人工智能

令人失望的AI项目，通常始于一份冗长的应用场景清单，却没有基线。试点凭演示评判，演示效果出色，但在工具上线之前，没有人记录过这项任务耗时多久、成本多少、出错频率如何。我们从账目出发：选定一项对应具体损益科目的任务，例如单笔订单的服务成本、报价周转时间，或财务团队为发票编码所花的工时，测量其当前的运行情况，然后才决定是用模型、规则还是更好的表单来改进它。

在成熟企业中，我们看到的大部分价值来自范围明确的功能：依据公司自有内容回答产品与政策问题的助手、为服务工单分派路由的分类器、由指定人员审批输出的起草工具。这些功能成败取决于评估。一套只检查问题走了哪条路由的测试，可能全部通过而答案却是错的。因此，我们用真实的客户和员工问题构建回归测试集，逐条阅读回复，并把每一次失败都保留为永久测试。我们在自有产品和所交付的软件中构建并运行AI功能，因此关于评估、运行成本和失效模式的建议，都来自实际运营经验。

第二条战线在企业外部。采购方会询问ChatGPT、Perplexity和Google的AI功能该选哪家供应商，而这些系统依据其能够抓取和核实的内容来描述一家公司。没有任何服务商公开其来源的选择方式，因此我们不承诺任何排名或引用。我们只处理有据可查且在您掌控之内的事项：robots.txt和CDN层面的爬虫访问、摘要控制、一致的实体信息，以及承载值得引用的第一手证据的页面。