FDE 做 Demo 前，先把 4 笔账算清楚

FDE 的本质和五步实践，详见 8 月 18 日日课。今天只讲 Demo 前的第一关：先把问题、成本、数据和验收这四笔账算清楚。

一、客户的需求清单不一定解决业务问题

人去医院会说哪里疼、疼了多久、最近发生过什么，很少有人直接指导医生开什么药。企业找 AI 团队时却经常反过来做：需求清单里列好多个需求，再请几家供应商逐项报价。

供应商照着清单做，功能可能全部上线，企业原来的问题依然在那里。

举个实际案例。一家工业刀具企业，刀具使用时会磨损，加工不同材料还要调整参数。细微到 0.1 毫米的偏差，都可能影响成品质量，而这些判断依赖在车间干了几十年的老师傅。

如果只看需求清单，项目可能就是图像识别 + 知识库。但是把业务过程往前后多看一步，系统其实还要识别磨损程度、估算刀具寿命、给出参数建议，把判断写成客户能看懂的报告，以及萃取老师傅的隐性知识，并内化为模型的能力。

所以第一笔账是问题账。客户说想做什么，只能当作起点。团队还要问清楚他为什么想做，旧流程卡在哪里，抓住业务问题背后的核心本质才算有价值。

二、高频且重成本的场景优先

一家环保设备厂接到客户需求后，要派设计师去现场勘察，画地形图，再根据预算、排放标准、设备模块、材料品牌和厚度做方案。

一个设计师完成一份图纸，往往需要一两周，前面还要算差旅。更麻烦的是成交率不高。十个客户来问方案，最后可能只有一个成交，企业仍然要先为十份勘察和设计付成本。

这个场景每天都发生，耗人力，耗时间，成本高，也直接影响客户是否留下。

企业希望的是，客户拍一段视频或发几张现场图片，AI 据此生成户型图和 CAD 文件，再结合预算与排放要求给出几套方案。原来需要一两周的初步方案，有机会在一天内发给客户。这就是一个典型的、适合优先做的场景。