@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。……”

X AI KOLs Timeline 新闻

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。

“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。 业务知识的积累很慢。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执行很快。一个经验丰富的运营团队只需几个月就能掌握agentic工具、评测(evals)和模型编排。 我们却在以巨大成本运行更困难的知识迁移,并将其误认为是进步。” - Praveen Jonnala,Vistance Networks首席信息官 从Varick的每一个落地项目(财务、运营、HR,无一例外)来看,我都深表认同。 那些特例往往只存在于某个人的脑子里。比如某个供应商始终对着几个月前就已关闭的采购订单(PO)开票,或者某位客户的付款条款是在一通电话里改的、却没人更新ERP。这些细节从未成文,也不是你作为AI工程师在为期6周的项目中就能掌握的。 反过来看,我们见过财务总监和应付账款经理在短短几周内就学会阅读评测结果,并写出规则来改进智能体的输出。 因此,当我们进入一家公司实施AI时,会从工作流的运营人员入手。我们的工程师与他们坐在一起,摸清工作流的每一个角落和细节,将其转化为智能体可用的规则,然后在离开前培训这些运营人员接管智能体的管理工作。 如果你有兴趣在自己的公司推进这类AI转型,请在下方预约通话。
查看原文
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…

X AI KOLs Timeline

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。