PIPELINE简而言之
在决策AI自动化之前，值得进行简短的现状评估：哪个流程最耗费时间、谁将在后期维护系统，以及所需内容是否存在。完整检查清单见下文。
01 — 检查清单
首次报价前明确
- 想改善什么？用一句话说明，不用专业术语。
- 如何判断？用一个应该改变的数字。
- 谁来决策？一个人，不是一个委员会。
- 可用预算是多少？大致范围即可 — 这让报价具有可比性而非随意性。
- 截止时间？以及时间取决于什么。
- 涉及哪些系统？谁拥有访问权限。
- 您们已有什么？内容、数据、前期工作 — 这会降低价格。
02 — 配合要求
我们需要您提供的内容
- 一位有决策权的联系人 — 而不仅仅是转达信息的人。
- 相关系统的访问权限,需要及时提供，而不是在上线当天才给。
- 来自日常业务的真实案例 — 越不规范，对测试就越有价值。
- 2至4小时用于沟通协调，分散在整个项目周期内。
- 对“什么是成功”这个问题的明确答案。没有这个答案，后期就无法评估效果。
03 — 问题
您应该提出的问题
- 如果项目成本超出预估会怎样 — 由谁承担？
- 数据、访问权限以及（如果有开发）源代码归谁所有？
- 第二年和第三年的运营成本是多少？
- 我们最终会收到什么样的文档？
- 您会用什么标准来衡量这个项目是否成功？
- 在什么情况下您会建议我们不要做这个项目？
04 — 问题
常见问题
与普通自动化有何区别？
普通自动化遵循固定规则：如果字段A填写完毕，则执行B。AI自动化则适用于没有固定字段的场景——自由文本、图像、变化的文档格式。通常二者结合才是正确答案，而非只选其一。
可靠性如何？
这取决于应用场景，我们会在正式上线前进行测量。对于传入消息的分类，构建良好的系统通常能达到九成以上。关键不仅是准确率本身，而是出错时会发生什么——因此我们始终会内置一个检验阈值。
这与聊天机器人有何区别？
聊天机器人在对话中回答问题。AI自动化在后台运行，无需对话——它阅读、分类和预判，而其他人专注于实际工作。
EU AI Act对此有何规定？
大多数企业应用场景属于低风险类别，主要触发透明度义务。当客户直接与系统交互或发布AI生成的内容时，我们会标注。对于人力资源领域的应用，我们会更仔细审查，那里适用更严格的规则。
我们如何保持对自动决策的监督？
每个决策都会记录：哪些输入、哪些结果、哪些置信度。可以随时抽查，就像对待人工代理一样。
如果文档或格式发生变化怎么办？
只要内容意义不变，系统就能很好应对——不同于刚性的基于字段的识别。全新的文档类型需要短暂的重新调整，而非重建。
我们的数据会被用于语言模型训练吗？
不会。我们仅使用合同明确排除客户数据训练的访问权限，并在欧盟内处理。对于特别敏感的数据，我们使用在您自己基础设施上运行的模型。
下一步
初步评估，无需承诺。
简要说明项目内容。您们会得到关于可行性和大致费用的诚实答复。