企业 AI 落地工作坊
团队想做 AI，但不知道该怎么把业务问题变成 AI 项目
周期：典型 2–3 天集中进行，可按需拆分
工作坊围绕你自己的业务问题展开，而不是讲通用课程。采用 Forward Deployed Engineer（FDE）方法——工程师和你的团队坐在一起，把真实业务场景拆解成可实现的技术方案，现场盘点数据、系统和流程，产出 RAG / Agent 架构草案、PoC 待办清单和风险权限清单。结束时团队带走的是一份可以立刻开始执行的计划，以及一套自己能复用的拆解方法。
你会拿到什么
- ▪业务场景拆解结果（从模糊诉求到可实现的技术任务）
- ▪数据、系统与流程盘点
- ▪RAG / Agent 架构草案
- ▪PoC 待办清单（按优先级排序，可直接进入开发）
- ▪风险与权限清单
- ▪下一阶段计划
过程
- 1 问题澄清
把「我们想做个 AI 助手」这类诉求，还原成具体的用户、场景、输入和期望输出。
- 2 现状盘点
现场梳理相关数据在哪、什么格式、谁维护、权限怎么配、和哪些系统打通。
- 3 方案共创
团队共同设计架构，工程师负责指出技术边界与风险，而不是单方面给方案。
- 4 范围收敛
把方案切成可以在几周内验证的最小切片，并定义验收方式。
- 5 计划落地
产出待办清单与责任分工，明确下一步谁做什么。
适合什么情况
- ●团队有 AI 意愿和一定技术能力，缺的是把业务问题转成技术方案的方法
- ●内部对做什么、怎么做存在分歧，需要一次结构化的对齐
- ●希望团队获得可复用的方法，而不只是一次外包交付
什么情况下不必做
这不是 AI 技术培训课。如果目标是让团队掌握模型原理或框架用法，公开课程更合适。
常见问题
工作坊和培训有什么区别？
+
培训讲的是通用知识，工作坊处理的是你自己的问题。工作坊结束时产出的是你的场景拆解结果、你的架构草案、你的 PoC 待办清单——这些东西在培训里不会有。方法是在解决真实问题的过程中传递的，不是先讲方法再让学员练习。
需要我们准备什么？
+
三样：一是若干个真实的候选场景（不需要想清楚，模糊也可以）；二是相关数据的真实样本，不是脱敏到失真的示例；三是业务方、科技方、数据安全方都有人在场——这三方缺任何一方，产出的方案都会在后面被推翻。
FDE 是什么？
+
Forward Deployed Engineer，前置部署工程师。核心是工程师进入客户业务现场直接解决问题，而不是把需求收集回去做成产品再送回来。这个角色在 Palantir、OpenAI、Anthropic 都是关键岗位，本质原因是 AI 应用的价值高度依赖场景上下文，隔着需求文档做不出来。
延伸阅读
相关案例
相关解决方案
咨询工作坊
建议从真实业务场景切入，优先完成项目诊断：评估业务价值、核查数据基础、识别安全与权限风险，审慎评估之后，再决定是否启动 PoC 原型建设，避免无效投入。
咨询工作坊