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。
按服务查看项目案例、推进中的项目和项目复盘。部分客户信息已经脱敏。
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。
团队对 AI 的了解和使用经验不同,轮到处理文件、查制度、做企业尽调,仍不知道该怎么用到这些具体工作中。
通过文件处理、制度问答和企业尽调演示,结合工具实操与知识库练习,讲解银行业务中的 AI 用法。
想把 AI 用到企业经营中,却不清楚它能解决自己的哪些问题,也不知道先做哪件事、第一步怎么走。
围绕 AI 基础认知、企业应用案例与转型启动路径开展讲解,帮助负责人判断应用方向,不安排工具实操。
招商和企业服务工作中,想用 AI 提高效率,但通用工具示例难以直接用到园区实际任务;团队不清楚哪些环节适合先做,也缺少从工具试用走向业务应用的方法。
通过两次线下课程,先开展 AI 基础认知讲解、工具演示与实操练习,再围绕招商和企业服务的真实任务进行场景共创,梳理应用方向、使用步骤与落地条件。
基础工具学过了,回到财务、人力的实际工作,还是不知道从哪件事开始用;岗位知识和操作方法也没整理成团队能复用的材料。
从财务、人力等岗位的真实任务出发,梳理适合 AI 的应用场景,通过实操练习整理岗位知识、判断规则和可复用的工作方法。
各部门每天做的事情不同,员工不知道自己手头哪些任务能交给 AI,也不知道拿着真实材料该怎么开始。
以员工实际任务与样例为基础,围绕新媒体内容、采购补货审核等场景进行演示与实操练习。
学生会和 AI 对话,但有了自己的想法,仍不知道怎么一步步做成一个实际项目。
结合项目案例和 AI 创业实践讲解项目制作思路,通过实操练习学习如何借助 AI 将想法转化为项目。
平台账单处理、对账、开票还靠人工操作,团队对 AI 又不熟悉,不知道这些日常工作能从哪里开始借助 AI。
围绕平台账单处理、对账和开票开展案例演示与实操练习,讲解财务日常任务中如何使用 AI。
手里有会议记录和项目资料,却难以持续做成对外内容;设计师想做个人内容,也缺少一套能反复使用的生产方法。
通过线上讲解、演示与实操,练习将会议记录、项目资料转化为内容,以及设计师个人内容生产与谈单复盘的方法。
看了通用示例,回到自己部门的工作还是不知道怎么用;岗位经验和做事方法留在个人手里,其他同事难以查到和复用。
结合中后台各部门的真实任务与材料开展实操,练习岗位知识查询,以及工作方法的整理与共享。
修图、融图、换产品图场景,重复操作占用了不少设计时间;团队使用 AI 的熟练程度不同,还没能把这些工作做得更省力。
围绕真实产品图片开展修图、多图融合和场景替换实操,讲解 AI 在重复设计任务中的用法。
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。
一个风险案件需要跨 7–8 个平台查数、核对日志,单次排查耗时 2–3 小时,分析师约 40% 的时间消耗在数据查询上。新风险依赖客诉积累后被动发现,定位和策略制定滞后,风险暴露期间持续产生用户损失。
从客诉、舆情与监控预警中识别风险线索,关联订单、账号、登录、鉴权及风控策略等数据,由七个专业智能体协同还原作案链路、识别异常特征并生成风险报告;进一步推荐互补策略、生成策略草案,经分析师复核与旁路验证后决定上线,效果回流用于后续优化。
安全运营需要持续值守,夜间也要安排人员处理重复性任务。常规查询、检查和信息同步占用专业人员时间,分析师难以集中精力处理复杂风险与高价值工作。
将重复性值班任务整理为标准流程,由机器人持续执行常规查询、检查与信息同步,覆盖日常和夜间值守;需要专业判断的异常交由安全人员处理,让自动执行与人工研判分工协作。
合同审批需要识别条款风险、核对版本变化并提出修改意见,逐项人工审查与整理报告占用时间;审查能力需要与企业既有 OA 审批流程衔接。
将合同审查助手直接嵌入 OA 合同审批工作流,针对合同识别风险、比对版本并提出修改建议,输出合同审查报告,为审批人员提供审阅依据。
品牌客户入厂审核前会发送包含成百上千条问题的检查表,需要协调几十个部门查文件、找条款、整理执行证据,填报耗时 2–3 周。不同客户的提问与内部文件表述不一致,各部门填写质量参差,体系团队还要反复核对和修改。
读取客户 Excel 审核表,逐题理解含义并匹配内部制度、条款与记录表单,识别“原材料检查”和“来料检验”等同义表达;生成包含文件编号、条款要求及可查执行证据的自评内容,按原表格式回填。缺少依据的项目标记待确认,由业务人员补充复核。
制作一条鞋类带货视频,需要人工分析参考视频、规划镜头、反复调整人物与鞋款,再剪辑成片,产能依赖个人。高频上新与素材测试跟不上,批量制作不同版本时,还容易出现鞋款变化、人物不一致和镜头不连贯。
团队通过电脑软件提交选定的爆款视频和鞋款素材,软件按参考视频的镜头安排、节奏与卖点自动生成视频,支持批量制作不同场景与人物的版本;团队筛选成品,按需要二次剪辑并完成发布前审核。
门店服务员流动性大,菜品推荐和解释话术难以统一,复杂的菜品与锅底知识也难以记全。野生菌价格和库存随季节变化,推荐既要符合顾客口味与忌口,也要兼顾门店库存和毛利,人工难以持续执行一致的推荐标准。
通过多轮对话了解用餐人数、口味与忌口,检索菜品及锅底知识,结合数据中台实际提供的库存、毛利与时令信息进行推荐排序,输出菜品和推荐理由;通过接口供点餐系统调用,下单与支付由原业务系统承接。
新车型导入时,工艺员需要查找相似车型指导书,逐岗位修改操作说明,并从 BOM 物料清单核对名称、编码和数量。同一车型在不同基地的产线与岗位安排不同,资料无法直接照搬,反复查找、抄录和校对占用大量时间。
读取历史指导书、新车型 BOM 物料清单与变更说明,结合指定的参考车型和岗位安排,整理物料与岗位映射,更新操作步骤、品质要求及物料表,按原模板输出 Excel 初稿;工艺员核对车型差异、用料数量与现场工艺,并补充实拍图示后定稿。
集团管理多所学校和业务单元,学校尽调、校长需求分析与发展规划需要反复整理基础信息、访谈和经营资料;报告依赖专家分析经验,人工撰写耗时,方法难以稳定复用。
拆解业务专家的分析框架,将学校基础信息、访谈、经营数据、师资情况与管理问题转为结构化输入,分别由三个助手按统一框架生成校长画像、学校尽调报告及发展规划解决方案。
学校制度、办事流程与科研政策分散在不同文件中,查询报销、请假和申报要求时,需要反复找资料、问处室。公文和科研材料存在大量重复整理与写作工作,通用 AI 又不了解校内制度,回答缺少依据,生成内容仍需逐项核对。
通过统一网页入口切换办公与科研模式,检索学校制度、政策及用户上传的材料,回答时展示来源;按学校模板辅助生成公文、申报框架、文献摘要等草稿,支持修改和 Word 导出。资料过期、依据不足时提示人工核实,正式材料由使用人员复核。
女装流行与季节变化快,人工分析周期长,等发现门店滞销或客群变化时,调整窗口已经缩小。畅销、滞销与会员偏好信息难以及时反馈到商品研发和备货决策,团队需要更快识别变化、预警并提出下一步建议。
以内部商品、门店销售与会员数据为主,结合可合法获取的外部趋势信息,分析各店畅销滞销表现、客群年龄及标签变化,整理选品与备货建议及其依据;由商品和运营人员审核,通过小范围销售验证后调整。
大量重复报警挤占处理时间,分析还需跨系统补数;全量交给大模型成本高、结果不稳定,不同风险类型也需要不同处理方式。
合并重复预警并按优先级安排处理,读取触发条件与统计周期,提取相关样本并从其他系统补齐数据;识别设备、收货地等共同特征,结合抽样分析,根据风险类型和判断可靠程度分派给专业智能体或人工处理,汇总报告与风险样本,人员可在各环节介入。
已有教辅、国学等版权内容,但下游书店缺少制作短视频和推广素材的能力。总部逐店修改门店信息与二维码耗时易错,生成内容还需经过版权与内容审读,难以持续为分销渠道提供可直接使用的素材。
以可授权使用的图书内容为输入,按固定内容结构生成图文、音频或短视频素材,推送至既有审核后台,由人员审读和修改;审核后的素材适配门店信息与二维码,供书店用于朋友圈、短视频及阅读平台推广。