业务现场往往与制度流程图不同。人们会在表格、聊天记录和个人经验之间补洞，真正的等待、返工与风险就藏在这些非正式动作里。FDE 的第一项基本功，是把工作看清楚。企业不缺 AI 想法，缺的是项目判断。FDE 要区分真实需求、可以实现的功能和具备交付条件的项目，并在投入开发前写明 POC 的毕业、修改与停止条件。共同核心是最低合格判断；业务主修要进一步把行业结构、价值链、真实任务和经营基线连成可由业务 Owner 复核的诊断证据。
- 快速建立行业价值链与经营逻辑图
- 从现场任务、异常与判断发现根因
- 用基线与 Owner 证据形成诊断结论
从概念到可执行判断
画出行业价值链
从客户、收入、成本、风险与核心运营约束画出价值如何创造、传递和损失，并标记数据、规则与专业判断的位置。
先看工作，不先看工具
当业务人员说“我们需要一个智能助手”时，FDE 不应立刻讨论模型。先看谁在完成什么任务、材料从哪里来、需要做哪些判断、输出给谁、错误会造成什么影响。
工具需求经常只是人们对问题的初步解释。只有还原真实工作，才能知道问题来自信息缺失、流程断点、责任不清，还是确实适合由 AI 承担。
建立任务账本
任务账本记录频率、耗时、参与者、工具、输入输出、判断点、返工与异常。它不是为了统计员工有多忙，而是帮助项目组找到价值密度高、信息边界相对清楚的机会。
- 频率与单次耗时
- 错误、返工与等待
- 需要查询的材料和系统
- 规则判断与经验判断
- 结果使用者与最终责任人
区分症状与根因
“写报告很慢”是症状。根因可能是资料散落、口径不统一、审批链太长，也可能是大量时间花在高价值判断上。不同根因对应完全不同的解决方案。
可以连续追问：问题在哪里发生、为什么发生、发生后怎样补救、如果只优化这一步会不会把负担转移给下游。
形成可复核的业务诊断
将价值链、任务账本、关键事件、基线与限制组成诊断；对每个结论记录来源，请业务 Owner 确认或指出待验证假设。
国企招投标：表面是文档，背后是跨部门流程
客户最初希望用 AI 拆解招投标文档，但现场存在数据孤岛、反复确认和员工对新系统的抵触。
FDE 先还原资料取得、条款拆解、业务确认、风险复核和结果回填，再选择一个最小可行环节验证。
如果只自动生成拆解结果，可能把更多核对工作推给下游。看清端到端任务，才知道 AI 应该进入哪里。
任务五格卡
用五格把模糊需求变成可观察任务：
任务开始时收到什么材料、数据或事件？
人实际执行哪些搜索、整理、计算与沟通？
哪些地方依靠规则，哪些地方依靠经验与责任？
最终产生什么结果，以什么格式交给谁？
资料不全、规则冲突或结果不确定时怎样处理？
先回答，再展开答案
01为什么岗位不能直接作为 AI 场景的最小单位？
岗位包含多种输入、判断和风险不同的任务，必须拆到具体任务才能设计和验证。
02“员工没有使用 AI”为什么不是业务痛点？
它只描述工具使用状态，没有说明效率、质量、成本、增长或风险受到什么影响。
03任务账本主要用来评价员工效率吗？
不是。它用于理解工作结构并寻找可验证的 AI 机会。
04好的最小场景至少需要哪些边界？
明确的用户、任务起点、终点、输入材料、输出结果和责任边界。
把方法带回真实工作
企业内部推进（默认）
选择一条企业内部价值链，和 Owner、一线执行者完成现场诊断。
外部客户交付（可选）
在获得客户授权后，为一个客户场景完成行业价值链与现场诊断。
所需材料
- 真实任务记录
- 现有流程或表格
- 一位实际执行者
- 最近一次异常案例
- 行业与企业基本资料
- 可复核的经营基线
交付物
- 行业结构与价值链图
- 真实任务账本与根因诊断
- 业务基线、限制清单与 AI 机会地图
通过标准
- 行业与企业假设有来源且标明限制
- 诊断来自现场事件和任务证据
- 业务 Owner 能复核基线与根因判断
能力证据
- 现场记录、可追溯基线与业务 Owner 校正记录
- 至少一项被证据否定或收缩的初始诊断
填写模板或完成课程不等于能力达标；通过必须以真实任务、现场行为和可复核证据为依据。