企业AI落地的场景:自动化工具提效

正文共：2429字 1图

预计阅读时间：7分钟

前阵子在江苏待了四五个月，算是又体验了一把职场生活。

主要做的工作美其名曰是AI落地，或者最近比较时髦的称呼：FDE（前沿部署工程师）。实际上干的活儿，感觉像个项目经理或者产品经理，而且是一条龙的那种：从图纸规划到扎钢筋全套。

前俩月主要熟悉公司的业务场景，做了一些基础的工作，包括官网搭建，服务商对接，新媒体内容输出，没有太大的水花。

后俩月codex上手之后，基本上buff叠满猛猛干，投产也比较明显，各个岗位的同学用了专属于他们的工具之后，效率直接拉满。

提效的小工具整了没有十个估计也得有八个，大多数和excel处理相关。

总的来说，跟AI相关的产出大概分为三类。

第一类是内容产出方面

基于公司的业务场景和资料，面向不同的群体（客户/合作伙伴/异业）输出了几版PPT。

让AI围绕公司的业务场景和GEO需求，全方位的梳理了新媒体的输出内容大纲。虽然后面因为重心原因搁置了，但是成果还在。根据不同的时间节点和内容呈现需求，把提示词丢给AI，基本上两分钟可以搞出一篇符合需求相对高质量的文章内容。

另外，还开发了一个公司内部使用的生图站。因为公司是电商供应链背景，有挺多需要作图的场景和需求。之前大多依赖于PS，稍微会费点儿时间。

有了GPT-Image-2之后，2分钟就能整个基本符合需求的成果图。

第二类是精细化运营辅助方面

虽然采购了一些SaaS工具，但是公司的数字化工作基本上是缺失的。有一个NAS公盘，存储的大多数基础的图文素材。

很多数据还停留在本地文档和微信群，或者为了方便协作，会使用云文档工具进行信息同步。

花了几天时间，上线了一个企业内部的CRM系统，顺带把公司一直缺少的销售数据也整了进去。

采购的OMS系统处理订单的能力能满足基本需求，但是数据呈现和分析几乎为0。

你能想象吗，作为一个业务或者运营，销售业绩没有一个即时的呈现，基本是蒙眼狂奔的状态。

好在99%以上的订单都会经过这个OMS系统，原始数据有留存。所以针对这个业务现状和需求，做了一个本地数据清洗的工具，清洗完成之后，数据会脱敏传到云端，保留关键信息，包括品牌、渠道、SKU、业务、运营、销售额，通过仪表盘进行可视化呈现。

第三类是自动化脚本工具

这个部分的产出，大概体现出我这个菜鸟价值最大，也最明显的一个地方。

工具作业的时候，其实和AI没有半毛钱关系，完全是一个本地的自动化工具。唯一和AI相关的，大概就是构建的过程使用了AI。

针对不同的岗位，比如运营、财务、订单处理、对账，分别为他们开发了专属于其业务场景的提效工具。

有的工具是作业流程的其中一个环节，对整体提效有限，局部提效明显。

有的工具基本覆盖了岗位的整体流程，提效非常明显，甚至能够部分实现降本的目标。不过因为考量到各种人情事故，以及我自身能力的局限，没敢也没能实现老板心中最理想化的目标。

这里以其中的「订单处理」举例。

前两天梳理总结的时候，拍了两期视频，可以戳👇查看。

这里附上第2条视频的文字稿。

分享一个供应链场景，真实的AI落地应用案例。

没有搓skill，没有搭智能体，也不是企业内部的知识库。

是一个非常朴素的、符合实际业务场景的自动化工具。

示例内容是调试时的一个完整录屏，演示的是推单流程。

因为是生产环境，大多数信息不方便展示，所以加了马赛克。

完整的视频比较长，大概有7分多钟，这里是加了2倍速播放，所以看起来比较快。

整个业务的流程大致分为3个环节。

首先，去各个渠道的供应商后台下载待发货的订单信息。

然后，需要从各个平台繁琐的订单信息字段，抽离出OMS系统所需要的字段。

最后，把处理好的订单信息上传到OMS。

一共只有这三个步骤，其中相对费时的是前两个步骤。

尤其是第二个步骤，需要处理表头字段的映射关系，但是各个渠道都会有差异。

比如有的叫订单编号，有的叫渠道订单号。

并且，有些渠道的收件人信息是拆开来显示的，省市区地址是分开的，人工处理的时候，还需要通过公式进行字段的合并。

但是，这种字段映射或者公式的处理，对于程序来说，是非常擅长且高效的。

你会发现，整个录屏的内容，只有浏览器自动化作业的部分，并没有表格数据处理的过程。

因为对于程序来说，单个渠道几十上百的订单量，处理时间大概是秒级别的。

基本上在自动化程序从后台下载完成订单的同时，字段映射处理这件事儿已经干完了。并且，出错率为0。

当然这里有个前提，是平台的字段内容不会频繁变化，字段映射规则已经约定好的情况下。

这个自动化程序搭建的时间成本大概有一个多月，适配了30多个渠道的订单处理，目前稳定运营了两周时间。

推单时，单渠道的平均耗时不到20秒，如果有60个渠道的业务体量，全渠道推单一次大概需要花费20分钟。

回单时，单渠道的平均耗时大概30秒，如果有60个渠道的业务体量，全渠道回单一次大概需要花费30分钟。

加上登录巡检、人工处理异常情况，只针对推单、回单的业务场景，自动化程序一个小时基本上可以覆盖60个渠道的业务体量。

并且在稳定运营的情况下，程序作业时，是不需要人工进行干预的，订单处理的同学只需要关注处理结果和异常情况。

实现方面，主要采用了浏览器自动化和一个excel处理的第三方库，都是比较成熟的方案。

真正繁琐的部分，是需要适配每个平台不同的规则和流程。

包括字段映射规则、订单下载路径、订单回传路径等等。

这也是程序的主要价值所在：把之前存在于脑海中的经验和逻辑蒸馏为具体业务场景提效工具的养料。

最近也刷到很多企业AI落地场景的内容，包括各种FDE相关的短视频。后期也会往这个方向分出一部分精力进行尝试，有感兴趣或者已经在路上的伙伴，欢迎一起交流。

我是数字游民9527，一个沉迷于AI世界的普通人。

我在努力践行「把自己产品化」的理念，通过「Build in public & Learn in Public」的方式尝试建立个人品牌。

我希望通过直接下场行动的方式，验证普通人如何通过AI实现商业化实践，追求个体的财富与幸福。

我的互联网简历：🔍数字游民9527

期待与更多同频伙伴一同前行。