可展开文字版

原书第 143 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。

如果让我把这两年的经验压缩成几句话,我现在最看重的,其实是怎么把下面这几件事
做好,Agent本身反而排在后面。
第一,先判断问题,再选择AI。
不要为了AI而找场景。一个问题值不值得做,要同时看价值和可行性。技术做不到的不
要硬做,做出来没有价值的也不要做。
第二,先把业务流程讲清楚,再谈Agent。
很多人一上来就问:“这个场景能不能做个Agent?”我的答案通常是:先别急。
先问这个岗位到底是怎么工作的。把隐性的经验、判断和流程拆出来。因为企业里的很
多流程,业务人员自己已经习惯到感觉不到它存在了,但AI必须知道这些东西。
第三,不要把FDE简单理解成一个“产品经理+全栈工程师”。
现在回头看,FDE真正的价值,是打通业务和技术之间的鸿沟。FDE可以是业务人员往
技术方向发展了一点,也可以是技术人员往业务方向走了一点。但这个岗位对于人的要
求其实很高。
以目前的现实来看,当前一个成熟的FDE交付团队,仍然需要分工。有人负责业务咨
询,有人负责知识萃取,有人负责培训,有人负责技术开发,各司其职。
第四,中大型企业的AI落地一定是一号位工程。
如果老板只是说一句“我们要AI化”,然后把事情扔给IT部门,最后很容易变成一个技术
项目,最后大概率面临失败。
但真正进入业务以后,人事、业务负责人、团队负责人甚至一号位都需要参与进来。因
为AI最终改变的,是组织的协作和工作方式。
第五,最终目标是让企业自己长出AI能力。
143/243