← 案例目录DATAWHALE / FDE

案例 19 · 消费品研发与包装

Datawhale原书章节 · 印刷页码 185—195 · 当前仅加载一页

Datawhale《FDE案例100》,案例19,原书第193页;下方可展开文字版

原书第 193 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。

条提效提质的东西,比如电商视频编导、考勤自动清洗等等工具。
我把这次的效果理解成三层:第一层是降本增效,第二层是提高决策质量,第三层是把
个人Know-how变成组织能力。
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?
其实非常多,而且很多都是我们必须踩的坑。
第一个挑战,是从承接问题,到定义问题。
能交给AI解决的问题,未必都值得做。一个适合FDE落地的问题,至少要同时满足几个
条件:它必须是业务同学真实存在的问题,必须有业务价值,而且解决之后最好能够找
到可以衡量的指标。这几个条件同时成立,其实非常难。
第二个挑战,是从构建软件系统,到定义组织系统。
最开始我们是承接需求的人,对方提出需求,我们负责解决。但做着做着就发现,这个
逻辑会让项目没完没了。因为业务方不可能把一个需求完整、准确地定义出来,更不可
能期待AI稳定地100%满足一个没有边界的需求。
因此,我们认为FDE本质上是在和老板、中层、业务同学,一起共同搭建一个AI和人协
作的组织系统,并被套一个软件系统,又拆成了三步:
第一,共同梳理业务流,从组织目标,到价值链,到岗位,再到输入输出,最后找到这
个岗位可以由AI帮助完成什么。可能给老板相对完整的问题和解决方案,然后再一起为
这些问题进行价值排序。
第二,共同搭建系统的雏形,我们通过工具和认知的培训,让业务同学一起参与Build,
业务方自己知道哪些知识是重要的,哪些上下游需要调用他的知识库,什么样的Skill才
能真正符合他的工作方式。
193/243