01 / DOCUMENTS
反复录入的单据
单据与信息提取 待评估
成果参考字段整理结果、待确认项及对应来源。
场景与参与方式
发票、凭证和业务单据中的哪些字段需要重复整理？先评估类型、版式和关键字段，再讨论信息提取怎样进入现有工作。
澄清字段和业务规则，评估资料与接口条件，设计结果核对方式。模糊、手写或多版式资料需单独验证；写入业务系统前按约定确认。
AI IN PRACTICE 业务中的 AI
让 AI 融入业务，
让改变有据可查。
围绕具体工作，将场景判断、试点验证与持续运营连起来。让每一步都形成可核对、可交接的成果。
价值牵引 · 流程重构 · 技术与治理
01 / 从业务出发
哪项工作，
值得先改变？
以下方向尚需分别评估，不代表已完成部署。具体工作及交付范围，结合业务条件与项目约定确定。
02 / BUSINESS QUERIES
跨报表的业务查询
SAP 业务查询与报表
成果参考带数据范围、查询时点和依据的回答示意。
场景与参与方式
同一个问题，是否总要跨几张报表核查？围绕自然语言查询、报表理解与操作指引，先理清术语、统计时点及可查询范围。
梳理业务口径，评估现有账号权限与接口，验证回答与原始记录是否一致。条件不全时先补充信息；写入或执行动作另行约定。
03 / DATA & PLANNING
等待核查的运营异常
计划与运营分析
成果参考异常摘要、相关依据和待讨论的影响因素。
场景与参与方式
需求、库存或交期出现变化时，哪些信息需要先核查？围绕真实业务约束，讨论数据整理与分析表达如何辅助负责人判断。
结合计划与库存规则明确分析对象，检查历史记录与约束，组织结果验证。观察到变化不等于证实原因，建议与系统执行分别确认。
02 / AI 落地五步闭环
让每一步，
都有继续前进的依据。
把业务目标、数据准备、技术验证与运营责任放进同一条路径。每一步形成可检查的成果，再决定进入下一步，或回到前面补齐条件。
五步闭环 / 从场景定义到持续运营
场景 筛选与定义
先选值得做，
也做得成的事。
核心同时看业务价值与落地条件，回答“谁的哪项工作，要改善什么”。
- 关键工作
- 记录现状与返工，评估效率、质量、成本及风险；同时核对数据、权限、接口、人员和预算，约定成功标准与异常转人工条件。
- 阶段产出
- 场景优先级与立项卡：目标、范围、基线、资源和负责人。
如何决定先做哪个场景？
数据 治理与准备
先让这项任务
所需的数据可信。
核心围绕一个场景治理必要资料，把口径、质量、权限与更新责任一起明确。
- 关键工作
- 盘点来源与字段，处理缺失、重复和过期内容；核验完整性、准确性与时效性。按任务授权读写，明确数据负责人和修正方式。
- 阶段产出
- 最小可用数据集、字段与口径说明、权限清单和更新责任表。
先理顺当前任务，不要求先治理全公司的数据，也不预设每项任务都需要训练集。
模型 构建与验证
用同一组样本，
验证合适的方案。
核心从足以解决问题的方法起步，用业务效果、可靠性与完整成本决定技术投入。
- 关键工作
- 比较商业 API、自建或托管模型的条件；按任务组合知识检索、结构化输出和工具调用。精确计算交给规则程序，微调按验证需要决定。
- 阶段产出
- 方案对比、可运行原型、接口与权限设计，以及效果、关键错误、复核负担和总成本的评测记录。
模型来源、部署位置与定制方式分别选择；私有部署并不等于必须微调。
查看企业级 AI 技术栈试点 验证与迭代
检验整段工作，
再决定是否继续。
核心在有限范围跑通完整业务，用真实反馈与验收记录支持扩大、调整或停止。
- 关键工作
- 先比较结果，再按授权小范围执行；覆盖正常、缺失、超时与权限不足。衡量端到端耗时、质量返工、人员负担、异常处理和实际采用。
- 阶段产出
- 试点报告、问题处理与价值核验记录、后续决定，以及接管和回退安排。
怎样核对业务价值与验收依据？
节省的工时、实际现金节约与新增产能分别记录，避免重复计算。成本包括资料准备、集成、模型使用、人工复核与维护。周期及验收标准根据项目确定。
| 原方式 | 试点方式 | 依据记录 |
|---|---|---|
| 资料准备至最终确认的完整耗时 | 包括复核、修正及异常处理的完整耗时 | 相同任务范围、计时、错误和修改记录 |
验收保留未参与调试的样例。关键条件未满足时继续调整或停止，不因排程结束自动视为通过。
阅读：AI 报告如何复核规模化 推广与运营
复制有效方法，
落实新的协作责任。
核心把试点沉淀为可复用的能力，推广时同步调整流程、权限与人员分工。
- 关键工作
- 逐步标准化并扩展场景；维护规则、知识、模型和接口版本，持续观察使用、质量及成本。重要变化后重新评测，把反馈带回前序步骤。
- 阶段产出
- 可复制方案包、职责与权限矩阵、运营看板、岗位培训与持续改进安排。
业务负责人确认规则和价值；技术、数据与运营人员分别落实稳定性、资料质量和持续跟踪。
闭环的关键：持续用业务结果校正选择，把运营反馈带回场景、数据与模型，逐步形成可持续的工作方式。
了解 MHC 的交付方法03 / 企业级 AI 技术栈
让一个场景的成果，
接入企业的日常运行。
一个场景跑通之后，哪些能力值得复用？从应用到基础设施，把接入、智能能力与运行条件放在同一张图里讨论。
以下为企业 AI 能力规划参考，按场景分阶段建设；不代表 MHC 已建成或提供全部平台模块。
从业务需求选择能力，四层衔接、按需组合。
-
01
应用场景
从具体工作出发
- 智能客服
- 智能营销
- 智能运营
- 智能风控
- 知识助手
- 研发提效
场景示意，可按业务需要继续接入；每个场景需独立确认范围与责任。
-
02
统一网关与
能力开放层让接入有统一规则
统一 API 网关
认证 · 鉴权 · 限流 · 路由 · 审计
模型服务目录
管理可用模型与版本，记录能力标签和调用情况。
能力编排
组合工作流、提示词与工具，让不同能力协同执行。
开发与集成
通过 SDK、OpenAPI、沙箱和文档支持系统对接。
-
03
AI 能力层
可复用，也可组合
模型中心
通用与领域模型、Embedding 模型，以及模型适配与对比。
知识中心
知识采集与治理、标注和向量管理，保持资料可信可用。
数据智能
数据处理、特征工程、标注与质量管理，支持业务分析。
智能体平台
组织智能体、工具调用、记忆与任务规划，明确执行边界。
AI 治理与安全
覆盖内容与模型安全、隐私保护及合规审计。
评估与监控
跟踪效果、性能与成本，连接告警、复核和改进。
-
04
基础设施层
支持稳定运行与扩展
算力资源
CPU、GPU 与异构加速，匹配任务所需的计算能力。
存储资源
对象、文件与向量存储，承载不同类型的数据。
网络与中间件
容器编排、消息队列与服务网格，连接系统服务。
云原生与运维
自动化部署、弹性伸缩与可观测性，支撑日常维护。
04 / 实践注记 · 运维月报 实践中
写出一份初稿之后，
还要核对什么？
从具体整理负担、授权工单与指标口径开始，将技术验证接入顾问复核，再讨论试点与后续维护。MHC 正在探索工单整理、报告初稿与顾问审阅的衔接，辅助月报及双语 PPT 准备。
实践方向介绍，尚不代表规模化部署或已验证的效率成果。
一处判断，
三次核对
- 01先核对记录
范围是否完整，缺失是否标明。
- 02再核对口径
计算是否一致，结论是否越界。
- 03最后确认使用
依据留在报告里，判断交回负责人。
展开模拟月报：一处判断怎样被核对？
模拟方法示例 · 非客户交付
同一组记录，两种表述。
固定模拟材料，用于说明复核方法；非实时 AI 生成，不代表现有工具已具备下述能力。样例时长按记录起止时间差计算，并非人工投入工时。
初稿表述 · 模拟
平均处理时长为 5 小时，主要由于流程优化，整体处理效率已提升。
待修正：补充统计范围；删除尚无依据的原因与效率判断。
顾问修订 · 示意
5 条时间完整样例的平均处理时长为 5 小时，另 1 条待补资料，未纳入计算。该结果仅描述本组已确认样例，不能判断效率变化或归因于流程优化。
查看样例明细与计算规则
固定模拟记录
- S014 小时 · 时间完整
- S026 小时 · 时间完整
- S033 小时 · 时间完整
- S045 小时 · 时间完整
- S057 小时 · 时间完整
- S06缺少关闭时间 · 待补资料
计算：(4 + 6 + 3 + 5 + 7) ÷ 5 = 5 小时。S06 不补造时间，不以零值替代，也不计入本次平均。
样例采用每条记录已确认的开始与结束时间间隔，统一以小时表示；不进行暂停时间、工作日或其他折算。实际项目需先约定计时起止及排除条件。本例不用于 MTTR 或 SLA 判断。
数据、口径与人工复核，怎样衔接？
按任务准备数据
先确认工单、字段、附件及时间范围的授权，检查缺失、重复和异常。只使用任务所需资料，明确更新与修正责任。
先定口径，再算指标
SLA、MTTR 等实际指标须约定事件范围、起止时点、服务时间窗及排除规则。规则计算与文字生成分别核对，不让模型猜测定义。
保留确认与异常处理
生成内容保持草稿状态，顾问核对依据，业务负责人确认原因和行动。资料不足或权限不符时，交回负责人员处理。
月报处理环节示意：授权记录 → 规则计算 → 内容初稿 → 顾问复核 → 确认使用
START WITH YOUR WORK
把您的第一个场景，
带进讨论。
目前怎么做，哪些环节费力，希望改善什么？
可以先讨论脱敏样例，不必在初次联系时提供完整业务资料。