本期分享專家將從以下四部分帶來今天的分享：第一個是數字化的挑戰和新機遇；第二個是在 AI 時代下，如何把業務重新做梳理和落地；第三個分享內部落地場景，包括個人過去工作的案例和企業內正在做的 AI 的場景；最后一個關于商業AI的戰略和指導建議。
分享嘉賓｜薛篤?理士集團 IT 總監
內容已做精簡，如需獲取專家完整版視頻實錄和課件，請掃碼領取。
01
首先基于個人經驗談一下我對數字化的理解，之前我是做乙方的，后來從乙方的身份轉到甲方，所以從我的過往經歷中，甲方、乙方對于數字化確實是有很大的差異。
以前乙方公司可能是聚焦在具體的問題上面，或者項目上面，可能問題處理完，或者項目目標完成后，就跟甲方脫鉤了，而且后續的工作并沒有那么緊密。但是來到甲方之后我會發現制造業的企業中，業務人員對于 IT、對于數字化、甚至對于 AI 的理解是非常淺顯的，我們作為甲方其實面臨很多的困難，不只是落地 AI 的場景，還有面對常規的數字化項目的落地，也都是重重的困難。從目標上看，業務更希望提升客戶的滿意度，提升工作效率。從視角上看，業務希望貼近市場的需求，如果數字化沒有帶來新的增長點，業務就會質疑數字化或者 AI 的手段。從認知上講，業務對于數字化具體實現的技術是不太關心的，只要提供需要的功能就可以，功能背后實現的邏輯不是特別去關心。最后是重心角度，也就是業務的角度，他們可能希望是短平快的項目。我們也在倡導 IT 做迭代的項目交互能力，但實際整個迭代的效果是很難快速講清楚的。可能在做了大量的工作之后，在一個長期的時間里，才能看到整體項目的收益和數字化的收益。這些都是我們 IT 在應對業務問題時，或者與業務部門溝通時比較沖突的地方。總的來說，業務希望 IT 的工具和手段簡單有效，而 IT 希望工具和手段能夠穩定長效、長時間的去工作，這個就是我們應對數字化的挑戰，也是 AI 要去面對的挑戰。AI 在落地過程中，需要尋找新的場景，企業將會借助AI能力嘗試數字化的轉型，包括智能化、效率化的提升，也包括從數據中挖掘一些價值，幫助管理層做分析、洞察、決策。這兩塊是當前比較常見到的，那 AI 現在比較新穎的應用還有基于智能客服的新型交互方式，以及創新模式和業務模式變革時，挖掘的新形式。
第一個是用戶交互的新體驗。過去我們內部的用戶都是跟系統打交道，比較形式化且具有一定的門檻，尤其是像SAP、 ERP 的系統使用，它對于人員的輸入要求是比較高的，而 AI 可以為我們提供一種新的交互方式，更加的便捷，更加的智能化，更加的人性化。第二個是關于知識的沉淀與平等化。在過往企業的發展與經營的過程中，會有很多數據的產出，但是這些數據沒有形成數據的價值，企業沒有利用數據去促進企業的業務增長，這就是沉淀的價值。關于平等化，其實在企業內部還有一個比較苦惱的問題，是關于人員的培訓，從管理層的角度，人工培訓不能面面俱到，但是需要一定資源的投入。而通過 AI 的方式，包括知識圖譜的方式，會讓知識變得更加的輕量化，更加的快捷化。也許通過封裝 APP 之后，在培訓方面會得到一個巨大的提升。第三個是自我迭代。知識沉淀時也有迭代過程，比如企業引入新的高管、新的業務打法，是會留下數據和知識的，這些數據最后也會反饋在知識模型里，同時又會促進整個的業務提升，而且這種提升是可以平等化的釋放給每位員工。這是我覺得可能需要重點關注的新機遇。接下來再結合具體的例子，來解釋為什么說這三點非常重要。我們是做電商行業的，也有很多海外業務，銷售人員中有些資歷比較高的，會有些經驗知識，也有一部分是新銷售，在面對產研后端研發的新產品時，銷售人員不可能了解每一款新產品的動向，更多是根據客戶的需求，向后端要一些簡單的產品規格書的信息。通常銷售的做法是：先去問產品關聯的售前，如果售前不知道產品的變化，就要去問后端的產品工程師，如果產品工程師也不知道新的變化，他可能又要去問研發工程師，才能得到想要的產品系列、產品規格的信息反饋，最終實現一次溝通的閉環。整個過程中是有壁壘、有信息差的，不能確保每一次傳遞的信息都是非常準確的，但凡其中一個環節出現了偏差，那整個傳遞的效率會大大的降低，傳遞的準確性也會降低。如果有一種方式，能夠把這些變更的信息，或者說歷史的產品信息灌到模型中，那我們可以通過對話的方式很快的解決前端銷售人員的痛點。這里面體現了上述的AI新機遇的三個點，第一個是新的交互方式，以前可能是 E-mail、打電話跟售前、后端人員溝通，現在可以用聊天對話的方式。第二個是信息的平等化，將整個知識信息全部拉通，沉淀到模型里面，每個環節里的人獲取信息都是平等的。第三個是信息的迭代，信息始終是不停訓練、不停沉淀的，從效率上講，原來可能要 30 ~ 60 分鐘才能拿到一個相對準確的回答，現在可能只要幾秒鐘，當然這個取決于我們做交互的速度和模型運轉的速度，只是一個初步的估算，所以這個效益是巨大的。究竟我們應該怎么思考 AI 的落地場景？怎么選取核心的杠桿？
核心是場景收益。因為 AI 的投入是有成本的，如果投入的成本支撐不了收益，那場景做的意義就不大，所以要選取好的場景。
場景要符合公司的愿景和戰略，同時疊加具體的業務痛點，然后要去計算整個投入成本。
回歸場景本身，要去實施最核心的是數據，也就是當前的數據能否支撐我們去做這個場景，以及對業務的理解夠不夠透徹，接下來再去考慮實施的方法，以及匹配合適的模型和算法。這就是我們在重塑業務場景的一些關鍵要素，基本上考慮到這幾個要素，在場景選擇上會更加直接有效，也能從甲方內部更有可能獲得管理層的支持和支撐，邏輯和價值講清楚才能去更好的推進場景落地。
03
AI 場景思考和落地
下面講一些具體落地的方式方法，也包括組織架構和具體案例。上圖是我基于 IT 內部總結出的場景創新與孵化的“ EASY 模式”。
在找完場景之后，我們具體怎么落地、怎么把人員拉齊、怎么把思路拉齊，最重要的就是考慮參與方，一個是我們 IT 或者技術部門，也要找一些外部的力量也就是顧問公司，和研發部門或業務部門，一起共同合作。合作之后可能采取 workshop 的形式，要把 AI 的概念和它能做的事情跟業務部門講清楚，實現 0 到 1 的突破，將AI的最佳實踐，包括機器人的交互方式，拓展到新的業務場景，變成可復用的智能應用包，或者可復用的智能解決方案，來推廣到其他新的業務領域當中。這是我們企業內部一個 0 到 1，再 1 到 n 的過程，相當于星星之火可以燎原，以及在整個組織建設和內部孵化過程中是非常重要的一個概念。
為什么叫“ EASY 模式”呢？第一個“E-Explore”是部門之間協作挖掘場景，各個部門要直接去拉通，充分地表達自己。
第二個“A-Analyze” 是做數據分析，定位具體要解決哪些問題、數據是否充分、是否能夠支撐我們去解決這個問題、它的效果是否能呈現出來。
第三個“S-Simulate” 是真實模擬復現場景，這個也是符合我們去做一些大模型驗證的時候，用一些歷史數據做了新的應用，那模型能否運用到新的數據上面、它的效果如何，這都需要我們做一個場景再現來驗證。因為在 workshop 里面引入的是部分覺悟較高、層次較高的業務人員和 IT 人員，但當場景要投放到普通員工或者一線基層時，它會出現各種各樣的使用問題，包括用戶體驗的問題，所以我們要提前做好大量的擬人工作場景。
第四個“Y-Yield”就是落地與價值闡述，講清楚收益和價值是什么。
這大概是我們現在內部倡導的一個“ EASY 模式”，給大家一個參考。
接下來分享一個案例，是我在 SAP 做的一個發動機的大模型研究，當時只選取了“質量售后”這個場景，選擇這個場景的原因是因為我們并不是非常明確的知道有哪些場景可以做，所以就回到最根本的數據層面，看我們有哪些數據，而當時我們有零件的銷售和維保的數據，所以就選擇了質量售后場景。
一個發動機有很多零件，這些零件銷售到市場上面后，會有售后的數據反饋到質量部門，通過數據分析，在維保場景中可以設計一個合理的三包時間，保證企業利益的同時，維護用戶的售后感受，這就是通過數據分析做了一個增值的服務。另外在后市場場景中，可以利用大模型進行零件銷售備貨的預測。設計端也可以通過零件返回的客訴信息，借助大模型的語義分析訓練，找到零件上是不是有一些設計上的問題，比如說某款零件用戶反饋經常發現斷裂的情況，是否是當初設計產生了問題，是否是使用的材料問題，以及從產研視角了解 BOM 里的材料材質是否設置有問題，可以做一些反向的推導，來促進產研零件協同制造的質量保證。
如果你在不確定具體場景的情況下，可以先選一個大的業務領域，再去看這個業務領域的數據有哪些，再去推導一些比較好的場景，這是我自身的一些數字化落地思考和可能性建議。
目前我們在內部嘗試做 Pocket APP，希望拉通整個銷售到產研的全鏈路數據，能夠讓銷售隨時隨地了解后端的信息和服務，所以統一建了問答平臺，里面有私有部署的大模型，也有公開大模型，主要取決于我們希望模型提供的一些能力和服務。
同時我們通過用戶數據去分析、產品產量的情況、訂單履約的情況、交期的情況、銷售的分析，給到銷售最直接的 TOP 10 產品或在售的產品。另外也會自動化做一些串聯，比如當我想要了解生產計劃或者后端供應鏈的情況，我可以觸發對應的自動化流程，把這些數據抓取過來，再反饋給我們的銷售用戶。
整體的業務價值包含掌握產品信息，識別銷售的風險，以及實時的發送所關注的數據，做智能的提醒。雖然這個產品主要是銷售使用，但是我們更多的是希望能夠服務好客戶，以創造客戶的價值為中心。
具體的流程演示大概分兩塊，一個是智能分析，一個是智能決策。
在智能分析部分，當用戶通過提問產品問題，對于剛入職的銷售可能不太了解產品，就可以通過問答 ChatBot 了解產品的信息。在智能決策部分，當用戶想了解具體某個訂單履約情況的時候，擔心交期能不能按時交貨，如果出現履約異常的情況，可以借助AI做到自動的提醒，分析訂單的風險，發送到給銷售人員或相關業務人員，這就是我們基于AI和流程自動化做的有機結合，在流程中進行一些設定。04
作為一家企業不論規模大小，我覺得至少從企業的數字化角度，需要有基本的ERP系統，這里面其實已經具備了很多數據，包括生產、財務相關數據，將這些數據利用起來是非常重要的，尤其是如果內部沒有很多的力量去實現 AI 的能力，那相信對應的產品供應商，也是有能力去做AI應用支撐的。再展望一下AI戰略規劃，其實從沒有 AI 戰略到 AI 戰略的落地，圍繞的核心還是以數據為核心，包括數據的調研、數據清洗、系統規劃、流程梳理，以及對企業內部而言，還有一個重要的環節，就是內部人員的培養，做好 AI 人才培養。接下來要做的是選取一個場景，剛才分享了我們選取了比較接近銷售，拉通銷售和后端產研通道的場景，去做定位和 ROI 導向的流程自動化設計，以及 ChatGPT 的交互方式，也可以應用在很多的業務領域。再接著就是構建一個開放的平臺，把好的實踐最后總結到我們的平臺上，再跟一些其他業務領域的系統做集成，包括渠道、物流等，變成一個更開放的平臺，就可以去探索更多新的場景，甚至說在服務客戶方面也可以選取一些創造新價值的場景。最后總結一下，我認為 AI 的戰略是未來每家企業都要去經歷的一個話題，它是為未來企業增強競爭力和市場地位的一個不可或缺的助力，甚至是一個彎道超車的機會。以上我個人的想法和經驗分享，希望大家能夠對 AI 有一些新的認知和思考，感謝大家。
?
在SAP中國工作了10年，擔任過開發工程師、交付顧問、企業架構師和數據科學家等職務，在SAP的職業生涯中，我專注于企業數字化轉型和業務創新。2023年，我加入了理士大家庭，負責制定和實施集團IT戰略，確保技術支持和系統優化，保障生產效率和數據安全，推動數字化轉型與創新，主導了集團海內外ERP系統推廣和上線，生產制造相關的數字化轉型等。注：點擊左下角“閱讀原文”，領取專家完整版實錄和分享課件。
