• 企业管理层

  看清AI应用的优先顺序、投入方式、组织影响，以及哪些责任必须由人承担。

• 业务部门负责人

  从部门真实任务中识别可试点场景，明确谁使用、解决什么问题、结果如何确认。

• 数字化、IT与数据团队

  学习把业务需求拆成资料、流程、规则、接口和验收标准，更准确地评估实现路径。

• 生产、质量、设备与工程骨干

  围绕现场记录、异常分析、报告、标准、工单和作业文件开展练习。

• 供应链、采购、销售、售后与经营人员

  提升资料分析、沟通准备、经营简报和行动跟踪的效率。

能带走什么

• 大语言模型和AI智能体分别能做什么，用企业常见任务解释两者的差别；

• 企业使用AI的主要价值：减少重复整理、加快资料分析、辅助报告与沟通材料；

• 适用边界：涉及安全、质量判定、重大经营决策和责任认定的工作，必须保留专业人员复核；

• 试点选择方法：优先频率高、输入输出清楚、有资料可用、结果容易检查的任务。

• Skills 的基本原理、获取方式，以及它与提示词、知识库和自动化流程的关系；

• 如何选择官方、团队共享与企业内部标准 Skills，避免来源不明的工具进入业务；

• 两种创建方式：按明确需求设计新 Skills；把已验证有效的做法沉淀为 Skills；

• 应用示例：标书核对、招聘材料整理、三维地图与数据可视化、报告编写和PPT制作。

• 生产管理：整理日报周报月报，提炼交接班信息，识别计划偏差与待跟进事项；

• 异常分析：按人、机、料、法、环、测初步归类，生成调查问题清单（AI只做辅助梳理）；

• 质量管理：整理客户投诉，辅助形成8D报告初稿、检验标准摘要与供应商质量沟通材料；

• 设备管理：规范故障记录，按紧急程度和专业方向分诊维修工单，汇总高频故障与备件需求；

• 工程与工艺：辅助编制SOP、作业指导书和工艺变更说明，并核对版本与引用依据。

• AI智能体对工作分工、协作方式和岗位能力要求的影响；

• "任务—人—AI"匹配：哪些工作由人主导，哪些可由AI先处理，哪些适合人机协作；

• 员工接受度、岗位安全感、培训支持和结果责任，如何影响项目能否真正用起来；

• AI部署四象限：绿灯区、红灯区、研发机会区和低优先区的判断方法与推进策略。

• 供应链与采购：供应商资料分析、采购比价、谈判准备、库存异常与交期跟踪；

• 销售与市场：竞品分析、市场动态简报、经销商培训资料和客户需求整理；

• 售后服务：售后案例归类、客户反馈原因分析、典型问题总结和改进建议；

• 经营管理：经营日报周报月报、会议纪要转行动清单、项目复盘与跨部门事项跟踪。

• 案例演示：工作看板、报告自动生成、招标公告监测、业务平台自动浏览，重点看业务任务如何拆分、资料如何进入流程；

• 标签审核系统：从业务需求与验收标准出发，完成方案设计、AI提取与判断、本地规则裁决、人工复核，直至测试、发布与生产上线；

• 试点讨论：每位学员选择一个本企业场景，明确使用者、痛点、输入输出、规则、人工边界和验收指标。

顾磊 博士机器学习与智能化工程

联检（江苏）科技股份有限公司集团中心研究院院长，澳大利亚阿德莱德大学博士，曾任新加坡南洋理工大学研究员；入选江苏省"双创人才"、江苏省卓越博士后计划和常州市龙城英才计划。

潘荣凯 博士人工智能应用

联检（江苏）科技股份有限公司与东南大学联合培养博士后、江苏省"333高层次人才"，兼任河海大学、常州大学等高校校外导师。主持政府项目5项，发表SCI及核心期刊论文，拥有多项发明专利并参与标准编制。