8·21 从「问 AI」到「让 AI 干活」· 活动记录

三个数字，是三个真实项目跑出来的

不是演示 demo，是过去六周真实跑在客户电脑上的结果

22,000 → 33.8 万判决案卷切成可检索段落（律所）

5 min → 8 sec询价邮件自动写入作业系统（电工）

8 → 1系统入口整合为一个工作面板（EcoLoop）

上半场，Arthur Liu 与 Jeff Wang 联合主讲

01诊断三个月，落地三年

一家大型消费电子企业，战略诊断只用三个月，落地却花三年、跨十几家供应商。咨询对方案被采纳负责，建设方对合同范围负责，没有一个主体对端到端业务结果负责——约九成战略规划未能成功执行，40% 的战略价值损失在执行环节。

02FDE 补上这个断层

Forward Deployed Engineer（前线部署工程师）：同一支团队，从理解问题到生产上线，始终对业务结果负责。Palantir 发明的模式，Indeed 上的 FDE 岗位一年内从 643 个涨到 5,330 个。

03问题不是模型不够强

MIT 研究显示，95% 的生成式 AI 试点没有产生可衡量的损益影响——没人把 AI 嵌进流程、数据和日常决策。AI 把调研、分析、开发、集成的门槛全线拉低，让原本昂贵的 FDE 模式第一次变得可复制。

04对新西兰中小企业尤其重要

新西兰约 60 万家企业、占全部企业的 97% 没有大型 IT 团队，却承担着相似的业务复杂度——这正是可复制的 FDE 模式最能派上用场的地方。

过去六周真实跑在客户电脑上——完整版见应用实验室 →

L 律所：当客户材料一步都不能出门22,000 份判决与案卷切成 33.8 万个可检索段落，检索全程离线、断网可用，每条结果带段落级引用；验收埋雷测试 4 处不一致全部命中、零假阳性。

E 电工：从 9 万封邮件到自动进系统7 年 9 万多封邮箱归档成数据库，489 封未读里筛出 45 封真正需要老板决策；询价邮件自动写入 Tradify 作业系统，人工 5 分钟→自动化 8 秒，漏单归零。

D 装饰：哪些询价值得追从未有真人回复的询价成交率仅 14%（正常回复约 48%），KPI 从「回复速度」改为「覆盖率」；按阈值可少做 15% 报价、只放走不到 4% 营收——AI 出判断，人按发送。

EcoLoop：8 个入口变 1 个面板讲者自己的翻新电子产品电商当第一个客户：8 个系统入口重构为一个工作面板，核心 SaaS 一个不换；两周 75 次提交绝大多数由 AI 编码完成，定制开发成本降到原来的十分之一。

四个案例的共同点：核心系统不换、数据不出境、人保留最后一步。

下半场收尾，落到怎么开始

企业：三步法先把数据变成数据库（一周）→ 做一次健康检查（一周）→ 选一个最痛的节点做深（2–4 周）。四条红线：数据不出境、核心系统不换、人保留最后一步、没被数据证明的规则不进系统。

个人转型：以长板为锚点第一个客户不必付费，但必须是真实企业、真实数据；做完一份健康检查，就有了第一个案例。

这个角色最早由 Palantir 提出，站上有两篇相关整理

为什么用了 AI，企业效率还是上不去？→单点提效救不了企业，落地的两大阻力都不是技术，以及新西兰「没有 title 已有 FDE」的现实。

Ontology 到底是什么？→从「发票不是 PDF，是一个数据对象」讲起——FDE 干的活，前半程就是把业务建模清楚。

报名数据印证了这场讲座的主题：三分之二的参会者已把 AI 接入某个流程，但其中一半反馈「效果一般」。问答环节，讲者逐条回应了报名表中提出的十余个真实流程问题，从询价录入、送货单对账到法律咨询路由。