《FDE案例100》方法论特辑 · No.03｜场景怎么选：知识密集、有数据、卡住最稀缺的人

三个硬条件#

制造业里有个案例，做的是非标产品的售前方案和报价。这家企业两三百人，一二十亿营收，多品种、小批量，大量订单都是非标需求。

什么叫非标？客户发来的可能是一份 PDF、一份 CAD，里面写着材料、尺寸、关键部位要求；企业得靠懂工艺、懂材料的人，一条条把”客户的语言”翻译成”能生产的语言”。而且这事很微妙：报价报高了，订单可能直接丢掉；报低了，单子拿是拿到了，生产时才发现成本覆盖不住，利润被挤掉。

为什么选报价这个场景？FDE 说了三个条件，我觉得可以直接当模板用：

第一，有没有大量知识型工作——分析、判断、设计、经验复用。报价这条链路，图纸解析、需求拆解、研发协同、生产方案、成本核算，全是判断。

第二，有没有一定规模的历史数据可以用。

第三，现有流程里有没有非常明确的效率瓶颈。

三个条件，缺一不可。而且他还补了一句我特别喜欢的话：如果只是简单的自动化流程，或者需求价值本身不高，“根本没必要上 AI”。

反常识的那一条：卡住最稀缺的人#

还接着报价这个案例。为什么它是好场景？因为看图纸、拆需求这些重复劳动，占满的是老师傅和技术骨干的时间。

而恰恰是这些人对工艺、材料、可行性的判断，是企业最难复制的能力。这就是这个场景的分量所在。

换个说法：稀缺的人 = 瓶颈 = 高价值场景。

你想想，如果一件事卡住的是随便招个人就能顶上的岗位，你提效了，企业也就是省点人力成本。但如果卡住的是全公司只有两三个的老师傅、技术骨干、法务，那你解放出来的，是企业最贵、最难替代的那部分产能。

还有个消费品案例更直接。一条很长的产品链，产品经理的判断、研发的经验、渠道的反馈，很多都存在个人脑子里。FDE 一句话点破：“核心资源依赖人。”

再看一个财务案例，讲的是价值错配：科研型央企里，一堆博士、科研人员本该做研究，结果大量时间被消耗在报销流程上。让高价值的人去做低价值的重复工作，这本身就是最大的浪费。

你看，这三个案例说的其实是同一件事。

还有一份通用判据#

当然，不是每个场景都能套进”老师傅”这个模板。案例里还散着一份更通用的清单，我帮你归了一下：

是不是高频发生？痛点是不是真实？影响的是收入、成本还是效率？流程能不能被定义？数据能不能追溯？ROI 能不能算得出来？有没有人愿意用？

这七个问题，本质上是一份”体检表”。

有个工业 ERP 的案例，做法更系统。他们诊断出大概 15 个可以处理的功能点，然后从七八个维度给每个用例打分：数据能不能拿到、处理完能不能写回业务系统、AI 到底能不能解决、技术难度多大、业务人员愿不愿意采用……

还有个销售场景的案例，用了个”四维模型”来筛。最后把切口放在销售线上。为什么是销售？因为销售离收入最近、痛点最集中：客户关系散在销售个人手里、提成靠 Excel 算、数据延迟一个月以上、新人培训要接近两个月。杠杠全踩中了。

不看”做什么”，先看”处在哪个阶段”#

选场景还有一层前提：这家企业现在到底处在哪个阶段。

有个跨境电商案例，十几人的团队，SKU 一年两三千个。它最痛的地方，最后落在数据在几个系统之间来回人肉搬运上——这问题一半是信息化，一半才是自动化。你要是上来就跟它谈 Agent 编排，那就跑偏了。

所以场景选择不是”从 AI 能力出发找应用”，而是”从企业真实状态出发，看它今天能迈哪一步”。有个案例总结得很准：AI 转型的第一步，往往发生在 AI 之前。

“不做”和”做”一样重要#

我特别想把这一条单独拎出来。

前面销售那个案例，有个细节：客户想让 AI 算销售提成。但 FDE 判断，提成本质上是信息化和数据问题，不是 AI 问题。所以先帮企业上 CRM，把散在个人手里的数据统一起来，沉淀下来再说。

FDE 最重要的能力之一，是知道哪里不该用 AI。

“不为了 AI 而 AI”，说起来轻巧，做到很难。因为你是做 AI 的，你天然想用 AI 证明自己。但案例里反复出现同一种克制：

• 技术上做不好的，不要硬做；
• 技术上能做、但价值太低的，也没必要做；
• 用普通自动化就能解决的，不必硬套 AI；
• 有些求最优解的问题，传统优化算法可能比大模型更准。

有个汽车供应链的案例说得好：企业最容易犯的错误，就是”为了 AI 而做 AI”。他举了个反例——机构花钱搭了一套 AI 图片生成系统，结果图片实际不能用。最后 IT 完成了”AI 转型”，合规完成了数据安全要求，领导也能说企业转型了，但业务部门还是回去找设计师做图。从经营角度看，什么都没改变。

一句话总结#

选场景，先过三条件——知识密集、有数据、卡瓶颈；再问一句，它卡住的是不是那个最稀缺的人。

这是《FDE案例100》方法论特辑的第 3 篇。前两篇我们聊了怎么认出真问题、怎么从一堆问题里挑出值得做的。下一篇更难，也更容易被忽略：面对一堆值得做的真问题，第一单到底应该选哪一个？ 答案可能和你想的相反。