一个AI团队进驻企业，FDE 最常说的第一句话是：”我们先花两个月，把这个行业摸清楚。”

两个月后他们交出什么？一份PPT：行业规模、头部玩家、政策风向、技术趋势，一应俱全。客户客气地翻完，说一句：”写得挺全的，但这些我都知道。”

问题出在哪？不是不努力，是目标一开始就歪了。

他们想当行业专家。而项目需要的，是一个能快速找到真问题的人。

企业不会为你的行业知识买单。它掏钱，是因为你能在信息一团乱麻的时候指出：”这个环节，每个月白白烧掉两百个人工时。” 并且证明它确实能被解决。

这篇文章讲的，就是怎么在30天内，从一个什么都不会的外行，变成那个能指出这句话的人。

一、先认了：30天，你当不了专家，也没必要当

FDE（前线部署工程师），说白了就是带着AI能力住进企业现场的人。

这门活没法靠积累。今天在工厂，下个月可能进律所，再下个月是医美连锁。如果每个行业都得先干上三年才敢开口，这门生意压根没法复制。

所以真正要建立的不是一部百科全书，而是一张能打仗的地图。

我把这张地图压成六个格子：

• 钱，是从哪一步赚出来的
• 一件活要到账，得走哪几站
• 每站上，谁的签字最要命
• 他签字时，手里捏着什么材料
• 哪一节最容易掉链子
• 怎么判断掉没掉

这六格填到七八成，你就具备了进场说话的资格。

注意我说的是七八成，不是完美。行业理解在工程上唯一的作用，是支撑下一个动作，而不是支撑一场考试。

💡 落地动作：今晚就把你在服务的那家公司按这六格填一遍。填不出来的那格，就是你下周的功课。先找窟窿，比先背一百个名词有用得多。

二、行话是墙，六个笨问题能穿过去

每个行业都给自己筑了一堵术语的墙。MES、PLM、订舱、甩柜、报关单……你背得再多，也不等于知道一张单子卡在哪。

穿透它的方法很土：回到六个问题。

1. 客户掏钱买的到底是什么结果？

买一台设备，买的不是铁疙瘩，是”这条产线别停”。找货代发货，买的不是舱位，是”这批货别晚、别被扣、别多花钱”。看清结果，才知道哪些环节贵到不能出错，哪些环节糊弄一下也无妨。

2. 从有人提需求到钱到账，中间有几站？

把它拉成一条线。国际货代大概是：询价→比价→报价→订舱→提货→报关→装船→在途跟踪→到港清关→派送→对账开票。

这条线就是你的坐标系。后面所有资料、访谈、系统分析，统统往上贴，而不是散着堆。

3. 每一站上，谁说了算？

老板盯利润和风险，部门负责人盯效率和团队，一线盯今天能不能下班，IT盯系统会不会崩。同一个场景，在四个人眼里是四个完全不同的项目。没搞清楚谁拍板，方案再漂亮也是自说自话。

4. 他拍板的时候，手里捏着什么？

报价要看历史成交价、船公司合约价、当前舱位松紧；处理一次到港延误，要看提单、报关状态、仓库作业量和客户合同条款。

把”谁—凭什么—做什么决定”写清楚，AI方案的输入、输出、知识边界才立得住。

5. 哪一节最容易翻车？

AI的价值不藏在顺顺利利的主干道上。它藏在等待里、返工里、半夜的那通电话里。

高频重复、知识散落在几个人脑子里、数据要在四五个系统之间手抄、同一件事两个老员工判法不一样——这些都是信号，看到就记下来。

6. 公司用什么数字记账？

没有数字，就没有验证，只有演示。至少对齐三层：

• 模型层：准确率、召回率、有没有引用到对的依据
• 流程层：处理时长、一次通过率、人工接管比例
• 业务层：成交率、成本、赔付、客诉、回款周期

从模型层爬到业务层，项目才算真的进了价值链。停在模型层的，叫技术炫技。

💡 落地动作：把这六问做成表格，访谈时边听边填。你会发现第四问和第五问最难填——难填的地方，往往就是钱藏着的地方。

三、真懂了没有？看你有没有三张图和一把尺

读过五十份报告、能背几十个缩写，可我只要问一句：”一批货在口岸被查验，公司里第一个知情的是谁？他先看哪个系统？什么情况必须马上通知客户？什么情况只能干等？”

答不上来，那些知识一分钱都撑不住。

真正的理解，长成这个样子：

第一张：钱和风险的地图

钱从哪进、从哪漏。谁掏钱、谁使用、谁影响决定；收入按差价、项目还是订阅计；成本压在人力、获客、赔付还是履约；最大的雷是政策、安全、坏账，还是”某个老师傅一走，这块业务就瘫”。

这张图不追求全，追求一眼看得出轻重。

第二张：带堵点的链路图

多数人画流程只画顺境。真正值钱的部分恰恰相反——标出来在哪排队、在哪返工、在哪等审批、在哪必须打电话问某个人。

建议每个环节都用五件套写死：什么触发—用到哪些信息—做什么动作—产出什么—做到什么算合格。

举例：”客户来问货到哪了（触发）→ 用提单号和柜号（输入）→ 操作员登船公司网站、查内部系统、翻聊天记录（动作）→ 回复预计到达时间和下一步动作（输出）→ 四小时内首次响应、答复准确率达标（验收）”。

写成这样，工作流怎么搭、测试题怎么出，骨就有了。

第三张：名词之间的关系网

这门生意里到底有哪些”东西”，它们怎么咬在一起。

还是货代：客户、航线、船公司、航次、订舱单、提单、柜型、报关单、HS编码、查验、甩柜、异常事件、费用项、账单……

一张提单挂着某个船公司的某个航次；一次查验可能源于某个HS编码的归类问题；一次甩柜会连带引出改配费用和客户赔付谈判。

关系连出来，你的知识库怎么切、标签怎么打、证据怎么追溯，才不会是一团浆糊。

一把尺：验收标准必须在动手前写好

“回答得不错”不是标准。标准长这样：

有没有认出这是哪票货？有没有引用到适用的合约条款？有没有漏掉必须告知客户的时限？拿不准的时候有没有主动转给人工？给的建议里有没有写清下一步动作和责任人？

把尺子前置，就是评估驱动开发。它能救你于最后一公里——Demo惊艳、进现场就翻车的项目，大多死在没有这把尺。

💡 落地动作：三张图别追求好看，追求能被业务人员挑出毛病。他们改得越多，你的理解越值钱。

四、四周怎么排：从一张地图到一个能用的东西

第一周（1—7天）：立坐标系，忍住别下结论

第一天只干一件事：划边界。

“研究物流行业”不是边界，那是许愿。边界长这样：华南地区做跨境电商海运拼箱、年营收3亿到8亿的货代公司，只盯两件事——报价响应慢、运输异常发现晚。

边界越具体，你的研究越省钱。

第二三天做桌面作业，重点收六类东西：价值链和主流赚法、头部公司怎么活、政策与合规要求、常用的系统和数据对象、招聘JD里反复出现的岗位能力、公开案例里的成本和风险。

别一开口就让AI”写一份行业分析报告”。靠谱的做法是拆成一个个问题去查，让它吐出带依据的表，查不到的一律单独列进”不知道”那一栏。

顺带提醒一句：信息是分等级的。企业内部的制度、表单字段、真实业务数据、访谈录音，是硬通货；监管文件、年报、协会材料次之；媒体报道、咨询报告、厂商案例只能用来提线索；论坛帖子和AI自己编出来的内容，只配用作假设来源。越靠近真实方案，越要吃硬通货。每条重要结论都标上：出处、时间、适用范围、可信程度。

第四五天做行业词典。新手最典型的毛病是：每个词都听得懂，但不知道词和词怎么连。所以词条别只记定义，要记四件事——谁在用、出现在哪一步、跟什么东西连着、理解错了会捅什么娄子。

第一周结束，桌上应该有四样东西：

• 一页钱与风险地图
• 一张带堵点的端到端链路图
• 一份行业词典
• 一份”已证实 / 是推测 / 完全不知道”三栏清单

这时候千万别宣布自己找到了AI场景。第一周的成果，只够换一张进场的门票。

第二周（8—14天）：进现场，专门去找自己错在哪

这一周的关键词是证伪。

访谈最容易踩两个坑：一是请对方给你上课，你收获一堆百度也有的常识；二是问”你们希望AI帮你们做什么”，你收获”做个知识库””做个智能客服”——那不是需求，那是他们从别处听来的方案。

正确姿势是围着最近一次真事往下钻：

• 最近一次最头疼的在途异常是什么？从头到尾发生了什么？
• 第一条消息，是谁、从哪、用什么方式知道的？
• 你当时翻了哪几个系统、哪几个群、哪几份文件？
• 哪一步等得最久？为什么必须等？
• 哪个判断最依赖某个人的经验？
• 判断错一次的代价是什么？上一次判断错是什么时候？
• 最后怎么确认这事真结了？

具体发生过的事，比任何抽象描述都可靠，因为它自带动作、信息、判断和后果。

四类人必须都聊到，否则你拿到的是残缺版本：

• 决策者：今年的目标、预算、能承受多大风险、什么叫成功
• 部门负责人：卡点在哪、团队怎么被考核、部门之间怎么交接
• 一线执行者：真实怎么操作、哪些靠感觉、出意外怎么处理、要在几个界面之间跳
• IT与数据：有哪些系统、能不能开接口、数据干不干净、权限和安全红线在哪

只听老板，你拿到战略口号；只听一线，你会陷进局部修修补补；只听IT，最后项目变成一张技术功能清单。

访谈录音（取得授权后）可以转写、可以让模型提取事实和痛点，但证据必须能追回原话。我要求输出的每条结论都标上”可信 / 待确认 / 有冲突”，并注明它来自哪一句。

第二周补齐：修正后的链路图、角色地图、带证据的问题库、系统和数据清单、语义网草案。

第三周（15—21天）：把一堆抱怨筛成一个候选

很多痛点根本轮不到AI。有的是权责没划清，有的只是缺一张表单或一条规则，有的是流程压根没写清楚。能用流程调整解决的事硬塞大模型进去，成本和风险只会一起抬上去。

拿这六把筛子过一遍：

• 业务价值：对收入、成本、效率、风险影响大不大
• 发生频率：一天几十次，还是一年两回
• AI适配度：是不是真的在处理非结构化信息、复杂检索、内容生成或辅助判断
• 数据可得性：有没有数据、拿得合法吗、系统肯开吗
• 验证周期：两三周内能不能小范围试出来
• 组织意愿：有没有肯背锅的业务负责人、肯配合的一线、肯放行的IT

甚至可以粗糙打个分：优先级 ≈ 价值 × 频次 × 适配度 × 数据 × 意愿 ÷ 实施难度。

这个公式不追求数学精确，它的意义在于逼所有人把判断依据摊到桌面上，而不是靠嗓门大。

挑出来的场景，要能答上九问才算过关：谁在什么情况下遇到麻烦；现在这活怎么干；最慢或最容易错的是哪一步；AI具体接管哪一步；人保留什么决定权；需要哪些数据和工具；失败一次会怎样；用什么数字验收；验证过了往哪儿接。

回到货代：最后如果选中”报价助手”，它的价值不是替销售报价，而是把翻历史成交价、查合约价、算附加费、填报价单这些琐碎准备工作做完，让销售把精力留给”要不要让价”和”怎么跟客户谈”。

这个边界，比”给公司做一个物流知识库”清晰一百倍。

第四周（22—30天）：做一个难看但诚实的小验证

PoC不是产品的缩小版，是一次实验。它只回答四个问题：手上的资料够不够、模型在这个范围里可不可靠、输出能不能真的进到一线的工作流、这件事值不值得继续投钱。

• 22—23天：从历史单子里挑20—50个样本，覆盖高频的、复杂的、信息不全的、高危的。请业务专家给出期望动作、必要步骤、该引用什么、什么情况必须转人工。这就是你的标尺。
• 24—26天：搭最小链路。以报价助手为例：识别客户与航线 → 按有效期和合约过滤适配价格 → 生成含附加费明细的建议 → 附依据出处和风险提示 → 信息不全或触及红线就转人工 → 过程写回系统。技术上别炫技，能不能验证目标，是唯一的选型标准。
• 27—28天：离线跑一遍，外加主动找茬。重点看：答案对不对、依据有没有乱引、步骤缺没缺、风险漏没漏、该拒答的是不是硬答了、不同客户的合约有没有串线。
• 29天：让真人用。别问”好不好用”，记四个数字——任务花了多久、追问了几次、什么情况下人接手了、错在哪几类。
• 30天：交决策包。不是行业报告，是七样东西：钱与风险地图、链路图和语义网、场景候选及打分依据、可演示的原型、测试集与失败案例、数据和权限约束、下一步投入估算。

管理层真正想听的永远只有四句话：值不值得做、能不能做、风险控不控得住、下一步要不要继续掏钱。

五、六个坑，见过一次就够本了

1、把行业报告当成行业理解。宏观趋势还原不了一个人周三下午到底怎么干活。

2、先定方案，再去调研。进场前就决定要做知识库或智能体，后面所有访谈都只是在替你找赞成的证据。

3、只听管理层。制度里写的、领导以为的、一线实际干的，经常是三个版本。

4、只研究顺境。真正掏得动钱的地方，在异常、升级、扯皮和甩锅的流程里。

5、把模型能力当成业务价值。话说得漂亮不等于时间省下来了、赔付款变少了。

6、每次演示都没有同一套题。没有固定的评测集，版本之间的进步永远只是”感觉更顺了”。

还有一条常被漏掉：别用AI的结论，去给另一条AI的结论盖章。关键事实，必须回到企业的文档、数据和业务人员那里核实。

六、项目结束，别只留一份PPT

这次攒下的东西，应该是下次的起跑线：研究框架、建模套路、访谈题库、场景打分表、测试集、通用组件，都能带走。

但有一条线要划清楚：方法可以复用，事实不能。

同样是”智能客服”，跨境电商关心多语言、物流和退款，工业设备关心型号、安全规程和专家升级，照搬模板过去，第一周就会被业务人员当场拆穿。

还有一句可能不太中听的话：工具能提速，判断没法外包。

大模型、深度研究、知识库、语音转写、数据分析，非常适合当研究助理、结构化引擎和假设生成器。唯独”这事到底值不值钱”这个问题，只能由真实证据来回答。

附：可以直接抄走的一段话

进新行业时，我会把下面这段丢给AI，作为整个研究项目的底座：

你是我在这个行业里的研究搭档。我们要做的不是一份行业报告，而是在30天内找到一个值得做、证据够、两周能验的AI场景。

这次的范围是：【行业、企业规模、区域、客户类型】
重点盯的业务链路：【从哪一步到哪一步】
手上已有的材料：【列出报告、访谈、流程文件、数据】

接下来请你持续维护：行业怎么赚钱、关键角色和他们的KPI、端到端流程及异常分支、业务对象和术语、系统与数据分布、哪些是事实哪些是猜测、AI场景候选及打分、风险与人机边界、验证目标和计划。

规矩：
- 每条结论必须标出处、时间和可信程度；
- 事实、推断、建议三者分开写；
- 缺证据就提问题，不许编；
- 每次我喂新材料，你要指出它支持、修正还是推翻了哪条旧假设；
- 同时检查这事能不能用改流程、规则引擎或普通搜索更便宜地解决；
- 任何AI方案都要说清输入、输出、数据、工具、人机边界、失败模式和验收方法。

先给我：A. 当前认知地图；B. 十个最要命的未知问题；C. 未来七天的资料与访谈计划；D. 需要我去补的材料清单。

进场第30天，你大概率还是会被某个老师傅一句话问住。这不丢人。

丢人的是三个月过去，你还只能讲行业趋势。

把这一轮跑成一个循环：先猜 → 找证据 → 进现场 → 改模型 → 筛场景 → 做验证 → 用结果再改一轮。

跑完一圈，你可能依然不是专家。但你已经成了那个能在业务、管理和技术之间做翻译的人——把”我们想让AI帮帮忙”，翻成”这个场景、这组数据、这把尺，两周后见分晓”。

这个翻译能力，才是你走进任何一个陌生行业时，真正带得走的东西。

你最近一次闯进陌生领域，用了多久才算摸着点门道？中间踩得最狠的一个坑是什么？

评论区聊聊，我会挑几个回。觉得有用，也欢迎转发给正在做企业AI落地的同事。

作者：申导Jacky，优普丰AI敏捷创新培训咨询机构合伙人

AI人工智能，SI超级智能，智能体场景搭建，FDE前端部署工程师，企业AI落地陪跑，驾驭工程（Harness Engineering）先行者

优普丰AI赋能企业AI智能体skill/AI转型落地

一个在AI时代重新定义”工程师”角色的实践者和敏捷教练。

曾经每天写代码12小时,现在每天写规格2小时,效率提升50倍。