← 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194页;下方可展开文字版

原书第 194 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。

第三,才是FDE介入工程化,去让单次执行更稳定,或是和现有软件系统对接起来,再
或是在此之上快速搭建新的软件系统,流程SaaS、插件甚至多维表都只是这些能力的表
现形式。
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?
第一,先解决人的问题,再解决技术问题。
现在大模型、Skill、知识库、Workflow这些东西越来越容易获得,真正难的是一个组织
到底应该怎么用它们。
我把FDE的工作理解成“AI HRBP + AI架构师”。AI架构师负责底层系统怎么搭,知识
库、Skill、Workflow以及各种Agent怎么连接,怎样让它们最终进入真实业务流程;AI
HRBP负责搞清楚这个组织到底有什么问题,不同角色在做什么,他们为什么这么做,
哪些经验应该被沉淀,哪些事情应该交给AI,哪些事情必须留给人。
第二,用“点—线—面”把组织梳理清楚。
我们和甲方一起迭代出了一套“点—线—面”的方法。
面,是组织最终创造什么价值。先看公司的战略目标,以及它最终到底靠什么创造价
值。
线,是组织内部的一条条价值链。把战略目标拆成具体的业务流程,看看价值是怎么一
步步产生的。
点,是每一个岗位。一个人在这条价值链上到底承担什么角色?输入是什么?输出是什
么?哪些事情是他的Know-how?
当这三层梳理清楚以后,AI应该放在哪里,反而会变得比较清楚。
第三,技术复用,人的部分个性化。
194/243