课程简介
AI已经火了两年，但很多业务人员的困惑是：知道AI能做很多事，但回到自己的系统里，不知道从哪下手；本课程聚焦企业 AI 业务场景落地难题，以痛点挖掘，方案设计，Agent 实战，落地推广全流程为主线，帮助产品与业务骨干梳理业务值得被AI化的场景；课程从业务视角出发，专注实战落地过程中的关键节点，手把手带学员完成从业务痛点筛选、AI 能力匹配、价值量化，到零代码搭建业务专属 Agent 的完整闭环。真正实现2 天掌握一套可复制的 AI 落地方法论，用最小成本跑出业务 AI Agent MVP，为企业打造可落地、可量化、可推广的 AI 实战成果。
目标收益
掌握从存量系统中挖掘AI应用场景的能力；
学会用"价值×可行性"快速评估AI场景优先级，不再拍脑袋决策；
理解Agent的核心三要素，能独立完成Agent方案设计；
掌握系统提示词的写法和边界处理策略，让Agent"听话且不越界"；
在Coze平台上搭建一个可演示的业务智能体，从想法到原型全程实操；
掌握AI应用上线后的效果验证方法，能判断Agent好不好用；
产出一份可提交的AI业务场景立项建议书，为后续落地打下基础；
培训对象
产品岗：掌握AI方案设计全流程，实现业务场景AI落地；
业务骨干：挖掘本职场景痛点，设计可落地AI方案，提升业务效率；
非算法技术岗：了解AI方案设计逻辑，实现业技高效协同；
中层管理者：掌握AI场景筛选与价值评估方法，推动团队AI落地
课程大纲
|
课程大纲： 第一天 从存量系统中挖掘AI应用场景 |
模块1：AI能力校准，从业务视角看AI能做什么； 一、AI的能力边界：AI擅长什么？我们如何在业务场景中使用这些能力； 1.AI的能力边界： · 理解与生成：读懂需求、生成方案/文案； 案例：业务人员也可以撰写PRD； · 分类与提取：海量信息归类、提炼核心要点； 案例：制造行业的工单分类； · 预测与建议：基于数据给出优化方向； 案例：电商团队围绕用户行为分析的销售趋势预测； · 感知与多模态：理解图片/语音/视频； 案例：财务团队的单据识别 2.AI的擅长与不擅长 · AI擅长：归纳、提取、总结、生成、分类、多轮对话； · AI不擅长：核心决策、审批、控制物理设备、替代人工终审； 3.我们需要关注的AI落地红线与大模型的常见问题； 4.AI方案落地的基础，核心三要素： · 提示词（行为规则）：向AI表达需求，传递逻辑； · 上下文工程（多轮记忆）：AI的核心记忆点； · RAG（知识底座）：确保符合业务特点； 模块2：场景挖掘：在你的系统里找到AI切入点 目标：引导学员挖掘真实、高价值、可AI化的业务痛点；同时，避免天马行空，确保后续方案可落地； 一、存量系统的AI改造逻辑 1. 产品/系统+AI VS AI原生的设计区别； 2. 三种改造模式： · 增强型：AI辅助业务场景中的人工； · 替代型：AI接管重复环节； · 创新型：AI创造新能力 二、业务场景挖掘四步法 · 第一步：拆流程，把业务流程拆成具体步骤； · 第二步：找断点，哪些步骤耗时长、容易出错、依赖人工判断； · 第三步：判断AI适合度，高频、有规则、有数据、影响结果； · 第四步：锚定价值，这个场景做成了能省多少时间、提多少效率； 互动/实战：各组认领业务域，用四步法拆解，产出2-3个候选AI应用场景 实战产出： · 每组选一个业务域（如：客户服务、设备运维、营销管理、财务管理等） · 用四步法拆解该域的典型业务流程 · 标注出适合AI介入的环节 · 每组派代表简要分享小组成果； · 讲师点评筛选，指出哪些是伪痛点、哪些可能难落地，哪些价值不足； 模块3：AI场景的可行性与价值评估 目标：围绕小组讨论的场景与需求，过滤不合理场景，判断挖掘的痛点是否值得AI化、能否落地，提升方案专业度，贴合企业实际需求； 一、做适应AI的场景：业务场景的可行性与可能性； 1.AI的可行性评估： · 数据可行性：是否有可用数据，数据是否合规、可获取 · 技术可行性：公司的研发实力与能力边界，我们当下可以碰什么，不碰什么； · 合规可行性：行业红线与数据安全；AI输出边界可控，可追溯； · 成本可行性：企业现有条件（人员、设备、权限）是否可支撑方案落地； · 场景可行性：是否高频，产生价值是否明显； 2.业务场景AI化价值评估与选定 · 方法论介绍：快速评估法：价值×可行性四象限； · 场景价值评估时的常见误区：为了AI而AI； 实战任务：各组评估候选场景，锁定1个AI应用场景； · 用四象限评估法对2-3个候选场景打分； · 各组互评，互相挑战"这个场景真的值得做吗？" 场景汇报：各组展示挖掘成果，作为Day2的实战基础 |
|
第二天 Agent设计、搭建与落地 |
模块4：Agent方案设计与实操； 目标：理解Agent的核心三要素，掌握系统提示词的写法和边界处理策略，能独立完成Agent方案设计 一、Agent基础介绍 平台选择：采用Coze零代码Agent平台：零门槛、可视化； · 角色定义：它是谁、该干什么、不该干什么； · 工作流程：按什么顺序干活、遇到分支怎么处理； · 知识库：参考什么来回答，用公司的制度、SOP、历史案例； · 三个要素的关系：角色决定调性，流程决定逻辑，知识决定准确度 二、Agent：以终为始的设计思路 1. 流程介绍：从输出倒逼输入； 2. 提示词设计：Agent的"大脑配置" · 系统提示词 vs 用户提示词； · 系统提示词的四要素； · 系统提示词的写法技巧； 3. Agent工作流设计：AI按什么顺序干活； · 输入：用户会问什么、提供什么信息； · 处理：AI需要做哪些判断、调用什么知识； · 分支：遇到不同情况怎么处理； · 输出：最终给用户什么结果； · 人在回路：哪些环节需要人工确认； 4. 知识库配置：AI的"参考资料" · 知识库概念普及：什么是RAG？RAG在合规、防幻觉中的核心作用； · RAG相关核心：知识库来源、知识边界、检索规则、输出规则； · 需求表达：如何向技术提外挂知识库的需求； 5.Agent Skill：给Agent装上"外挂能力" 6.现场实操：Agent配置步骤； · 步骤1：角色设定与提示词配置； · 步骤2：核心AI能力配置； · 步骤3：RAG配置，导入简易知识库模板，设置检索规则； · 步骤4：上下文设置，配置记忆时长、记忆内容，避免AI失忆； · 步骤5：测试优化，输入测试数据，验证Agent输出效果，简单调整提示词、检索规则； 案例演示：在COZE平台手搓一个Agent，用客户服务场景走一遍方案设计 Coze实战搭建，小组基于业务场景尝试搭建Agent，老师辅导； 模块5：Agent上线验证与效果评估 目标：帮助学员建立效果评估体系，掌握AI应用上线后的效果验证方法，能判断Agent好不好用，学会基于反馈优化方案； 1. Agent上线的三个评估维度 · 效果准不准：Agent回答得对不对、流程走得对不对； · 体验顺不顺：用起来方不方便、等待时间长不长、交互是否自然； · 价值有没有：到底省了多少时间、提了多少效率； 2. 业务人员的"肉眼判断法" · 准确度测试：准备10个典型问题，看Agent答对几个； · 体验测试：让同事用5分钟，看他们会不会卡住； · 价值评估：对比人工处理时间，算算省了多少； 3. 上线后的持续优化 · 收集反馈：谁在用、用了多少次、哪里卡住了； · 迭代知识库：补充新知识、修正错误答案； · 调整流程：根据实际使用情况优化工作流； 模块6：小组方案设计与路演 + 讲师点评 目标：通过路演的形式，各小组展示每组的一页纸方案，老师点评； 小组提炼一页纸方案，包含： · 业务场景痛点分析； · AI的可行性与可能性分析，数据量化指标； · Agent方案演示； 路演规则： 每组派1名代表，8分钟/组； 讲解业务场景AI化的设计思路+Agent演示； 点评核心维度： · 落地性：方案是否贴合企业实际； · 合规性：是否触碰行业红线，数据安全、AI边界是否可控； · 价值性：是否能解决真实痛点，价值是否可量化； · 完整性：方案框架、AI功能是否完整，逻辑是否顺畅； 最后：课程总结 · 课程核心复盘：从理解AI能力边界到Agent上线实施的完整落地流程； · 学员分享：分享本次课程的最大收获与后续落地计划； · 探讨后续落地三件事：怎么让领导支持、怎么让同事用起来、怎么持续迭代； 业务人员与IT的协作模式，在AI时代的能力边界； |
|
课程大纲： 第一天 从存量系统中挖掘AI应用场景 模块1：AI能力校准，从业务视角看AI能做什么； 一、AI的能力边界：AI擅长什么？我们如何在业务场景中使用这些能力； 1.AI的能力边界： · 理解与生成：读懂需求、生成方案/文案； 案例：业务人员也可以撰写PRD； · 分类与提取：海量信息归类、提炼核心要点； 案例：制造行业的工单分类； · 预测与建议：基于数据给出优化方向； 案例：电商团队围绕用户行为分析的销售趋势预测； · 感知与多模态：理解图片/语音/视频； 案例：财务团队的单据识别 2.AI的擅长与不擅长 · AI擅长：归纳、提取、总结、生成、分类、多轮对话； · AI不擅长：核心决策、审批、控制物理设备、替代人工终审； 3.我们需要关注的AI落地红线与大模型的常见问题； 4.AI方案落地的基础，核心三要素： · 提示词（行为规则）：向AI表达需求，传递逻辑； · 上下文工程（多轮记忆）：AI的核心记忆点； · RAG（知识底座）：确保符合业务特点； 模块2：场景挖掘：在你的系统里找到AI切入点 目标：引导学员挖掘真实、高价值、可AI化的业务痛点；同时，避免天马行空，确保后续方案可落地； 一、存量系统的AI改造逻辑 1. 产品/系统+AI VS AI原生的设计区别； 2. 三种改造模式： · 增强型：AI辅助业务场景中的人工； · 替代型：AI接管重复环节； · 创新型：AI创造新能力 二、业务场景挖掘四步法 · 第一步：拆流程，把业务流程拆成具体步骤； · 第二步：找断点，哪些步骤耗时长、容易出错、依赖人工判断； · 第三步：判断AI适合度，高频、有规则、有数据、影响结果； · 第四步：锚定价值，这个场景做成了能省多少时间、提多少效率； 互动/实战：各组认领业务域，用四步法拆解，产出2-3个候选AI应用场景 实战产出： · 每组选一个业务域（如：客户服务、设备运维、营销管理、财务管理等） · 用四步法拆解该域的典型业务流程 · 标注出适合AI介入的环节 · 每组派代表简要分享小组成果； · 讲师点评筛选，指出哪些是伪痛点、哪些可能难落地，哪些价值不足； 模块3：AI场景的可行性与价值评估 目标：围绕小组讨论的场景与需求，过滤不合理场景，判断挖掘的痛点是否值得AI化、能否落地，提升方案专业度，贴合企业实际需求； 一、做适应AI的场景：业务场景的可行性与可能性； 1.AI的可行性评估： · 数据可行性：是否有可用数据，数据是否合规、可获取 · 技术可行性：公司的研发实力与能力边界，我们当下可以碰什么，不碰什么； · 合规可行性：行业红线与数据安全；AI输出边界可控，可追溯； · 成本可行性：企业现有条件（人员、设备、权限）是否可支撑方案落地； · 场景可行性：是否高频，产生价值是否明显； 2.业务场景AI化价值评估与选定 · 方法论介绍：快速评估法：价值×可行性四象限； · 场景价值评估时的常见误区：为了AI而AI； 实战任务：各组评估候选场景，锁定1个AI应用场景； · 用四象限评估法对2-3个候选场景打分； · 各组互评，互相挑战"这个场景真的值得做吗？" 场景汇报：各组展示挖掘成果，作为Day2的实战基础 |
|
第二天 Agent设计、搭建与落地 模块4：Agent方案设计与实操； 目标：理解Agent的核心三要素，掌握系统提示词的写法和边界处理策略，能独立完成Agent方案设计 一、Agent基础介绍 平台选择：采用Coze零代码Agent平台：零门槛、可视化； · 角色定义：它是谁、该干什么、不该干什么； · 工作流程：按什么顺序干活、遇到分支怎么处理； · 知识库：参考什么来回答，用公司的制度、SOP、历史案例； · 三个要素的关系：角色决定调性，流程决定逻辑，知识决定准确度 二、Agent：以终为始的设计思路 1. 流程介绍：从输出倒逼输入； 2. 提示词设计：Agent的"大脑配置" · 系统提示词 vs 用户提示词； · 系统提示词的四要素； · 系统提示词的写法技巧； 3. Agent工作流设计：AI按什么顺序干活； · 输入：用户会问什么、提供什么信息； · 处理：AI需要做哪些判断、调用什么知识； · 分支：遇到不同情况怎么处理； · 输出：最终给用户什么结果； · 人在回路：哪些环节需要人工确认； 4. 知识库配置：AI的"参考资料" · 知识库概念普及：什么是RAG？RAG在合规、防幻觉中的核心作用； · RAG相关核心：知识库来源、知识边界、检索规则、输出规则； · 需求表达：如何向技术提外挂知识库的需求； 5.Agent Skill：给Agent装上"外挂能力" 6.现场实操：Agent配置步骤； · 步骤1：角色设定与提示词配置； · 步骤2：核心AI能力配置； · 步骤3：RAG配置，导入简易知识库模板，设置检索规则； · 步骤4：上下文设置，配置记忆时长、记忆内容，避免AI失忆； · 步骤5：测试优化，输入测试数据，验证Agent输出效果，简单调整提示词、检索规则； 案例演示：在COZE平台手搓一个Agent，用客户服务场景走一遍方案设计 Coze实战搭建，小组基于业务场景尝试搭建Agent，老师辅导； 模块5：Agent上线验证与效果评估 目标：帮助学员建立效果评估体系，掌握AI应用上线后的效果验证方法，能判断Agent好不好用，学会基于反馈优化方案； 1. Agent上线的三个评估维度 · 效果准不准：Agent回答得对不对、流程走得对不对； · 体验顺不顺：用起来方不方便、等待时间长不长、交互是否自然； · 价值有没有：到底省了多少时间、提了多少效率； 2. 业务人员的"肉眼判断法" · 准确度测试：准备10个典型问题，看Agent答对几个； · 体验测试：让同事用5分钟，看他们会不会卡住； · 价值评估：对比人工处理时间，算算省了多少； 3. 上线后的持续优化 · 收集反馈：谁在用、用了多少次、哪里卡住了； · 迭代知识库：补充新知识、修正错误答案； · 调整流程：根据实际使用情况优化工作流； 模块6：小组方案设计与路演 + 讲师点评 目标：通过路演的形式，各小组展示每组的一页纸方案，老师点评； 小组提炼一页纸方案，包含： · 业务场景痛点分析； · AI的可行性与可能性分析，数据量化指标； · Agent方案演示； 路演规则： 每组派1名代表，8分钟/组； 讲解业务场景AI化的设计思路+Agent演示； 点评核心维度： · 落地性：方案是否贴合企业实际； · 合规性：是否触碰行业红线，数据安全、AI边界是否可控； · 价值性：是否能解决真实痛点，价值是否可量化； · 完整性：方案框架、AI功能是否完整，逻辑是否顺畅； 最后：课程总结 · 课程核心复盘：从理解AI能力边界到Agent上线实施的完整落地流程； · 学员分享：分享本次课程的最大收获与后续落地计划； · 探讨后续落地三件事：怎么让领导支持、怎么让同事用起来、怎么持续迭代； 业务人员与IT的协作模式，在AI时代的能力边界； |
近期公开课推荐
