公开案例 · 消费品/快消
某消费品企业(一年 100+ SKU)
研发协同与包装审核
项目做法
方向拆成流程自动化和决策高质量化:原料有没有、成本能否达到、基础规则交给 AI 提前检查;需要判断的地方让 AI 找回历史经验辅助,最终判断交给人。 1. Agent 进业务群:外部人常驻群内会让业务有压力,于是把一个 Agent 放进业务群待两三周,持续收集上下文,之后让它总结哪些值得做,从真实沟通中定位到包装审核问题;Agent 兼具执行与观察两重角色。 2. 先定义问题再定义 AI:不直接写"包装审核 Skill",避免外行指导内行——借用 HRBP 思路给 AI 写"岗位说明书",让真正做审核的业务人员自己拆解:审核什么、输入输出、什么情况要判断、什么规则可直接执行。 3. 把工作拆成可自动化和需决策两类:错别字、法规标准、能量计算直接 AI 自动检查;渠道要求最初需人工判断,每次反馈记录下来沉淀成标准后交 AI 预审;产品经理对审美表达的判断保留给人。 4. 工程化进入业务链:包装图有密集文字、NRV 能量表、艺术字变体,单靠模型视觉理解不够——拆成不同视觉模块分别选 OCR 和 VLM(视觉语言模型)方案,固定规则脚本化,NRV 计算逻辑固化成确定性代码,模型只做解释和补录建议("蛋白质 2.9g、每份 40g、NRV 5% 对不对"这类问题实现可复现验证);每个模块审核结果带来源置信度,结论可追溯到原始数据。 之后接入包装开发完整工作流:设计稿一提交 Skill 自动预检,把合规问题、数字矛盾在交给下游前拦下;搭包装管理系统,把上线被市场或监管验证过的包装样本、驳回记录放进上下文,能提示"这个渠道的标识位置历史上被退过三次"。
项目进展
原文以定性变化为主:法规人员减少处理低级错误和返工的时间,产品经理把时间放到"包装怎么表达产品"上;每一次决策、渠道反馈、审核经验被沉淀,个人经验开始变成组织经验。 踩坑: 1. 能交给 AI 的问题未必值得做——要同时满足:业务同学真实存在、有业务价值、解决后能找到可衡量的指标 2. 从承接需求到定义组织系统——业务方无法把需求完整准确定义,不能期待 AI 稳定满足无边界需求,于是和老板、中层、业务同学共同搭建 AI 与人协作的组织系统: - 共同梳理业务流(目标 → 价值链 → 岗位 → 输入输出) - 共同搭建雏形(培训让业务参与 Build) - FDE 工程化(执行稳定、对接现有软件、快速搭新系统) 原文未给总周期和投入金额。
