AI 落地服务
让 AI 进入生产运营，而不是再做一个试点。
AI Forward Deployed Engineering（驻场 AI 工程，简称 FDE）是一种驻场式工程服务：我们的工程师在您的系统和流程里、与您的团队一起工作，直到 AI 在生产环境中、用您的数据、有明确的负责人、在您的控制之下，承担起一项工作。交付的是一条在运行的业务流程，而不是一份报告。服务包含八个阶段：Discover（调研）、Audit（现状盘点）、Capture & Align（共识对齐）、Design（设计）、Deploy（部署）、Govern（治理）、Measure（度量）、Optimize（优化）。
AI Forward Deployed Engineering
什么时候需要这项服务
常见的情形是：企业引入 AI 的速度，超过了它把 AI 真正用起来的能力。试点跑通了，所有人都同意应该上生产。然后它开始接触试点从未触及的部分——存放数据的系统、拥有决策权的人、以及在模型判断出错那天仍必须继续运转的流程。
真正发生变化的是什么
这道鸿沟是工程与组织层面的工作——把存放数据的系统接进来、定下谁有权批准什么、为答案出错的那一天做好设计——只能从企业内部去填。
之前
- 试点跑通了，用的是有人事先整理好的数据
- 真正存放数据的系统并没有接进来
- 没有人说清楚谁有权批准什么
- 没有任何设计考虑过"答案出错那天"
落地鸿沟
试点被允许假设的一切，生产都必须逐一验证。
之后
- 共享的业务背景被写下来，而不是只存在于某个人身上
- 系统真正连通，流程跑在真实系统之上
- 明确的决策权——AI 可以做什么，什么必须由人来定
- 留下“实际发生了什么”的记录，而不只是“最后停在哪”
- 对照一开始约定的业务结果来衡量
八个阶段
一条按顺序推进的路径。真正决定这项工作能否在生产环境中活下来的，是靠后的那几个阶段。
- 01
Discover 调研
理解业务、流程，以及在一线工作的人眼中什么才算好结果。
- 02
Audit 现状盘点
摸清当前真实存在的系统、数据与决策——以实际情况为准，而不是以文档为准。
- 03
Capture & Align 共识对齐
沉淀共享的业务背景，并就决策权达成一致：谁决定什么，AI 在什么范围内可以不必请示。
- 04
Design 设计
围绕上述结论设计流程，包括系统判断出错时该如何处理。
- 05
Deploy 部署
在真实环境中上线，与真实系统连接。
- 06
Govern 设规则
规则、审批，以及每一次运行的记录，让这条流程在生产环境中可被信任。
- 07
Measure 度量
对照 Discover 阶段确定的业务结果来衡量，而不是看模型指标。
- 08
Optimize 优化
基于真实使用中的证据持续改进，并把内部团队将要接手的部分交接清楚。
这项工作真正会遇到什么
问题通常以这几种形态出现。它们没有一个是靠更好的模型解决的。
试点跑通了，生产跑不通。
演示用的是有人手工清洗过的数据导出；生产跑在线上系统之上，同一个字段会因为写入它的集成不同而含义不同。
没有人说得清哪个系统才是准的。
两个系统各自持有同一个数字的一个版本，而且都被拿来参考。明确划分哪个系统拥有哪个问题，本身就是大部分工作。
最聪明的"员工"是一张表格。
所有人做计划所依据的那个数字，每个月由某一个人手工汇总出来，而且没有任何其他东西能复现它。
模型给了答案，但没人敢信。
如果看不到建议的依据，也没有关于它被如何处理的记录，那个答案就只是系统碰巧持有的一个观点。
决策由谁负责，并不清楚。
在有人明确写下"AI 可以不请示做什么"之前，无论答案多好，这项工作都无法上生产。
工作跨越多个系统，却不留痕迹。
一个跨四个系统、最后以一封邮件收尾的任务，没有可留存的流程——因此无法衡量、无法改进，也无法交接。
这项服务的产出
产出是一个正在运行的业务流程，而不是一份报告。这意味着它在您的系统上运行、有明确的负责人、并且它做过什么有据可查。
AI 在其中被允许做什么，会写清楚而不是含糊带过：按您的规则该由人审批的地方，建议必须先经人工审核批准；每一项重要变更都会记录下变更前后分别是什么样。
- 在真实环境中运行的业务流程
- 明确的决策权划分——AI 可以做什么，什么必须由人来定
- 留下“实际发生了什么”的记录，而不只是“最后停在哪”
- 向将来负责它的团队完成交接
这项服务的两种常见形态
分开命名，是因为项目确实会从不同的地方开始，而不是因为它们是两件分开售卖的东西。两者都包含在 AI Forward Deployed Engineering 之内。
当瓶颈在业务侧
AI Commerce Transformation
围绕可衡量的商业运营目标，对齐业务流程、数据、系统与 AI。当大家都同意运营该变，却没人说得清先变哪里时，项目就从这里开始。
当瓶颈在数据侧
Integration & Data Engineering
连接运营系统并统一业务信息口径，使数据能够被稳定、一致地使用。当流程本身已经清楚，而下面的系统却无法对同一个问题给出两次一致的答案时，项目就从这里开始。
“驻场”在这里指什么
它不意味着替代您的工程团队，也不意味着一份远程交付的固定成果。工程师在您的环境里、基于您的真实系统、与您的团队并肩工作。
服务周期、团队规模与价格取决于具体的流程与涉及的系统，因此在 Discover 与 Audit 阶段完成评估，而不是照表报价。
客户常问的问题
什么是驻场 AI 工程师（AI FDE）？
一位在客户环境内部、基于客户真实系统开展工作的工程师，而不是在外部交付一份方案。我们在知识中心里对这个角色有更完整的说明。
必须先成为 mPorts 的软件客户吗？
不必。这项服务的目标是让 AI 进入您的实际业务流程。mPorts 的软件是否属于答案的一部分，正是 Discover 与 Audit 阶段要如实回答的问题。
这与一般的咨询项目有什么不同？
产出是一个在生产环境中运行、有负责人、有记录的流程，而不是一份建议报告。治理、度量与优化是服务本身的阶段，而不是留给别人的后续工作。