暂无搜索历史
这个问题不能靠“本体能让AI理解业务”来回答。理解多少、在哪个环节改善、是否值得增加建模成本,都要放进同一组任务里比较。
数字化部门把AI从新品需求包中提取的结果导成了一张Excel:300行候选项,后面依次是“候选类型”“模型置信度”“专家意见”和“是否通过”。
数字化部门把“川香鸡腿饭套餐”的新品需求包交给AI,里面有需求说明、五方访谈纪要、新品制度、数据字典、接口文档和十几条用户故事。一次演示性试跑后,AI生成了一份...
数字化部门把几套系统的表结构交给AI。POS里有商品表,ERP里有产品表和物料表,SRM里有供应商商品表,WMS里还有库存商品表。每张表都有编码、名称、状态,看...
食味里公司的“川香鸡腿饭套餐”上线评审会上,质量部提出了这条要求。市场部把它记进新品制度,BA写成系统需求,测试人员改写成验收场景,数据人员准备给字段加非空校验...
如果把一批用户故事交给AI,让它抽取角色、对象、动作和规则,再自动生成业务本体,会发生什么?
食味里的新品上线团队起初也这么想。他们把市场立项、研发试制、质量评审、物料建码、供应准备、门店培训和POS启用画成一条端到端流程,再让AI把每个方框转成概念、把...
这份清单不能说错,但它几乎避开了访谈中最有价值的部分:这些词分别是谁说的?他说的“产品”和别人说的是不是同一回事?“包含”“对应”“替代”是什么关系?“可采购”...
如果让AI读完公司的需求文档、流程文件和数据字典,再把里面的名词全部抽出来,是不是就得到了一套业务本体?
这个专栏记录的是从分析到语义、再从语义到产品的过程。希望它为BA、需求分析师和产品经理提供新的工作抓手,也让本体从业者更接近真实业务现场。
Agent 能找到高风险库存项,解释缺货依据,生成补货草稿,经计划员确认后写入业务系统。对象、关系、判断、动作和回写都跑通了,演示现场也很顺利。
一张补货单被 Agent 创建后,计划员发现数量明显偏大。采购尚未下发,问题被及时拦住。复盘会上,所有人都在问:它为什么建议补这么多?
一场企业 Agent 演示会上,业务负责人提出任务:“帮我处理一下下周可能缺货的物料。”
上午十点,客户运营系统发出一条预警:一位高价值客户连续一段时间没有购买,最近却仍在浏览商品。Agent 很快给出建议:“发送一张回归优惠券,进行流失挽回。”
现在的工作,很多个第一步都是从与 AI 互动开始的。
如果还没养成这样的工作习惯,可能这些人就留在了过去。
AI 作为类人工具,会像手机一样进化成人类的一部分。
上午九点,来料检验发现一批轴承的关键尺寸超差。质量工程师最先问的不是“检验报告在哪里”,而是:这批货还有多少在仓库?有没有投到工单?产出的成品去了哪里?现在应该...
假设 ERP 已经提供了一个“创建补货单”的 API。接口文档写得很清楚:传入物料编码、仓库编码、补货数量和期望到货日期,系统就会返回一张新单据的编号。
某物料当前库存只有 80 件,安全库存是 100 件,但明天将到货 200 件,未来一周需求只有 40 件。另一个物料还有 300 件,但新生产计划三天内要消耗...
暂未填写技能专长
暂未填写个人网址