为什么:降本/提效/增收/合规?只能选最多两项。
在哪儿:选单一流程节点(如对账、巡检、质检、客服)而非“全域智能”。
谁负责:业务负责人(PO)挂帅,数据/IT/合规并肩,明确验收口径。
等级 | 定义 | 成本 | 回报周期 | 示例 |
---|---|---|---|---|
L0 可视化 | 报表/看板 | 低 | 1–4周 | 产线OEE、库存周转 |
L1 自动化 | RPA/脚本/规则引擎 | 低–中 | 4–8周 | 发票录入、对账、批量制单 |
L2 智能辅助 | LLM+检索/表单理解 | 中 | 4–12周 | 合同要点提取、工单分流 |
L3 决策增强 | 传统ML/优化+人审 | 中–高 | 8–16周 | 需求预测、产能排程建议 |
L4 数据产品 | API/插件化能力对外 | 高 | 3–6月 | 客户自助查询、生态接口 |
原则:L1→L2→L3逐级上楼;每级必须有可量化指标。
文档理解:合同要点/条款差异比对、投标文件查重、发票/送检单识别
客服/内部助理:知识库检索答疑、工单归类与建议回复
财务:对账凭证生成、费用报销初审、票据合规校验
供应链:到货异常判定、ASN核对、缺件预警文案自动生成
制造:质检描述规范化(缺陷→标准码)、设备日志摘要→维保建议
安环质:制度问答、隐患库检索、整改单模板
销售/售后:销售周报自动草拟、售后问题聚类与FAQ更新
人资:JD自动生成、候选人问答、入职材料校验
选择标准:重复高/规则多/容错低/文本密集的流程节点。
维度 | 权重 | 提示 | 分 |
---|---|---|---|
业务价值 | 30 | 可带来节省人时/减少错误/缩短周期 | /30 |
可行性 | 20 | 数据可得、接口可调、规则清晰 | /20 |
风险与合规 | 15 | 无敏感/可做匿名化、可审计 | /15 |
覆盖面 | 15 | 影响用户/单据/订单体量大 | /15 |
交付周期 | 10 | ≤8周可出原型 | /10 |
维护成本 | 10 | Prompt/规则可配置,迭代成本低 | /10 |
总分 | 100 | ≥70立项 | /100 |
数据层:业务库/文件→ETL/ELT→数据仓+对象存储;敏感字段脱敏/哈希化
检索层:向量库(文本/表格)+ 关键词索引(并存,避免召回盲点)
模型层:
结构化任务:规则/传统ML(树、回归)
文本/多模态:RAG(检索增强生成)+ 工具调用(函数/插件)
编排层:Workflow/Orchestrator(审批、重试、补偿)
服务层:API/内嵌于现有系统(ERP/PLM/MES/CRM)
治理:审计日志、提示词与知识版本、A/B、反馈回流
口令:先检索后生成,先规则后模型,能本地不出网。
最小化:仅拉取必要列;传给模型只传片段+指纹
可审计:请求/上下文/模型版本/输出全留痕
可复现:提示词(System/Task)与知识快照有版本
对齐:红线词/敏感域拦截;拒答策略与替代流程
存储策略:模型不留用业务数据;落盘前脱敏/加密
人审闭环:高风险场景(合同/财务/合规)必须“人审后生效”
System(固定)
你是企业内控助手。严格以提供的资料为准;未知即“不知道”并给出升级路径。输出:结论→依据→可执行下一步。
Retriever(检索)
query=用户问题→关键词+向量并行召回→去重→按相似度+新鲜度排序→Top K(含来源页码/URL/段落ID)
Task(可变量)
结构化输出:
复制编辑请从【上下文】提取:{字段1, 字段2, …}。 若缺失,填“未知”,不要猜。附上引用片段ID。
护栏
若要求法律/财务承诺→回复“需走审批”,并@角色
若出现PII/商业机密→拒答并给“合规提单链接”
效率:平均处理时长 ↓、自动完成率 ↑、人工复核占比 ↓
质量:准确率/召回率/一致性、误报/漏报、投诉率
业务:回款周期/坏账率/交付周期/直通率
成本:人时节省、外包减少、模型调用费/千字
验收必须包含基线对照与盲测集(至少两周数据)。
D1–D7(选场景+封盘)
用第4节打分表选1–2个场景;产出SOP与验收标准
数据清单与权限开通;搭检索+RAG骨架;出假数据样例
设红线与拒答策略,接入审计日志
Week 2–4(原型→试点)
连业务系统API;做A/B(人工 vs AI+人审)
每周复盘:错误Top10→补FAQ/模板/规则
选小组用户10–30人灰度;跑两周盲测并对账
Day 90(小范围上线)
上线到单业务单部门;指标达标即扩域
输出《AI运行手册v1》(变更/回滚/审计/应急)
立项第二个场景(可共用的数据与流程优先)
makefile复制编辑年化收益 ≈ 节省人时×人力成本 + 错误减少×单次损失 + 周期缩短×现金流收益 年化成本 ≈ 模型/向量库调用费 + 算力/存储 + 开发与运维 + 数据标注/治理 ROI = (年化收益 - 年化成本) / 年化成本 回本月数 ≈ 部署总成本 / 月净收益
业务PO(负责人):定义目标/验收
数据工程:接数/建模/脱敏
ML/LLM 工程:RAG/评测/推理加速
Prompt/流程设计:模板/护栏/可配置化
安全与合规:审计/留痕/授权
运维/产品:监控/迭代/反馈闭环
支持本地部署/专有云?数据是否不出域?
有审计日志与提示词版本管理吗?
RAG:是否支持混合检索(向量+BM25)与新鲜度排序?
函数/工具调用与工作流编排能力?
安全:PII识别、红线词拦截、输出水印/可追溯?
评测:内置评测集/可自定义基准?
多模态:表格/图片/图纸/票据识别能力?
吞吐与SLA:并发/时延/降级与重试策略?
成本透明:计费粒度、峰谷策略、上限保护?
向量库:冷热分层、压缩、去重、治理工具?
模型生态:可换模型/混合调用?迁移成本?
集成:现有ERP/MES/PLM/CRM对接方式(SDK/API/中间件)?
权限:与企业SSO/SCIM对齐?
灰度与回滚:版本发布策略?
退出机制:停用后数据与知识库如何导出?
一上来就“全域AI”→ 先抓一个流程节点,两月出结果。
只上模型,不改流程→ 设人审+回流,把知识与模板沉淀到系统。
RAG只用向量→ 加关键词索引+新鲜度,并做来源展示。
幻觉无兜底→未知即不知道+升级/人审路径。
数据脏乱差→ 立数据字典/字段定义与采集改造,否则越用越乱。
隐私合规滞后→ 上线前把脱敏/日志/授权一次做全,别边跑边补洞。
A|用例立项卡
markdown复制编辑业务目标:_____ 指标:效率__/质量__/成本__ 范围:系统__/流程节点__ 数据:来源__/字段__/权限__ 产出:SOP、模板、知识库范围 验收:基线__ 目标__ 观测周期__ 风险与人审口径__
B|LLM 护栏清单
swift复制编辑□ 未知即“不知道”并给升级路径□ 所有回答带“来源/片段ID”□ 含PII/商业机密→拒答+引导合规流程□ 高风险场景强制人审□ 日志:请求/上下文/版本/输出全留痕□ 提示词/知识库有版本与回滚
传统行业做AI,赢在小场景快闭环:L1自动化先落地→L2智能辅助可用→L3决策增强可衡量。遵循**“先检索后生成、先规则后模型、可审计可回滚”的工程纪律,用7/28/90路线推进,你就能把AI从“试试水”变成稳定产出的业务能力**。
版权声明:本文由三香网发布,如需转载请注明出处。