← 案例目录DATAWHALE / FDE

案例 17 · 非标制造报价

Datawhale原书章节 · 印刷页码 165—176 · 当前仅加载一页

Datawhale《FDE案例100》,案例17,原书第173页;下方可展开文字版

原书第 173 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。

我认为这种方式比一次性开发完成再宣布上线可靠得多。
Q4:相比传统方式,使用AI后的实际效果如何?
这个项目刚上线的时候,并没有立刻达到理想状态,前两个月一直处在磨合和微调阶
段。因为我们最终看的,是这个结果能不能真正被企业拿去报价,模型能不能输出一个
结果反而是次要的。
目前来看,整体效果已经比较明显,至少能减少50%以上的相关工作量。但如果只把
“节省50%工作量”当成全部价值,还是低估了这个项目。
我们内部评估效果,会看几个层面。第一是响应速度,原来人工完成一套报价要多久,
现在通过这套流程要多久;第二是报价结果本身的可用性和准确率;第三是前面图纸解
析的准确率;最后还是要回到第四层,它到底给企业运营带来了多少价值。
这里发生了一个很有意思的变化。原来这项工作可能需要3到5个人参与,AI介入以后,
一部分重复劳动可以由系统完成,实际需要投入的人力明显减少。企业并没有简单地把
剩下的人裁掉,这家企业本身处在上升阶段,老板希望做的是把人的生产力释放出来。
原来业务人员很大一部分时间耗在看资料、整理需求、反复核对这些事情上,这部分时
间省下来之后,他们可以回到本来的业务工作,去联系更多客户、谈更多项目、接更多
订单。企业随后也会相应调整这些岗位的KPI和职责,让考核更偏向真正的业务价值。
所以我理解的降本增效,核心是原来5个人的大量时间被低价值重复劳动占用,现在把
其中一部分生产力释放出来,让人去做更需要判断、沟通和创造价值的事情。这才是AI
真正进入业务流程之后应该产生的变化。
Q5:在部署AI过程中,是否遇到了新问题或挑战?你是怎么解决
的?
173/243