@vasuman:“我们花数百万让AI专家去学业务,却应该派业务运营人员去学AI。……”
摘要
一篇关于企业AI落地策略的观点帖,主张与其花重金让AI专家学习业务,不如让业务运营人员快速掌握AI执行能力,并分享了从工作流操作者入手实施AI转型的实践经验。
查看缓存全文
缓存时间: 2026/10/18 09:09
“我们正花费数百万美元让 AI 专家去学习业务。我们应该做的是把业务人员送去学习 AI。
业务知识的积累是缓慢的。我花了大半个职业生涯,才凭直觉知道在营运资金和库存方面该如何取舍。
AI 落地是快速的。一支经验丰富的运营团队可以在几个月内掌握 agentic 工具、评估(evals)和模型编排。
我们正在以巨大的成本完成更艰难的知识转移,却误以为那就是进步。“
—— Praveen Jonnala,Vistance Networks 首席信息官
从 Varick 以往的每一个实施项目来看——财务、运营、HR,所有领域——我都能印证这番话。
例外情况往往只存在于某个人的脑子里。比如某个供应商一直针对一张几个月前就已关闭的采购订单(PO)开票,或者某个客户的付款条款是在一通电话里改的,但没有人去更新 ERP。这些细节从来没有被记录下来,而作为一名 AI 工程师,你也不可能在为期 6 周的项目周期内摸清这些情况。
反过来,我们见过财务控制官和应付账款(AP)经理在短短几周内就学会了读懂评估结果,并写出能改进 agent 输出的规则。
因此,当我们进入一家公司实施 AI 时,会从某个工作流的业务操作人员开始。我们的工程师会和他们坐在一起,了解工作流的每一个角角落落,将其转化为 agent 可以执行的规则,然后培训这些操作人员,在我们离开后继续管理这些 agent。
如果你想在自己的公司推动这类 AI 转型,请在下方预约通话。
相似文章
@ba_niu80557: 趁上午有点时间给大家聊点硬的干货。 一个 AI 落地项目,从签完合同到真正跑进生产,这中间到底发生了什么,我把这套打法摊开讲一遍。做这行的可以照着抄,不做这行的也能看明白,为什么 95% 的企业 AI 试点最后都死了。 先说一个反直觉到你…
这篇文章讨论了企业AI项目从概念验证到生产部署过程中常见的失败原因,强调了MLOps、提前检查真实数据、明确人机边界等关键实践,认为项目失败往往不是因为模型不行,而是因为工程落地环节的忽视。
@vasuman:我们曾在全球最大的企业内部深耕多年,深入理解将 AI“落地”的微妙之处。我将我们的发现浓缩在了下文中……
作者分享了在大型组织中多年落地 AI 的经验总结,推荐给所有正在复杂企业中实施 AI 的人。
@levie: 如果你正在考虑企业中的AI应用,这是一篇很棒的文章。这篇文章的标题是关于哪些公司拥有巨大的…
这篇文章讨论了企业中的AI转型需要改变底层工作流,并针对业务流程部署代理,而不仅仅是向最终用户推出工具。它强调深厚的领域专长、数据组织和全面的投资回报率评估。
@vasuman: https://x.com/vasuman/status/2070629226664153173
文章认为,企业AI采用失败的原因在于公司添加了员工必须学习的新工具,而不是将AI嵌入现有工作流程,自动达成业务成果,且无需改变员工行为。
@leslieloser_: 有幸和江浙沪最会做ai 改造的 @Zhm20220917 见了一面聊几小时,愈加确定下面几个事情 --AI 时代,更接近生产端,懂产业的人,会吃到初创企业的巨大红利,懂ai 和边界,占 20%,懂生产,懂产业,占 80% --小团队拒绝创…
文章分享了关于 AI 时代创业红利的见解,强调懂产业和生产端比懂 AI 技术更重要,企业更关注实际解决问题的能力而非模型本身。