AI建设方法与AI创新场景应用实践

两天管理层AI建设与场景选择课：评估成熟度，筛选高价值场景，推演八步实施路径

2天，6小时/天（合计12小时） 人工智能应用
授课讲师： 徐晓仪 · 数智化转型与AI应用实战专家
获取课程方案 查看课程大纲

课程大纲

第一部分：华为AI之道与建设方法论——解决“怎么看”与“怎么建”

第一讲：华为AI发展历程与技术架构
  • 一、课纲所述华为AI进化的五个阶段
  • 阶段一（2005-2010）：商业智能（BI）
  • 阶段二（2010-2015）：数据挖掘
  • 阶段三（2015-2018）：领域级AI（图像/语音识别）
  • 阶段四（2018-2023）：企业级普惠AI
  • 阶段五（2023-至今）：大模型AI2.0
  • 二、智能化的三层核心架构
  • L0-基础大模型：通用的智能底座（NLP/CV/多模态/预测）
  • L1-行业大模型：注入行业知识（矿山/气象/金融/电力）
  • L2-场景大模型：针对细分场景微调
  • 互动：企业AI阶段诊断使用《企业 AI 成熟度五级评估表》，勾选企业当前所处的AI阶段及断层点。
第二讲：顶层设计——华为“三层五阶八步”方法论
  • 一、三层五阶：转型的深度与要素
  • 1. 三层（Layers）
  • 1）智能业务层（价值闭环）
  • 2）AI开发与交付层（MLOps）
  • 3）持续运营层（生命周期管理）
  • 2. 五阶（Stages）
  • ——场景-流程-组织-数据-IT
  • 二、八步法：标准化的落地路径
  • Step 1：明确目标
  • Step 2：场景捕捉
  • Step 3：重塑流程
  • Step 4：组织变革
  • Step 5：数据和知识工程
  • Step 6：AI建模与发布
  • Step 7：AI融入业务应用
  • Step 8：AI持续运营
  • 案例分析：“八步法”找茬给出三个典型的AI失败案例描述，使用《八步法诊断卡》指出其缺失的关键步骤（如“缺流程重塑”或“缺持续运营”）。
第三讲：关键技术逻辑——数据x知识=智能
  • 一、 工业 AI 的核心公式重构
  • 1. 从“大数据”到“有效知识”的范式转移
  • 1）工业场景的“小样本”困局：单纯依靠数据训练无法解决长尾低频故障
  • 2）“数据 x 知识” 双螺旋：数据提供相关性（归纳），知识提供因果性（演绎）
  • 2. 知识工程落地的“三阶”路径
  • 1)“萃取” (Extraction)：将老师傅隐性经验显性化，形成结构化文档（FAQ/案例库）
  • 2)“转译” (Translation)：利用 Embedding 技术将文档转化为向量，存入 “向量数据库”
  • 3)“进化” (Evolution)：讨论 “RLHF” (人类反馈强化学习) 机制及业务反馈如何进入模型改进流程；效果需要评估。
  • 二、 解决大模型落地的三大技术支柱
  • 1. RAG (检索增强生成)：给大模型装上“外挂大脑”
  • 1）核心原理：检索 (Retrieve) 企业私有知识库 + 生成 (Generate) 专业回答
  • 2）价值锚点：通过检索企业知识补充模型上下文，降低“幻觉”与“知识滞后”风险；回答仍需核验，不能保证消除错误。
  • 知识图谱：构建可解释的逻辑链条
  • 1）实体关系构建：将零散的数据点连接成 “图”，实现故障的根因穿透分析
  • 2）图谱与大模型融合：利用图谱的逻辑约束大模型的发散
  • Agent (智能体)：从“对话框”走向“行动派”
  • 1）规划能力 (Planning)：拆解复杂任务（如“制定周生产计划”）
  • 2）工具调用 (Tool Use)：自动调用 ERP、MES 接口获取实时数据或下达指令
  • 案例： 华为 GTS（全球技术服务部）的“故障根因定位”变革
  • 互动演练： “知识向量化”模拟沙盘
  • 选取一条复杂的企业业务规则（如“特殊合同审批规定”），学员分组模拟 AI 的处理过程

第二部分：跨行业场景实践与演练——解决“怎么用”与“怎么干”

第四讲：华为内部场景实践——研发与供应链
  • 一、研发域：代码与设计革命
  • 1. 代码辅助生成
  • ——基于代码大模型实现自动补全、单测生成、代码转译
  • 2. 创成式设计
  • ——PCB版图设计：AI自动布局布线
  • 3. 结构散热设计
  • ——讨论AI生成散热拓扑结构候选方案及工程验证。
  • 案例： 华为消费者 BG 的“手机结构设计”
  • 二、供应域：知识图谱应用
  • 1. 风险预警
  • ——构建N级供应商知识图谱
  • 2. 智能排产
  • ——采用运筹优化（OR）算法
  • 互动讨论： “痛点迁移”头脑风暴。
  • 参考华为研发的 “代码自动补全” 和供应链的 “风险预警” 两个场景逻辑。结合自身行业，进行 “场景迁移”。
第五讲：外部标杆场景实践——制造与金融
  • 一、制造行业标杆
  • 课纲案例讨论：美的集团Midea（案例资料与适用条件课前确认）
  • 1. AI视觉质检（Computer Vision）
  • 1）方案：云边协同架构，边缘侧小模型快检，云端大模型复判难例
  • 2）效果评估：讨论漏检率与人工复判成本的评估口径，不承诺固定效果。
  • 2. 智能排产（APS）
  • 1）方案：强化学习+运筹优化
  • 2）效果评估：讨论T+3模式下的排产响应指标与适用条件。
  • 二、金融行业标杆
  • 1. AI极速理赔
  • 1）方案讨论：图片识别大模型，用户拍照-AI辅助定损-理赔处理，评估流程与审核条件。
  • 2）变革讨论：评估AI对现场查勘与理赔流程的影响，明确仍需人工核验的环节。
  • 课纲案例讨论：中国平安（案例资料与适用条件课前确认）
  • 2. AI财富顾问
  • ——方案：基于RAG的大模型助手，实时赋能客户经理，提供专业话术与研报分析
  • 课纲案例讨论：招商银行（案例资料与适用条件课前确认）
  • 互动练习：跨界创新矩阵——填写《跨行业创新借鉴表》，将金融的风控逻辑迁移至供应链，将研发的生成逻辑迁移至工艺配方。
沙盘演练——企业AI落地实战
  • 一、场景孵化工作坊
  • 1. 场景筛选
  • ——使用《AI场景价值筛选漏斗》，从企业真实痛点中筛选出Top1场景维度：业务痛点度、数据准备度、技术成熟度
  • 2. 路径推演
  • ——使用《AI实施八步法画布》进行全流程设计 定义目标：设定可量化的AI价值指标
  • 3. 盘点资产
  • ——列出所需的结构化数据与非结构化知识（文档）
  • 4. 设计协同
  • ——定义该场景下“人”与“AI”的分工边界
  • 二、成果展示与落地建议
  • 1. 各小组展示《八步法画布》方案
  • 2. 针对共性问题（如数据质量差、知识萃取难）提供通用解决方案
  • 配套工具包：
  • 1. 《华为数智化AI建设方法论“三层五阶八步”全景图》（电子版）
  • 2. 《企业AI成熟度五级评估表》（Excel工具）
  • 3. 《AI 高价值场景筛选漏斗模型》（PDF模板）
  • 4. 《AI 实施八步法落地画布》（A3打印版模板）
  • 5. 《跨行业AI创新场景清单（50例）》（手册）

适合对象

企业CEO及业务管理层、CIO/CTO、数字化转型负责人、业务总监、AI项目经理

课程定位与主要问题

面向企业CEO及业务管理层、CIO/CTO、数字化转型负责人、业务总监和AI项目经理，围绕AI建设方法、场景优先级与实施路径开展两天培训，每天6小时。课堂从成熟度诊断、八步法和数据与知识工程，进入研发、供应链、制造及金融案例讨论；再按业务痛点度、数据准备度、技术成熟度筛选Top1场景，推演价值指标、数据与知识资产及人机分工

课程适配与选型边界

选课时先确认团队是否需要共同评估AI建设方向、业务场景优先级和实施条件。本课围绕成熟度诊断、场景筛选与八步法路径推演组织学习

适合对象

企业CEO及业务管理层、CIO/CTO、数字化转型负责人、业务总监、AI项目经理

业务问题

如何从业务痛点中判断优先AI场景，如何把场景、流程、组织、数据与IT的准备条件衔接起来

训练重点

成熟度诊断、八步法找茬、数据与知识工程、跨行业案例借鉴；按业务痛点度、数据准备度、技术成熟度筛选Top1场景，并推演价值指标、数据资产和人机分工

选型判断

适合选择管理层AI建设方法和场景规划的两天课程。可结合学员职责、当前AI阶段和拟讨论的真实业务场景，确认案例与沙盘的安排；技术编码或系统部署需要另行确认训练深度

研发、供应链、制造与金融案例用于讨论场景迁移。课堂清单和画布需要结合企业资料继续核验，案例效果不能直接作为本企业收益。企业系统部署、年度实施、院校场地或参访等服务范围需要单独核实

核心收益

  • 学习“三层五阶八步”建设方法，梳理场景识别、流程重塑、组织协同与持续运营的实施路径
  • 理解L0-L1-L2架构及RAG、向量库、知识图谱和Agent的业务应用逻辑，讨论数据与知识工程的准备条件
  • 通过研发、供应链、制造与金融案例讨论场景迁移，比较业务痛点、数据准备度和技术成熟度
查看更多收益 收起更多收益
  • 通过沙盘推演练习《AI高价值场景清单》与《AI实施八步法画布》，明确目标、资产和人机分工，成果需要结合企业条件继续核验

课程背景与交付信息

企业引入AI需要先判断业务场景、数据与知识资产、流程和组织条件，再确定实施路径。课程以管理层与项目负责人共同讨论AI建设和场景优先级为主选择任务

原始课纲以华为“三层五阶八步”、L0-L2架构和数据与知识工程组织内容，安排跨行业案例与企业场景沙盘。案例用于课堂讨论，实际资料、数据口径与适用条件需课前确认

课程时间

2天，6小时/天（合计12小时）

授课方式

理论讲授、互动研讨、实战演练、案例分析

课程工具

课纲列有成熟度评估表、场景筛选漏斗、八步法画布、跨行业借鉴表及五项配套工具。具体版本和使用安排课前确认。

课程内容重点

01第一部分：华为AI之道与建设方法论——解决“怎么看”与“怎么建”
02第二部分：跨行业场景实践与演练——解决“怎么用”与“怎么干”

讲师介绍

徐晓仪 讲师头像

徐晓仪

数智化转型与AI应用实战专家

曾任华为数字化战略与架构总监、招商局蛇口集团CDO，拥有27年数字化转型经验。擅长企业数字化转型战略规划、数据治理与AI应用落地，主导过多个亿级回报的数智化项目，具备从顶层设计到场景落地的全链路实战能力

金融银行制造业政府国企互联网科技消费品零售通信
查看讲师主页

课程差异说明

本课承接管理层与AI项目负责人选择“AI建设方法及高价值场景规划”课程的任务，核心练习是成熟度诊断、Top1场景筛选与八步法推演。研发、供应链、制造、金融案例用于比较场景迁移，不分别构成四套岗位实操课；课纲也不能据此认定包含企业系统部署、年度实施、院校研修或参访服务

课程常见问题

这门课适合哪些管理人员和项目负责人？

企业CEO及业务管理层、CIO/CTO、数字化转型负责人、业务总监、AI项目经理。适合需要共同判断AI建设方向、筛选业务场景和推演实施路径的团队；选课时应确认学员职责与当前项目阶段

课堂如何筛选AI场景，会练习哪些成果？

原始课纲安排成熟度诊断、八步法找茬、知识向量化模拟、跨行业借鉴和场景孵化沙盘。场景筛选按业务痛点度、数据准备度、技术成熟度选择Top1，并练习《AI高价值场景清单》与《AI实施八步法画布》，设置价值指标、盘点数据与知识资产、明确人机分工。课堂成果需要结合企业资料继续核验

课程安排多长，采用什么授课方式？

原始课纲安排2天、每天6小时，合计12小时，采用理论讲授、互动研讨、实战演练和案例分析。课前可围绕拟讨论的业务痛点、可用数据与知识资产沟通沙盘案例，资料使用应遵循企业权限和脱敏规则

课纲列有哪些工具，能直接在网站下载吗？

课纲列有“三层五阶八步”全景图、企业AI成熟度五级评估表、AI高价值场景筛选漏斗模型、AI实施八步法落地画布、跨行业AI创新场景清单（50例）；另有八步法诊断卡与跨行业创新借鉴表用于练习。这是课程内容和配套工具的说明，本页没有提供这些文件的下载，具体版本和课堂使用安排需在课程方案中确认

课程是否包含技术部署、企业实施或参访项目？

课纲支持管理层AI建设方法、场景规划和课堂推演的选课判断；RAG、知识图谱、Agent及行业案例用于理解原理和条件，不能仅凭课纲认定已包含企业系统部署、模型训练交付、年度实施、院校场地或参访。案例效果不等于本企业收益，AI输出仍需核验