FDE 企业 AI 落地与交付 · 需求、方案与交付 · 2026-07-07

向 AI 许愿前,先搞清楚要解决什么问题

向 AI 许愿前,先明确问题类型,否则技术选型可能南辕北辙。

核心内容:

  1. 企业常见业务问题的六种类型
  2. 从问题到技术的匹配矩阵
  3. 活动准备度等具体案例分析

太长不看版

很多企业讨论 AI 时,第一反应是:

这个问题能不能用 AI 解决?

我们是不是应该做一个 Agent?

但更重要的问题其实是:

这到底是什么类型的问题?

因为不同问题,适合完全不同的技术,而不一定是 GenAI。

一个越来越常见的现象

最近参与一些 AI 讨论时,我发现很多需求都会以类似方式出现:

能不能用 AI 赋能门店运营?

电商首页能不能用 AI 来选品?

或者进一步变成:

我们是不是应该做一个店长 Agent?

我们是不是应该做一个选品 Agent?

这些问题看起来不同。但仔细想想,它们背后其实共享一个假设:

业务问题 ↓AI / Agent ↓解决方案

仿佛 AI 或 Agent 是一种万能方案,只要套上去,就能解决各种业务问题。

但我越来越觉得,真正需要先回答的问题不是:

能不能用 AI?要不要做 Agent?

而是:

这到底是什么类型的问题?

因为只有先理解问题本身,后面解决方案的讨论才有意义。

企业并不是在寻找 AI 解决方案,它们只是碰巧把 AI 当成了起点。

第一张矩阵:Problem Type Matrix

我认为企业里常见的业务问题大致可以分成六类。

Problem Type 核心问题 典型场景
Classification 这是什么? 商品打标、客户分群
Execution 到哪一步了? 收货、调拨、工单处理
Assessment 准备好了吗? 活动准备度、上线检查
Prediction / Risk 未来会发生什么? 销售风险、断货风险
Decision / Optimization 应该怎么做? 选品、补货、排班
Generation 应该怎么表达? 客服回复、邮件生成

这张表的价值在于:抛开"做个店长 Agent"、"做个选品 Agent"这类方案描述,往下拆一层,看清根问题到底是什么。

例如:

同样是需求,根问题类型完全不同——往方案走之前,先分清这一点。

一个例子:活动准备度

以门店活动准备度为例。

很多人第一次看到这个场景时,会自然地说:

我们是不是…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhinenghuagaizao/2026070715328.html