专长

落地的人工智能与系统集成

每天都跑在生产环境里的人工智能，用在真正吃重的流程上。 还有那些终于能互相对话的系统——而且不用扔掉还在正常工作的东西。

这两件事放在同一页，是因为在企业里它们本来就是一件事。 一个看不到真实数据的 AI 助手，是个演示。一个能读单据、 却不知道怎么把单据挂回管理系统的模型，只是把工作挪了个位置，并没有把它去掉。 有用的人工智能，几乎总是一个乔装打扮过的集成问题： 价值不在模型里，在把数据送进去、把结果送出来的那根管子里。

我交付什么

• 会自己读、自己归档的单据。在单据诞生的地方采集， 用模型做分类和抽取，挂到管理系统的数据上，带索引归档。 再加一条人工复核队列，处理模型没把握的情形——正是它让自动化能长期站得住。
• 基于企业数据回答问题的助手。用日常语言提问， 答案由对真实记录执行查询得来，严格遵守提问者本人的权限，而且是只读的。
• 能执行流程的智能体。不只是回答，而是去做。 一个横跨三个系统的重复步骤，变成一段自己会跑、只在需要时才求助的流程。
• 系统之间的集成。老的管理系统、云、外部服务、 那些没人敢碰的电子表格。让现有的东西对话，几乎总是比替换它们便宜。

原则：留一个安全出口

一套不为人工例外留位置的自动化，遇到第一个奇怪的情况就会被弃用， 而且弃用得有道理。所以我构建的每一套系统里都有这样一个点： 当模型没有把握时，它不去猜，它把这个案例排进队列去问人。 一个人看一眼，确认或者更正，系统从中学到东西。这不是补丁： 这正是这些东西已经在生产里跑了好几年、而不是只跑了一个季度的原因。

第二条原则关于数据：数据留在原处，权限也不变。 AI 只是在同一批数据上、为同一批人加了一个入口； 合同和配置都排除了用你们的数据去训练模型。

延伸阅读： 每天一百一十份单据，没人经手 · 用日常语言向管理系统提问

怎么开始

从一个流程开始，最疼的那一个，一起看哪里在堆积工时和差错然后选定它。 头几周就必须产出可用的东西：如果一个 AI 项目要六个月才能看见结果， 那是项目的形状不对，不是技术不对。