匿名省属国企电商子公司
多业务线AI工作流与组织能力建设
Datawhale
零售/电商
明确FDE
深度案例｜关键链路较完整
A级证据
已落地/扩展中
A
证据等级
Datawhale FDE案例100｜NO.14 从技术交付到业务自驱：FDE用AI推动国企工作流程真正落地
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
深度案例｜关键链路较完整
12 / 12
业务背景2 / 2
改造流程2 / 2
技术工作流2 / 2
人机与治理2 / 2
量化结果2 / 2
来源定位2 / 2
六个维度均达到当前完整度标准。
业务问题
多条电商业务线持续增长，但法务、财务、内控等专业岗位受编制限制；大量审核经验存在员工脑中，已有AI底座也没有真正进入业务工作流。
解决方案
先由知识萃取师梳理岗位隐性知识与流程，再建设包含知识库、多模型调度、Agent编排和MCP接口的统一AI平台，按法务、财务、行政等场景逐步落地Agent，并通过培训建立业务团队的自我迭代能力。
技术架构与生产工作流
Step 01
OA / ERP / 数据中台与岗位知识
→
Step 02
知识萃取与隐性流程显性化
→
Step 03
统一AI平台：知识库、多模型、Agent编排、MCP
→
Step 04
法务/财务/行政场景Agent
→
Step 05
AI初筛与执行，人最终确认
→
Step 06
培训、使用反馈与新知识持续沉淀
关键技术与基础设施组件
企业知识库多模型调度Agent编排MCP/业务系统接口OA/ERPHuman-in-the-loop
人机分工与责任边界
AI负责合同初筛、票据核对等重复工作；法务、财务及业务人员保留最终确认和责任。
FDE 动作拆解
- 进入法务、财务、运营等岗位梳理隐性流程
- 把专家经验转成规则、例外与人工升级条件
- 复用现有OA、ERP和数据中台，不重造业务系统
- 按场景构建Agent并明确人机责任边界
- 推动人事与业务部门参与培训和采用运营
可迁移复用的落地方法论
- AI底座上线不等于业务采用
- 知识萃取和流程梳理应早于Agent开发
- 企业AI转型需要业务、人事和IT共同负责
- 以窄场景验证价值，再扩展Agent矩阵
业务成效与交付成果
Datawhale审核案例称，法务场景可节省1个法务编制，整体覆盖法务、财务、人事、业务、技术等约10人/年的用工成本。
证据边界与核验记录
- 页面标记为 VERIFIED CASE / 审核通过。
- 效果数字属于案例发布方披露，不代表独立审计。