← 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175页;下方可展开文字版

原书第 175 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。

业AI转型必须是一把手工程,老板必须真正认可,并且愿意自上而下推动。
这个项目里,我们会在立项前就和老板、项目相关方讨论生产力释放之后怎么办,方向
是让省下来的时间转向更有价值的业务,简单裁人从来不是选项。最终这家企业确实重
新调整了相关人员的工作安排和KPI。这件事让我更加确信,AI落地的最后一道关,往往
是组织架构的调整和转型。
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?
做了几个项目之后,我的一个坚定判断是,FDE真正的功课,是让AI变成企业业务的一
部分,把它装进企业只是开始。这里面有几条经验对我比较重要。
第一,判断场景,先看它卡住的是不是企业最稀缺的人。
选场景的起点应该是业务瓶颈,模型能力排在后面。报价这个场景之所以值得做,正因
为看图纸、拆需求这些重复劳动占满了老师傅和技术骨干的时间,而他们对工艺、材料
和可行性的判断,恰恰是企业最难复制的能力。
至于怎么筛,前面提过的三个条件,知识密集、有历史数据、瓶颈明确,缺一不可;用
普通自动化就能解决的事,也不必硬套AI。
第二,别只盯着一个AI功能,要看完整业务链路。
如果我们只做图纸识别,这个项目的价值其实很有限。识别只是入口,价值来自识别之
后那条已经拆开的链路能不能整体跑通。所以FDE要看的是端到端的业务流程,一个孤
立的模型节点撑不起业务价值。
第三,数据治理本身就是项目的一部分。
很多人觉得企业把数据准备好之后,我们再来做AI,现实里往往相反,尤其是中小企
业,进去之后很可能会发现数据本身就是乱的。所以数据清洗、结构化、业务规则还
原、经验沉淀,本身就是FDE必须参与的工作,把它当成前置准备工作会低估它的分
175/243