FDE 与交付
FDE 是什么？企业为什么需要前线交付，而不只是一个 AI 演示
从业务负责人的角度理解 FDE：它如何连接需求、工程与实际使用，与驻场开发有什么区别，企业如何判断自己是否需要这种交付方式。
LUOYU INSIGHTS
理解变化，
把握行动的方向。
关于 AI 战略、前线交付与企业实践的研究。以具体问题为起点，为决策与实施提供可用的参考。
01
FDE 与交付
6 篇研究
FDE 与交付
FDE、管理咨询与软件外包有什么区别？企业如何选择 AI 服务团队
从采购成果、客户参与、风险责任和验收方式比较 FDE、管理咨询与软件外包，提供 AI 项目选型问题清单。
FDE 与交付
企业 AI 工作坊怎么做才有用？从讨论热点到验证一个业务场景
参考 AIP Bootcamp 的共同构建思想，设计有准备条件、有范围、有验收成果的企业 AI 工作坊，并区分演示、试点和生产部署。
FDE 与交付
AI 项目需求访谈怎么做？把“想要智能化”变成可实施的工作范围
面向业务负责人的 AI 需求访谈提纲：观察任务、拆解决策、检查资料和异常、记录基线，并形成可测试的需求说明。
FDE 与交付
FDE 如何把业务目标变成生产应用？识别企业 AI 的七类部署缺口
从数据、规则、系统、评测、权限、组织和运维七方面识别部署缺口，避免把模型演示能力直接等同于企业交付能力。
FDE 与交付
FDE 项目怎么复盘？把一次客户交付沉淀成可复用的企业 AI 能力
区分项目成果、客户专属资产和可复用方法，复盘业务效果、工程缺陷与组织协作，建立经验进入后续交付的机制。
02
AI 战略
7 篇研究
AI 战略
企业 AI 战略怎么制定？一份连接经营目标与落地项目的路线图
企业 AI 战略应回答投什么、为什么、谁负责和如何退出。本文提供机会组合、能力准备、阶段投资和治理安排的路线图框架。
AI 战略
企业第一个 AI 项目做什么？用五项条件筛选高价值应用场景
从业务价值、可重复性、数据准备、负责人投入与可测量性筛选 AI 场景，解释为什么高分项目仍可能不适合启动。
AI 战略
AI 项目 ROI 怎么算？把审核、返工和运行成本一起纳入投入产出
用透明的假设测算 AI 项目价值，区分节省工时、可兑现收益和净收益，提供基线、成本、敏感性分析与复盘清单。
AI 战略
中大型企业如何启动部门级 AI 试点？立项、协同与扩展的准备清单
从一个部门进入企业 AI 实践，准备业务目标、负责人、数据与系统条件、费用、验收和扩展依据，避免小试点承担集团改造。
AI 战略
企业大模型怎么选？用真实任务比较质量、速度、成本与部署条件
建立企业模型选型的业务门槛与测试方法，比较关键任务、权限环境、时延、成本、工具能力和替换成本，不依赖通用排名。
AI 战略
AI 工具上线后员工不用怎么办？从工作入口、信任与责任推动实际采用
区分账号开通、使用频次与业务价值，分析AI应用不被采用的原因，设计任务培训、反馈、责任和推广门槛。
AI 战略
企业 AI 应该买工具、自建还是找顾问？用任务边界和长期成本作选择
比较现成软件、内部开发、外部实施与混合方式，评估业务差异、集成、治理、维护和退出，不把采购模式当成技术能力等级。
03
AI 落地
11 篇研究
AI 落地
企业 AI 试点怎么验收？从演示成功到可衡量的业务结果
建立 AI 试点验收标准：固定范围和测试任务，区分正确、拒答与越权，测量完整任务时间，并明确进入生产的条件。
AI 落地
AI 原型为什么难以上线？企业从 PoC 到生产部署需要补齐什么
区分 AI 原型、受控试点和生产应用，梳理真实数据、系统接口、权限、监控、成本、维护与回退要求，解释上线工作的实际边界。
AI 落地
企业 AI 知识库怎么落地？RAG 项目从资料整理到答案验收的六项工作
解释 RAG 如何连接企业资料与大模型，梳理来源、版本、检索、引用、权限和持续维护，并说明知识库为什么不是上传文件就结束。
AI 落地
Ontology 是什么？为什么企业 AI 不只有知识库，还需要业务对象与规则
用产品、订单与询盘解释 Ontology 的业务含义，区分文档知识库、对象模型和可执行系统，并给出轻量建模的起步方式。
AI 落地
企业需要 AI 智能体还是固定工作流？从任务变化和执行成本判断
区分聊天助手、固定工作流 Workflow 和智能体 Agent，分析适用场景、人工节点、循环边界和试点比较方法。
AI 落地
AI 工具调用如何进入企业系统？把建议、审批和执行分开设计
围绕企业智能体的工具调用 Tool Calling，设计窄接口、参数校验、审批、幂等、失败处理和操作记录，区分建议与执行授权。
AI 落地
企业知识库回答不准怎么办？按资料、检索、生成和流程定位问题
将 RAG 错误拆为资料、检索、生成与工作流问题，通过可复现样例、分层测试和受控变更定位根因，避免只改提示词。
AI 落地
RAG 知识库怎样评测？把检索质量、答案依据与业务可用性分开
为企业知识库设计分层评测 Evals，区分检索、依据一致性 Groundedness、拒答、任务效果与成本，准备验收样本并管理自动评分的局限。
AI 落地
企业知识库如何管理资料版本？让更新、生效、失效与答案保持一致
为企业 AI 知识库建立资料台账、有效版本、冲突处理、更新验证和撤回机制，避免旧内容持续进入答案。
AI 落地
企业 AI 成本怎样控制？从任务预算、模型路由到缓存与人工负担
将AI运行费用拆成模型、检索、工具、重试与维护，按任务比较成本和质量，设计缓存边界、预算告警与优化实验。
AI 落地
企业做 AI 前数据要准备到什么程度？按场景检查资料、字段与授权
区分知识问答、业务分析和工具执行的数据条件，用最小样本检查有效性、完整性、关联、更新、权限和责任，不把大规模清洗作为默认前提。
04
治理与采购
5 篇研究
治理与采购
企业 AI 治理从哪里开始？权限、人工审核、日志与责任的落地清单
将 AI 治理转为项目工作：明确资料读取、模型处理、输出、日志、导出和写回权限，建立人工审核、异常升级与变更评测。
治理与采购
AI 咨询公司怎么选？企业采购前应核实的八项交付能力
不只看演示和专家履历，从问题理解、团队、范围、测试、治理、经济性、移交和维护八个方面评估 AI 咨询与实施服务商。
治理与采购
独立 AI 顾问如何参与企业项目？从准入、派工到交付评审的质量机制
为项目制顾问协作建立能力核验、工作包、评审、知识交接和项目反馈，说明专业网络如何形成一致交付。
治理与采购
企业 AI 应用上线后怎么运营？质量、成本、异常与版本的监控安排
建立 AI 应用运营指标、告警、问题分流、变更测试和维护责任，让上线后的质量与成本进入持续管理。
治理与采购
AI 应用更新怎么管理？模型、提示、资料与工具变更的发布清单
为企业 AI 应用建立变更记录、影响分析、回归测试、有限发布和回退安排，避免小改动悄悄改变业务行为。
05
行业实践
7 篇研究
行业实践
工业品贸易企业如何做 AI 询盘助手？从产品资料到可审核的回复
拆解工业品询盘的资料、型号、规格、报价与审核流程，给出首期范围、数据字段、异常测试和业务验收方式。
行业实践
咨询与专业服务公司如何用 AI 做研究？建立从证据表到报告的工作流
为研究、咨询与企业服务团队设计 AI 辅助流程，区分资料、事实、分析与结论，并明确核查、版本和客户交付责任。
行业实践
制造企业如何做 SOP 知识助手？先把适用条件和有效版本讲清楚
围绕制造企业作业文件检索，设计对象、版本、权限、人工确认和测试，避免把资料问答直接变成设备操作指令。
行业实践
制造企业如何用 AI 分析质量问题？先区分事实、线索与根因
将质量记录、异常描述和历史处理连接成分析辅助流程，明确数据口径、证据、评审与验证，不把相关性直接写成根因。
行业实践
供应链异常如何用 AI 辅助处理？围绕事件、影响与待办建立工作流
将延迟、缺料和订单变化整理成可核查事件，设计状态更新、责任分工、人工审批和任务追踪，避免自动承诺交付。
行业实践
销售会议如何连接 AI 与 CRM？从纪要整理到经过确认的业务更新
设计会议摘要、客户事实、行动项与CRM字段的转换流程，处理授权、歧义、审核和重复写入，衡量完整工作而非只看摘要速度。
行业实践
企业客服 AI 应该从哪里开始？先做分类、检索与转人工，再扩大自动回复
为客服与售后设计问题分类、依据检索、回复草稿和转人工机制，区分可自动处理、需审核与必须升级的任务。
FROM THE ARCHIVE
历史研究
保留原站发布的行业与市场文章，请结合原始发布日期阅读。