FDE100案例 浙江篇

FDE案例集记录了AI在真实世界创造价值的实践，展现了FDE如何走进企业、理解业务、解决问题，并将技术转化为产业价值。案例涵盖了公共管理、交通运输、技术服务、批发零售、文化娱乐、制造等多个行业，展现了AI在报价、排产、知识管理、内容生产、经营分析等场景中的应用。

核心观点：

• AI落地不仅是技术问题，更是业务与组织的问题。FDE需要走进现场，连接技术与业务，与企业共同探索。
• AI落地标准答案并非重点，更重要的是理解AI如何在不同产业环境中发生，以及如何从一次项目实践逐渐成为企业自身的能力。
• 许多有价值的探索往往就是从一个很小的问题开始的，FDE需要关注业务流程中重复发生、影响效率、成本或服务质量的问题。

关键数据和研究结论：

• 案例集中的项目涵盖了多个行业，包括公共管理、交通运输、技术服务、批发零售、文化娱乐、制造等。
• AI应用场景包括报价、排产、知识管理、内容生产、经营分析等。
• FDE在AI落地过程中扮演着重要角色，需要具备业务理解、技术能力和项目管理等多方面能力。
• AI落地需要关注组织能力建设，包括知识萃取、流程梳理、制度适配等。
• AI落地需要建立可评测、可追溯、可逐步上线的机制，并持续迭代优化。

FDE工作方式：

• 先进入现场，理解业务流程，找到真问题。
• 从一个小切口进入，建立信任，获得观察业务的机会。
• FDE必须长期靠近现场，持续观察和沟通。
• 不要只把AI做成一个工具，要把它嵌进业务流程。
• 组织能力往往比技术能力更决定项目成败。

案例启示：

• AI可以进入越来越多的真实工作流程，从报价、排产、材料审核，到知识管理、内容生产与经营分析。
• AI落地需要关注数据权限、人机协作边界、组织协同等问题。
• FDE需要具备业务理解、技术能力和项目管理等多方面能力。
• AI落地需要建立可评测、可追溯、可逐步上线的机制，并持续迭代优化。
• AI落地需要关注组织能力建设，包括知识萃取、流程梳理、制度适配等。
• AI落地需要建立可评测、可追溯、可逐步上线的机制，并持续迭代优化。