决策资料

立项前，先把范围、责任和验收说清楚。

这些资料帮助管理层、业务负责人和 IT 团队判断：哪个场景值得做、需要准备什么、风险如何控制，以及什么结果才值得继续投入。

先理解三件事

企业 AI 的难点通常不在演示，而在真实数据、系统权限、责任分工和上线后的持续运营。

FDE 强调工程团队与业务人员共同工作，直到首个场景具备可运行、可评估和可移交条件。

权限、数据、流程、成本、质量和一线使用方式都需要进入系统设计，否则演示很难变成生产力。

能查询、计算和写回的 Agent 更有价值，也更需要参数校验、最小权限、日志和人工审批。

材料不必完整，但真实样本越充分，越能在第一次工作坊里快速判断场景价值。

现有 SOP、审批链路、工单分类、销售阶段、报表生产流程。

20-50 个历史问题、优秀答案、失败案例、边界样本和高风险样本。

CRM、OA、工单、知识库、数据仓库、企业微信/飞书和可用 API。

当前耗时、响应速度、退回率、错误率、转化率、人工成本或风险事件。

用它们统一管理层、业务与 IT 的讨论口径，也便于后续明确项目范围。

按频率、收益、数据可用性、风险、推动人五个维度打分。

定义角色、输入、输出、工具、权限、边界和人工复核点。

列出数据来源、更新责任人、敏感等级、引用策略和过期机制。

用样本集、质量阈值、异常处理和业务指标决定是否扩大范围。

四个问题没有答案时，建议先做诊断，不急着采购平台或开发大系统。

主题	必须回答	主要参与人	会形成
业务价值	哪个流程高频、重复、可量化，而且有人负责？	管理层与业务负责人	场景优先级和当前基线
Agent 边界	Agent 可以查什么、做什么，哪些动作必须人工确认？	业务、产品与 IT	Agent 说明书和权限边界
数据条件	知识和数据能否授权使用、保持更新并显示来源？	数据、法务、安全与 IT	数据清单和知识治理规则
上线验收	达到哪些效率、质量、采用或治理指标才继续投入？	项目负责人和管理层	验收指标与暂停条件