得物 AI 实战工作坊
财务、内审等团队使用 AI 的熟练程度不同,哪些任务能用个人工具处理、哪些需要公司系统支持,大家还分不清。
根据财务、内审等团队的使用基础分层讲解与实操,围绕岗位任务练习 AI 的使用方法,并说明适用范围、数据安全要求与人工核验方法。
从真实业务问题出发,通过场景诊断、落地陪跑、团队赋能与智能体定制,帮助企业把 AI 真正嵌入业务流程。
面向组织、业务流程与项目落地
让员工带着真实工作任务来,现场用 AI 做出能直接用于业务的成果。把重复工作交给 AI,推动高频任务提效,并将个人用法沉淀为团队可复用的工作方式。
在企业投入大量资金、人力之前,系统诊断经营目标、业务流程、岗位任务、数据系统和组织条件等。 找出真正值得优先投入的 AI 场景,评估价值、成本、风险和可行性,形成首批试点方案,避免出现路径性错误,造成大量资金损失、扰乱现有业务。
让买来的 AI 工具真正被员工用起来,让已上线的项目进入业务流程,把零散的个人提效变成团队效率和业务产能。我们持续参与关键决策与推进,帮助企业把 AI 投入转化为实际成果。
把企业的知识、经验和业务流程,变成真正能干活的 AI 智能体。让智能体接手重复工作、处理真实业务任务,帮助团队提升效率、扩大业务处理能力。
从真实项目了解我们的交付
财务、内审等团队使用 AI 的熟练程度不同,哪些任务能用个人工具处理、哪些需要公司系统支持,大家还分不清。
根据财务、内审等团队的使用基础分层讲解与实操,围绕岗位任务练习 AI 的使用方法,并说明适用范围、数据安全要求与人工核验方法。
处理发票、查制度、做经营分析时,想用 AI 帮忙,却不知道具体怎么用,也担心数据传出去是否安全、生成的结果是否准确。
围绕发票信息提取、制度查询和经营分析进行案例演示,结合工具实操与综合练习讲解使用方法。
做企业调研和贷后检查,客户资料散在不同文件里,每次都要重新找、重新整理,再逐项核对。
沿对公业务流程,围绕企业调研、跨表核对和贷后检查开展演示与岗位实操。
想用 AI 改善经营,但销售找项目要反复检索信息,报价依赖经验和分散表格,集团经营数据也需要人工汇总;多个环节都有改进空间,不清楚该先投入哪里。
覆盖销售获客与跟进、产品报价与技术资料、财务报表与经营分析、设计生产与质检、采购供应商及库存等核心环节,梳理业务流程、现有系统与 AI 应用机会。
各环节不必同时改造,已有系统能解决的问题优先沿用。报价规则相对明确,适合作为首批验证方向;销售获客需逐步完善信息来源与筛选规则,经营分析需先统一数据口径。
跨部门 AI 应用机会清单与优先级评估、重点报价场景的流程与规则分析、经营数据及系统衔接评估、首期试点范围与分阶段实施方案。
优先围绕典型产品报价开展小范围试点,与人工报价对比准确性和处理时间;销售线索与经营分析等方向,在明确数据来源、业务规则和投入价值后分阶段推进。
已有 AI 工具和内部技术团队,但怎样用 AI 改善获客与销售还缺少具体抓手;产品资料分散、新品素材反复制作,订单重复录入、门店数据人工汇总,多个方向不知道先做哪一个。
覆盖市场、电商、销售、设计、客服与 IT 等业务,盘点产品知识、内容生产、渠道获客、设计师资源、订单及经营数据;评估现有工具、系统和团队条件,区分近期试点与长期建设。
成熟的视频生产工具继续沿用,优先验证产品知识与内部问答。设计师资源先检查数据质量再谈激活;重复下单和工厂数据打通需专项评估,精准设计出图不作为近期承诺。
AI 落地诊断报告、跨部门场景清单与优先级矩阵、产品知识库首期试点立项书、分阶段落地路线图、组织分工与实施保障方案。
先限定产品与内部用户,围绕产品知识、经销商问答和客服辅助开展试点,明确资料维护、人工复核与验收责任;根据使用反馈扩展到销售和内容,再分项推进数据与系统建设。
产品持续迭代,开发、测试和运维依赖人工,想用 AI 降本提效,却不清楚哪些任务能交给 AI、质量如何把关;同时希望把 AI 用于养殖业务,但具体场景和接入方式还需明确。
与人事、产品、研发和业务负责人梳理两类需求:员工工作提效重点看开发、测试、运维及岗位分工;业务应用重点看物联设备、生产管理和商城,评估数据分析、问答与异常预警的切入点。
优先验证研发提效,并保留业务应用方向。AI 参与复杂系统迭代需配套任务拆解、人工审查和回归测试;业务场景先核实数据与流程条件,再确定优先级,避免直接铺开全系统改造。
研发与业务 AI 应用评估、重点研发任务的流程改造方案、岗位分工与人工质量控制设计、业务场景优先级及系统接入方案、首期试点与验收设计。
先选择边界清晰的开发或测试任务,与现有做法对比耗时、质量和人工复核成本;业务侧从数据分析、问答或预警中选择试点,明确数据权限、专业人员复核及验收要求,再按结果逐步扩展。
客服系统已经上线,营销、供应链和视频矩阵也在建设,但不同场景是否选对方案、供应商报价是否合理、上线后如何迭代,还需要持续判断。
围绕已上线客服系统和季度选定的在建项目,评估业务适配、数据与系统衔接条件、方案投入及验收标准;结合营销、供应链或视频矩阵的实际需求安排优化顺序,减少重复建设和不必要的投入。
站在企业侧,结合典型业务样本和实际使用反馈,与业务负责人及开发团队评审技术路线、供应商报价、实施边界和验收标准;持续跟进关键问题的处理与调整后的验证,帮助管理层确定迭代优先级和后续投入。
智能客服典型业务问题的质量评估、人工接管边界与优化清单;重点营销、供应链或视频矩阵项目的技术路线、数据与系统衔接条件、供应商报价及验收标准评审;业务方与开发团队的关键问题处理决定及迭代优先级;系统调整后的业务验证结论,以及下一阶段建设和投入决策依据。
经评审核减不必要投入 25+ 万元,重点业务场景验收通过率达到 95%,客服单次有效服务成本降低 45%,视频单条可用成品成本降低 80%,关键项目问题关闭周期缩短 28%,人工修正耗时降低 34%。
已开展 AI 培训,但各部门仍不清楚怎样用于实际工作;选品与采购经验依赖少数人,督导反复传递政策、整理门店反馈,库存损耗和会员复购也需要改善,缺少明确的落地顺序。
以运营督导及总部岗位应用为抓手,串联政策传达、门店反馈、问题分派与结果跟进,让 AI 进入日常工作;库存与会员复购方向按数据条件和业务价值选择试点,避免同时全面铺开。
与管理层和业务负责人确定季度重点,拆解督导及总部岗位的真实任务,明确资料输入、输出标准、人工复核与问题升级责任;持续检查使用反馈,协助处理总部与门店的流程和协同卡点,并评估库存或复购试点的启动条件与验收方式。
总部与门店的 AI 应用优先级及季度推进计划;督导政策传达、门店反馈整理和问题跟进的岗位应用规范,明确资料输入、输出标准及人工复核责任;库存或会员复购重点场景的数据条件与试点验收方案;总部与门店协同问题的处理安排,以及岗位应用和试点效果复盘、下一阶段推广决策。
商品损耗率降低 1%,缺货率降低 2%,库存周转天数缩短 1.5 天,会员复购率提升 5%;门店问题处理周期缩短 20%,督导政策传达与反馈整理耗时降低 30%。
集团已有 AI 中台,但总部与业务单位还需要明确平台能解决哪些实际问题、场景如何设计和推进。知识问答、制度查询、报告处理等需求分散,应用评价标准与人才培养机制也需要同步建立。
围绕集团 AI 中台,把平台能力与总部及业务单位的真实任务结合,推进知识问答、制度查询、报告拆解、会议督办、管理材料撰写与术语翻译等场景;同步完善应用评价与人才培养机制。
结合中台能力开展培训与实战,协助业务团队梳理任务、明确场景需求并设计应用方案;通过咨询与方案讨论衔接平台能力和业务要求,参与制定应用评价标准及 AI 人才体系建设。
总部及业务单位的 AI 应用场景清单与方案设计;围绕中台能力和岗位任务的培训及实战内容;AI 应用评价标准设计;配套人才培养与应用推进机制建设支持。
将 AI 中台能力与集团实际业务任务建立对应关系,明确总部及业务单位的应用方向与方案;帮助业务团队从了解工具推进到围绕真实任务设计应用,并将场景推进、应用评价与人才培养衔接起来。
员工日常咨询与业务查询涉及多个部门,制度、流程和业务规则需要从大量文档中定位;直接查文件、找同事解答,难以快速获取适用于当前工作的知识。
按 IT、财经、人资、经销商与销售五类业务设计集团知识库架构,将上千份文档组织为可检索知识;员工通过自然语言提问,查询日常咨询事项及工作所需的制度、流程和业务规则。
销售通话与聊天记录中积累了大量客户信息和应答经验,但难以持续沉淀复用;接待时需要及时查知识、选择话术,客户信息还要整理为可供后续运营使用的线索。
知识萃取智能体分析通话录音、聊天记录并沉淀知识库;问答与话术智能体结合客户画像推荐应答策略;线索打标智能体自动标记客户信息并入库,形成从数据采集到应用、沉淀与回流的闭环。
风险分析师团队安排 5 人值班,每人每天纯人工回答 100+ 个问题,大量时间被重复答疑占满,业务等待时间长。常见客诉需要反复查找处理流程,复杂个案又需要专业人员判断,团队缺少统一的答疑与转人工机制。
识别支付、风控范围内的客诉问题,检索知识库中的处理流程,按“结论、步骤、注意事项”回答;知识未覆盖、需系统查询或紧急个案转人工,提供固定信息模板与值班表链接,方便业务方补充资料并联系值班人员,不推断策略或补编信息。