案例 17 · 非标制造报价

文字由原PDF提取，阅读顺序和表格请以原页为准。

再回到企业自己的物料和规则库里做匹配，每一单都经过人工校准才对外输出。
第四步，是把老师傅的经验变成企业的数据资产。
企业原来的很多工艺知识都存在人脑里。AI介入之后，我们开始把这些知识逐步标准
化、流程化，哪些物料怎么映射，某类需求通常走什么工艺路线，报价时有哪些判断逻
辑，都可以逐步沉淀下来。同时我们设计了人工校准和回填机制，AI第一次给出的结果
不一定完全正确，业务人员会修改，修改完之后就把这次修改重新沉淀到数据、向量数
据库或者相关模型里。
这样就形成一个数据飞轮，AI生成、人工校准、数据回填、下一次结果更好。
第五步，是不等所有需求都搞清楚再开发。
前期调研不可避免，我们也会深入现场、开很多次会，但我一般不会等所有信息都完全
掌握之后，再关起门来做几个月。我的方式是边干边改，客户给我一部分输入，我就先
给他阶段性产出，可能是Demo、一个流程，也可能是某个功能，让他先看是不是这个
意思、这个东西到底能不能解决他的问题，客户反馈之后我们继续调整。整个过程中可
能来回几次，甚至十几次。
B端项目有一个很现实的问题，有时客户自己都不知道自己真正需要什么，FDE不能只记
录需求，还要不断拿阶段性结果去帮客户澄清需求。
第六步，是先让关键人试用，再逐步推广。
产品做到可以运行之后，我们不会马上让所有人用，先找关键人试，让最懂业务的人拿
真实订单跑，发现问题再修改；接下来再让一个业务小组试运行，这个阶段仍然不断收
集问题。这个项目里试运行周期大概是1到2个月，我们围绕几个真实订单不断验证，同
时继续调整需求。等到结果基本可用，再做部署、数据集成、启动会和全员培训，最后
逐步扩大到整个部门。
整个推广路径就是关键人试用、业务小组试点、真实订单验证、反馈调整、部门推广。
172/243