01 / 先看懂能力
AI 像一个新同事，
需要你讲清工作。
AI 是一类让机器完成识别、判断和生成等任务的技术。我们常说的大模型，是其中的一种能力基础；它可以理解和生成文字，部分模型也能处理图片、声音等内容。具体能处理什么，要看所选模型和工具。
把它想成刚到公司的新同事：读过很多资料，能写、能整理，也愿意按要求做事。但它并不知道你公司的产品版本、报价规则和客户承诺。你需要告诉它任务、依据和边界。
- 01说清任务要做什么、交给谁
- 02给参考资料可信版本与规则
- 03生成草稿缺少资料先提示
- 04人工核验确认事实与承诺
为什么说得流畅，也可能说错？
生成模型根据上下文组织输出，流畅的表达不等于事实已核实。资料不足、内容过期或问题超出能力范围时，它可能编出看似合理的答案。数字应交给明确规则或计算工具，事实应核对资料；重要结果需要负责人审核。
方案示意 · 询问产品库存
没有连接可靠库存数据时，AI 应说明无法确认库存，或交给员工查询。让它凭文字猜一个数字，不能成为对客户的承诺。
你希望 AI 回答的事情，答案现在掌握在谁手里？哪些结果必须先确认？
02 / 找到岗位中的任务
先看员工每天做什么，
再看 AI 能帮哪一段。
一个岗位往往同时有整理、沟通、判断和执行。可以先把其中重复的信息处理交给 AI 辅助，让员工集中精力核对与决定。下面都是可讨论的方案方向，是否适用需要用你的样本验证。
方案示意 · 电商客服
回复重复咨询
根据商品手册和售后政策，准备有出处的回复草稿。退款争议、特殊承诺和资料外的问题交给人工。
方案示意 · 工厂外贸
整理英文询盘
提取规格、数量和交期，列出缺失信息，再准备沟通草稿。销售确认参数、价格和交付条件。
方案示意 · 报价与订单
把需求变成清单
整理客户需求，对照产品字段和有效价格规则准备草稿。最终金额、折扣与订单由负责人确认。
方案示意 · 行政与标书
拆要求、找遗漏
整理会议待办、文档目录或招标响应清单。资质、事实、签章和提交材料需要逐项核验。
方案示意 · 设计与图片
讨论外观方向
根据照片、选定部位和外观描述生成候选效果图。概念效果需再确认，不等同于生产 CAD 或施工图。
方案示意 · 门店与内部资料
查服务、查知识
基于营业信息、服务说明或内部制度辅助检索，提供资料出处。预约确认、制度解释与例外情况由员工处理。
哪个岗位最常重复找资料、抄信息、写相似内容？这其中哪一段最容易检查对错？
03 / 从聊天到企业应用
模型之外，
还要把资料和责任接起来。
一次聊天可以帮个人写出草稿。企业想让多人重复使用，还需要明确资料来源、更新规则、流程步骤、权限和异常处理。更换一个模型，不能代替这些业务准备。
理解、整理、生成
可信来源、版本、权限
输入、处理、输出、异常
审核、更新、反馈、追踪
几个常见词，换成工作语言
- 提示词
- 把任务、背景、限制和输出格式讲清楚。
- 知识库
- 让 AI 检索授权的企业资料，回答时附上依据；资料仍需要整理和更新。
- 工作流与智能体
- 把若干步骤和工具连接起来。涉及写入系统、发消息或执行业务的步骤，要设置权限、确认和异常停止。
- 微调
- 针对特定行为或任务做额外训练，需要合适的数据和评测；是否需要，应先由任务验证决定。
纸质、Excel、ERP，各自需要准备什么？
纸质资料先考虑扫描、识别和核对；表格先统一字段、版本和负责人；ERP、CRM 等系统则需要确认能否授权导出、有没有可用接口、谁维护数据。使用 ERP 不代表已经能直接接入 AI，多个系统也不代表数据自动互通。
方案示意 · 报价辅助闭环
客户询价 → 提取参数 → 查有效产品与价格规则 → 准备草稿 → 负责人确认 → 发给客户。规格缺失、规则冲突或权限不足时先停止，列出需要补充的问题。
你的资料主要存在哪里？谁能判断哪份是最新的？流程走到哪一步需要有人点头？
04 / 选好第一件事
把一个大愿望，
写成一件能检查的小任务。
“让销售更高效”“让公司用上 AI”可以是方向，但还不是可执行的需求。第一件事应有业务价值、能取得合适资料，也能用明确标准检查结果。
重复发生，确实影响工作
有授权样本和可说明的规则
负责人能判断正确与遗漏
方案示意 · 将“销售提效”拆小
先整理询盘，暂不自动承诺报价
输入：脱敏的客户来信和产品目录。输出：规格、数量、交期和待补充问题清单。审核：销售检查提取是否准确。范围：先处理一个产品系列，记录修改和遗漏，再决定是否扩展。
沟通前准备一个小样本包
- 一份原始输入：去掉姓名、电话、客户身份和不必要的敏感信息。
- 一份你认为合格的结果：告诉我们做成什么样才有用。
- 一份适用规则：例如字段要求、模板、资料版本和必须人工处理的情形。
- 几种例外：缺资料、规格不一致、不能回答或需要审批的情况。
网页自查不要求上传这些文件，也不需要系统账号。先描述行业、工作目标与数据基础，后续再确认样本使用范围。
如果这次只改善一件事，你会选哪件？你能否拿出一份“做得对”的结果作为参照？
05 / 让员工参与
懂业务的人，
也是应用能否落地的关键。
老板定目标，业务人员解释真实流程与例外，技术人员实现接入和检查。把业务结果交给技术部门单独负责，或者只要求员工换工具，都容易漏掉工作中的实际约束。
确定目的和投入
选中问题，安排时间与资源，明确哪些业务可以试、哪些必须人工负责。
提供规则和验收
准备样本，解释例外，检查结果，记录返工并推动实际使用。
实现并维护流程
验证模型、权限和系统接入，配置异常处理、日志与后续更新。
培训围绕工作，别只围绕按钮
先用一个真实任务演示“输入什么、检查什么、出错找谁”，让使用者试一次并提出卡点。员工的年龄不能代替对岗位经验、工具熟悉程度和培训需求的判断。不同人员可以安排不同节奏，但都需要清楚责任。
方案示意 · 一个小试用团队
选一位业务负责人和几位实际使用者，约定试用范围与反馈时间。员工可标记错误、补充规则、暂停不合适的输出；试用同时记录原流程仍需要多少工作，不额外虚构节省的人力。
谁最懂这项工作的细节？谁愿意先试？你能给他们多少时间来检查和反馈？
06 / 决定是否继续投入
记录真实变化，
再决定下一步。
一段漂亮演示只能说明这个样本上发生了什么。判断能否用于日常工作，要覆盖常见情况和例外情况，也要算上资料整理、人工审核和持续维护的成本。
完成时间与审核时间
错误、遗漏与返工
开发、调用与维护成本
完整成本通常包含哪些？
- 启动投入：梳理流程、整理资料、开发与系统接入。
- 持续投入：模型调用或订阅、人员审核、资料更新、维护与培训。
- 部署条件：云端与本地需要分别评估资料范围、预算和运维能力；本地部署还涉及硬件及升级维护。
具体费用与周期需结合业务范围确认。资料越清楚，越容易估算工作量；费用不能只看模型一次调用的价格。
提前写下继续、调整和暂停的条件
试用前记录原来的做法，约定哪些结果算合格。若审核耗时大于原有工作、错误无法控制，或资料与权限条件不满足，就先调整或暂停。确认一段流程有实际帮助后，再讨论自动化程度、更多岗位和系统接入。
方案示意 · 验收记录
每条样本记录：输入版本、输出是否正确、遗漏项、员工修改内容、完成与审核时间。资料不足时能否提示、停止和转人工，也属于验收内容。
你准备怎样判断“有用”？除了生成得快，你最在意准确性、返工、响应速度还是其他结果？
把想法变成下一步
说说你公司的一件事。
通过自查描述企业情况、数据基础和希望改善的岗位，获取 AI 应用方向建议。建议用于梳理和沟通，实施条件还需要通过资料与样本确认。
返回旭算官网
