欢迎来到 AioGeoLab | AI实验室 👋
🎯 特别栏目 · 塔迪GEO判断工程
不讨论如何被更多人看见,
只讨论在 AI 必须下判断时,
系统为什么会用你。
判断工程不是教你多下判断,
而是让"可以被系统使用的判断"
变得极其稀缺。
如果你的判断被系统反复使用,
那你是否准备好,
为它的后果长期负责?
不讨论如何被更多人看见,
只讨论在 AI 必须下判断时,
系统为什么会用你。
判断工程不是教你多下判断,
而是让"可以被系统使用的判断"
变得极其稀缺。
如果你的判断被系统反复使用,
那你是否准备好,
为它的后果长期负责?

所有目标都重要,AI到底该先保什么?|ANC说清公司如何取舍 一家B2B软件公司正在让销售Agent持续推进商机。它会读取客户需求、合同金额、成交概率、产品能力和交付资源,判断下一步应该提供什么方案。 一位来自重点行业的大客户愿意签署金额可观的多年合同,同时提出两个条件:获得价格优惠,并在八周内上线一个不在标准产品路线中的定制功能。 Agent建议接受。大额合同可以带来重要收入,标杆客户有助于公司进入目标行业,定制投入也可能被后续市场机会覆盖。从收入、行业入口和成交机会来看,这个建议有充分的理由。 ...

把优秀员工的经验交给AI,为什么还不够?|ANC确认什么判断代表公司 一家制造企业正在把紧急备件采购交给AI Agency。设备故障或关键零件库存不足时,Agent会读取停线风险、供应商报价、历史交付和采购制度,选择供应商并持续推进采购。 公司没有让AI从所有订单中平均学习,而是选了一位长期表现优秀的采购负责人作为主要样本。这位负责人熟悉设备,也熟悉哪些供应商能在紧急时刻真正把零件送到工厂。过去遇到可能停线的需求,即使老供应商报价更高,他也经常优先选择对方,多次帮助工厂及时恢复生产。 ...

AI懂业务还不够,企业还要把自己的判断交给它|ANC重新建立企业判断 一家B2B软件公司把部分客户续约工作交给了AI Agency。它不只负责发送提醒,还会根据客户状态判断风险、提出行动,并持续推进续约。 面对一个即将到期的重要客户,Agent给出的建议是尽快提供折扣,争取提前续约。客户近期使用下降、服务工单增加,流失风险正在上升;从这些事实出发,折扣是一个说得通的选择。 ...

AI预测得越准,企业判断为什么越重要?|《Prediction Machines》的启示 《Prediction Machines》由多伦多大学的Ajay Agrawal、Joshua Gans和Avi Goldfarb合著,原版出版于2018年,2022年推出更新扩展版。中文版书名是《AI經濟的策略思維:善用人工智慧的預測威力,做出最佳商業決策》。 一本理论书最让人兴奋的时刻,常常不是它给出了一个新答案,而是它突然换掉了我们一直在问的问题。 ...

企业走向AI原生,是否意味着要把业务尽可能AI化?丨ANC重新理解AI原生建设 那家全渠道零售企业的库存与履约Agent,已经进入常态化运行。 在需求波动大、库存分散、履约动作需要持续取舍的商品中,Agent能够根据业务变化形成下一步,并改善客户订单和相关经营结果。它已经不再是一个等待验证的试点,而是公司正常经营能力的一部分。 项目团队因此提出了新的计划:把Agent扩大到全部商品,并进一步进入促销安排、常规补货和供应商订货。已有的数据、模型和工具可以继续复用,扩大范围在技术上也完全可行。随着更多业务由Agent承担,公司的AI覆盖率和自主运行程度都会提高。 ...

AI Agency试点已经证明价值,为什么还不能直接进入正式运行?丨ANC重新理解AI原生试运行 那家全渠道零售企业的库存与履约 Agent,已经完成了一个季度的试点。试点范围内,Agent 不只运行稳定,也确实改善了客户和经营结果:重点商品的订单满足率有所提高,一部分紧急调拨和加急履约得到减少。项目团队已经能够说明,Agent 采取了哪些行动,以及这些行动怎样带来了经营结果的变化。 ...

Agent的运行指标都在变好,为什么企业经营结果没有同步改善?丨ANC重新理解AI原生过程指标 季度项目复盘会上,库存与履约 Agent 的项目团队给出了一个明确判断:经过一个季度的优化,系统已经比上线时更稳定、更可靠,也更能自主处理业务情况。这个结论有测试结果和运行记录支持,并不是技术团队的主观评价。业务负责人却提出了另一个问题:如果Agent已经明显进步,客户和企业经营究竟发生了什么变化? 现场没有人能够拿出同样清楚的证据回答。双方看到的都是真实事实。项目团队证明了系统取得进步,业务负责人追问的则是这些进步是否已经成为公司价值。这并不否定Agent的价值,它说明企业需要区分两个判断: ...

企业给AI设定目标以后,为什么还必须让它得到业务反馈?丨ANC重建AI原生反馈系统 上一篇那家全渠道零售企业,已经把经营目标定义到可以约束下一步。 AI知道公司希望改变什么业务状态,也知道哪些客户承诺、经营代价和行动边界需要被考虑。面对核心门店的缺货风险,它决定从一家低需求门店调拨库存。行动以后,根据系统返回的局部状态,AI判断原来的调拨策略有效,下一次遇到类似情况时可以继续采用。 这个判断不是来自预设流程。AI确实在根据目标和行动结果自主形成下一步。 ...

企业走向AI原生,应该怎样定义AI可以运行的目标?丨ANC重新理解AI原生建设 一家全渠道零售企业决定建设库存与履约 Agent。管理层给出的目标很明确:下一季度,将重点商品缺货率降低20%。 业务问题似乎清楚了,KPI也有了。项目团队可以接入商品、门店、库存和订单数据,也可以让系统调用补货、调拨和履约工具。 但当某个重点商品即将缺货时,AI仍然可能面对几个都合理的下一步,比如:使用成本更高的加急运输,保护当前订单;或者从其他区域调拨库存,避免增加履约成本。 ...

什么样的业务,才真的需要AI Agency?丨ANC重新理解AI原生建设 上一篇留下了一个问题。 企业已经不再只围绕一个 Agent、一项任务或者一条现有流程定义 AI 建设,而是开始回到经营目标,重新看一项价值怎样被持续推进。 但找到正确的建设对象,不等于找到了正确的推进角色。 一个经营目标很重要,也不意味着它就需要 AI Agency。 继续看那家工业设备公司。 公司准备提高客户续约率,可以建设一套自动运行的续约系统。 ...