模糊业务的AI应用
- 从哪里开始
- 业务需求尚未定义清楚,使用者也不确定技术能做什么。
- 最后要交什么
- 被业务接受、可运行并能反复改进的工作方式。
- 容易卡在哪里
- 问题定义、上下文、成功标准、组织接入。
- 怎样检查
- 每轮试验要改变认识,保留基线、证据与范围。
相关讨论
AI 缺的是更多字,还是关键背景?
资料越多未必越好,真正有用的是能改变判断的事实。
先跑一版,怎样才不只是反复重来?
每次尝试都要带回能改变下一步的新证据。
给旧流程加 AI,还是重新安排工作?
有的交接可以减少,有的分工承担独立检查的责任。
原话依据
比如我现在做法规资讯分析,不是先把一套方法设计到很完整再固定下来,而是一开始就把它设计成一个可持续迭代的闭环。 每跑一版,就从真实结果里拿到新的证据:哪些地方错、为什么错、新版本到底有没有更好,然后把这些后验结果继续更新进下一版。 因为现在改 Prompt、规则、流程、Agent 策略的成本都很低,所以没必要特别依赖一开始的先验把所有东西想对,更重要的是让系统能持续用后验把自己修正好。
我们是很大程度自己挖业务 他们业务方给的那个需求 完全没法正常工作
我觉得有一个很有意思的分界点是: IT的流程没变,只是用AI代替了某几个步骤 我们的流程是新的,可能跨越了过去的某些步骤 当然终点都一样,是解决问题
从一个模糊想法或已有 AI 任务开始,建立刚好足够的初始框架;让需求、方法和评测在真实产物与反馈中逐步成形;支持人工主导、人机协同或自动迭代;并让每一代变化、证据、文档和 Baseline 始终可理解、可比较、可追溯。