不同角色，从自己的责任出发
| 面向人群 | 学习重点 | 可以形成的实践成果 |
|---|---|---|
| 企业经营者与管理者 | 判断 AI 机会、设定业务目标、组织试点 | 机会地图与试点行动方案 |
| 各行业岗位骨干 | 把岗位经验写清楚，搭建并试用 AI 工作流 | 岗位流程与使用说明 |
| 行业顾问与实施顾问 | 把专业方法与 AI 应用连接起来 | 场景方案与验收方法 |
| FDE 工程师与技术实践者 | 深入业务、连接系统、评测和交接 | 可测试、可维护的交付包 |
各个岗位，都有值得重新做一遍的工作
这些是学习场景示例。具体训练从企业现有岗位和资料条件中选择，不要求所有人学习同一套工具。
| 岗位方向 | 可用于练习的场景 | 重点检查 |
|---|---|---|
| 经营管理 | 经营信息整理、决策准备、行动跟踪 | 数据口径、判断依据、责任落实 |
| 销售与客户服务 | 客户记录整理、需求梳理、回访准备 | 事实准确性、客户状态、承诺边界 |
| 市场与运营 | 用户反馈归类、内容协作、活动复盘 | 资料来源、品牌表达、业务反馈 |
| 人力与行政 | 内部知识问答、入职资料、制度导航 | 信息更新、访问范围、异常转交 |
| 财务与供应链 | 资料核对、差异整理、交付协同 | 信息完整性、证据、关键节点复核 |
围绕一个真实任务，完成一次实践闭环
- 说清任务：谁需要什么结果，当前做法有什么问题。
- 备好上下文：相关事实、业务规则、人员与资源条件。
- 设计协作：明确 AI、人和业务系统各自承担什么。
- 搭建与试用：用正常、异常和信息不足的样本检查结果。
- 完成交接：让同事能够复用，让负责人知道怎样维护。
学习结果，应当能够带回工作现场
一份完整的实践成果可以包含业务问题卡、任务说明、相关资料与规则、可演示流程、测试记录和使用说明。业务负责人和实际使用者参与检查，才能发现看起来正确、却难以执行的部分。
验收应结合具体岗位：输出是否准确完整，是否减少有效工作时间，异常能否被发现，同事是否能够继续使用。先确定口径，再比较原来的做法。
先了解岗位，再共同设计培训安排
告诉我们你的行业、岗位、团队基础和最希望改善的一件工作。我们据此沟通学习目标、实践范围、授课与辅导方式，以及相应费用和周期。
培训帮助企业建立自己的能力。需要外部伙伴共同推进项目，可以进一步沟通 FDE 顾问协同；需要经营与组织层面的统筹，可以讨论 AI 原生组织共创。
常见问题
没有编程基础，也能参与吗？
可以从自己熟悉的岗位出发。业务人员负责讲清问题、规则和结果标准，技术伙伴协助搭建与连接。经营者、销售、运营、人力、财务等角色都可以学习相应的 AI 应用；希望承担系统接入与交付责任的 FDE，再逐步补足技术、评测和维护能力。
怎样了解培训、服务和社区参与安排？
可以通过官网咨询、微信或电话，说明你的行业、角色和想解决的问题。我们先沟通需求，再确认服务范围、交付成果、费用与周期。培训、企业项目和社区共创各自按实际安排开展，提交咨询不会自动付费或确认服务。
从一个真实业务问题开始
让下一步，变得具体。
带来你的行业经验、业务目标或协作想法，一起讨论适合的路径。
沟通我的培训需求