Skip to content

第三堂课:从行业案例判断应用价值 ​

一个行业案例有价值,不只是因为它出现了模型名字。我们需要看原来遇到什么问题,AI进入了哪一环节,谁继续工作,以及效果依据是什么。

本堂选取四个有公开来源的例子。企业介绍、行业案例、政府报道和研究论文各有用途,它们不能自动互相替代。

01 四个行业,四种具体任务 ​

四类行业任务分别评价
四类行业任务分别评价制造:维修建议与现场操作;金融:关系分析与业务口径;政务:咨询辅助与正式办理;医疗:研究系统与专业判断制造维修建议与现场操作金融关系分析与业务口径政务咨询辅助与正式办理医疗研究系统与专业判断联系与区别
四类行业任务分别评价;图中数量、箭头和节奏用于说明关系。查看原图 →

制造:让维修知识更容易到达现场 ​

海尔2026年公开材料介绍,工厂引入天智工业大模型构建设备管理智能体,维修人员可以用语音或文字获取解决方案。企业介绍

可见的任务是设备维修相关知识服务。不能据此推断模型可以独立维修所有设备,也不能把一个工厂披露的效果推广为整个行业的固定收益。

作为教学分析,我们可以继续问:设备型号和手册版本怎样对应,建议怎样被现场核对,新的维修经验由谁整理。

金融:理解数据怎样流动 ​

中国银行业协会2024年刊载江苏银行案例,介绍了“智慧小苏”与数据治理平台、血缘分析工具的结合,涉及SQL分析、关系追溯和自然语言交互。案例原文

这里的价值并非只让聊天更自然,而是帮助工作人员理解数据从哪里来、经过什么处理、影响哪些结果。算法、工具和业务口径需要一起看。

政务:把咨询连接到服务 ​

“贵人智办”的官方介绍区分了事项问答、高频查询和部分事项的边聊边办。它们是不同服务能力,不能合并成一个笼统准确率。官方报道

咨询说明、提交申请与正式办结也要区分。评价时应问系统帮助使用者完成了哪一步,而不是只看回答是否流畅。

医疗:不同模块协同,而不是一个模型包办 ​

2024年DeepDR-LLM研究结合影像深度学习与语言模型,分别处理眼底图像相关任务和管理建议。论文还区分了外部验证、辅助使用与单中心前瞻性研究。研究原文

研究展示了特定条件下的系统表现,不等于全国普遍部署或替代医生。这里讨论研究与评价方法,不提供个人诊疗建议。

02 用需求、做法和边界读案例 ​

对于每个案例,都可以先写三句话:原来哪件事难做,系统具体改变哪一环,现有材料支持到什么范围。

制造案例可能改变知识查找,金融案例帮助关系分析,政务案例连接咨询与办理,医疗研究组合多种模型和专业判断。

看清这些具体任务,才不会把所有行业应用理解成同一种聊天机器人。

03 局部提速与完整价值不同 ​

局部提速与整体价值
局部提速与整体价值原流程:明确人员与工作量;加入AI:记录改变的环节;完整比较:包括检查维护和返工;采用判断:看结果与影响是否合适原流程明确人员与工作量加入AI记录改变的环节完整比较包括检查维护和返工采用判断看结果与影响是否合适联系与区别
局部提速与整体价值;图中数量、箭头和节奏用于说明关系。查看原图 →

更快地给出候选方案,可能节省查找时间,但完整工作还包括检查、操作、沟通和返工。评价要与原流程在相同条件下比较。

教学推演:检索从十分钟变成一分钟 ​

这两个数字是假设。如果系统之后需要额外二十分钟纠错,不能只宣传检索减少的九分钟。相反,如果它提供来源,让检查也更方便,收益可能出现在多个环节。

因此,需要记录完整流程,而不只截取最好看的时间段。质量、费用、维护和受影响者的负担,都可能改变结论。

04 研究与部署之间还隔着什么 ​

研究结果与现实部署之间
研究结果与现实部署之间研究条件:人群任务材料与指标;测试结果:在这些条件下观察到什么;部署条件:环境流程与责任是否相符;持续观察:新情境中的效果与问题研究条件人群任务材料与指标测试结果在这些条件下观察到什么部署条件环境流程与责任是否相符持续观察新情境中的效果与问题联系与区别
研究结果与现实部署之间;图中数量、箭头和节奏用于说明关系。查看原图 →

研究中的任务、人群、材料、设备和评价指标都有范围。把方法带到新环境,需要判断这些条件是否仍然成立。

医疗例子尤其说明这一点:图像识别指标、专业人员辅助使用效果和长期服务结果,不是同一个指标。不能把它们相加或改写成一个“总准确率”。

其他行业也一样。某个数据集表现好,不代表真实流程的权限、更新和异常问题已经解决。

05 小范围采用怎样提供真实信息 ​

从小范围采用开始
从小范围采用开始选择任务:明确价值与风险;设定标准:好结果与停止条件;小范围运行:留下实际过程证据;调整决定:扩展修改或暂停选择任务明确价值与风险设定标准好结果与停止条件小范围运行留下实际过程证据调整决定扩展修改或暂停联系与区别
从小范围采用开始;图中数量、箭头和节奏用于说明关系。查看原图 →

可以先选择明确、可恢复的任务,定义好结果与停止条件,在小范围运行中记录问题。再决定是扩展、修改还是暂缓采用。

不只记录成功案例 ​

哪些材料读错、哪些问题转人工、哪些结果需要返工,都有价值。如果只留下成功截图,就无法理解系统在什么条件下可靠。

让不同角色参与评价 ​

使用者关心是否方便,业务人员关心口径和责任,技术人员关心运行条件,受影响者关心权益和可纠错性。完整评价需要把这些视角连起来。

案例走读:为设备维护助手设计一次有限试用 ​

以下是围绕制造案例的教学推演,不是海尔实际试用方案。假设工厂希望了解助手能否帮助新人更快查到某类设备的维护资料,可以先限定设备范围、手册版本和问题类型。

先用同一组问题比较原有查阅方式与助手方式。记录找到资料用了多久,也记录资料是否适用、关键注意事项是否遗漏、现场人员是否需要额外纠错。不要让助手直接控制设备来证明“更自动”。

发现可能的下一步
答复快,但引用旧手册先改善资料版本与检索
资料正确,但新人看不懂改进解释方式与现场培训
常见问题有效,异常问题不稳明确范围与人工接续
核对成本抵消了查找收益重新评估任务选择与流程

试用可能支持扩大,也可能支持缩小范围或暂缓采用。把这些结果都当成有用信息,才不会为了证明预设结论而只保留成功截图。

本章回顾 ​

AI应用的价值发生在具体任务中。把需求、实际做法、证据范围和后续责任说清,才能形成可靠的判断。

1. 企业披露一次成功,是否能证明全行业都会得到相同效果? 不能。任务、数据、环境和评价口径可能不同,推广需要额外证据。
2. 为什么医疗研究不能合成一个总准确率? 不同模块和评价环节处理不同任务,指标、人群和条件并不相同。
3. 试点中为什么要记录失败与返工? 这些记录帮助明确适用范围、维护成本和改进方向,而不仅是证明某次能够成功。

进入下一章:合理使用与社会责任

微信联系

李不凯的个人微信二维码,扫码添加好友

使用微信扫一扫,手机上可长按保存二维码