客户问怎么给 AI 下指令时，企业 AI 落地顾问答：先不写指令，得先拆任务。在一个 FDE 项目里，落地最难的不是写提示词，而是听懂客户那堆文档——一百多个品牌格式各异，几张 Excel 表的作用也得第一天现学。

「先不写指令。我得先拆任务，先拆你的活儿是怎么做的。」

—— 客户问我「怎么给AI下指令」后，我的回复

AI落地最难的，是「听懂」——是你得先弄明白客户的一堆文档资料，到底各自是干嘛的。

前两天，合作伙伴突然推过来一个FDE项目。客户领导急，乙方销售急，大家都想赶紧往前推。可真到坐下来讨论怎么落地的时候，对面的业务同事和我，对接下来要做什么、怎么做，却还处在大眼瞪小眼的状态。

于是项目就这么匆匆忙忙地开始了。

这次服务的客户，跟我之前遇到的不太一样。从领导到业务同事，大家都非常重视，愿意开会、拿资料、提需求，还会追着问各种问题。看得出来，他们对AI是有期待的——既然有人来帮忙，就赶紧把自己攒了多年的麻烦事全拿出来，一起解决。

但对我来说，刚开始是一脸懵逼。外部顾问进场，总要先花时间熟悉业务、建立信任。但这次启动太急，完全没时间铺垫，讨论就进入了业务细节。比如聊到填商品清单表，业务同事很熟练地在几张Excel之间来回切换——主档、货号、C Code……各种内部术语一串接着一串。我连几张表各自是干嘛的、前后什么关系都没搞明白，而我入场第一天的任务是：给客户把第一版Skill搞出来。

没办法，只能硬着头皮，一边听，一边把自己缺的信息补上。

FDE的理想画面，是带着AI能力进场，一个难题一个难题推过去。

现实是：你得先花不少力气，才能和客户共同确认，眼前的问题究竟是什么。

01 第一场会，大家就发现相互完全没对齐

第一天下午，客户一连抛出了好几个需求，像是销售月报怎么做、商品资料怎么填、怎么高效同步信息管理项目进度等等。每个人都说的很痛，但需求堆在一起，讨论就非常发散，没一个能还原成一套完整方案。

拿写月报来说，最初听起来，无非是把各个品牌的销售数据填进汇报表格。继续聊才知道，不同品牌的数据格式、统计方式、数据来源都有区别。后来大家认为有必要先把表头映射关系梳理清楚，可一问才发现：里面涉及的品牌有一百多个！

于是刚才还让人兴奋的「自动填表」，突然就变成了一项不小的数据梳理任务。谁来整理这些表呢？还得是业务人员自己。

于是临近结束时，现场有人提了一嘴：

我们原以为是来听个培训、了解一下AI工具怎么用，没想到现在要坐下来，把自己手里的工作重新盘一遍。

这才是一线的真实心声。

站在我们这边，肯定希望能拿到足够多的真实资料拆流程、做验证，但对部分业务同事来说，可能还在「了解工具能干嘛」的阶段，准备听完回去消化。

不是客户不配合，是预期压根没对齐。

后来客户说，会在第二天专门按需求定主题、排时间，把做这件事的人找来，带着资料和具体问题，一件件解决。这时候，讨论才有机会收敛到具体工作。

回头看，这事我们该早说。

业务同事本来手头工作就很满。开会、整理资料、解释规则、核对结果，都要从他们本就不宽裕的时间里挤出来。这些投入没提前讲清楚，我们觉得「还差资料」，对方觉得「怎么AI还没帮上忙，自己倒先多了一堆工作」。

02 听懂名词，不等于听懂这项工作

第二天，讨论开始围绕具体任务展开，我对业务的理解才一点点清楚起来。

接到的第一个明确需求是个资料整理任务。业务同事打开了好几张EXCEL，里面的数据看起来都差不多，一些栏目也有重合。我当时特别不理解为什么要搞这么多表，经过对方解释才明白，这里面有要处理的原始表，有用来核对的已有记录，还有规定了最终结果模板表。看起来相似的文件，放在工作流里的不同位置，处理方式完全不一样。

原始输出→比对查重→导入模板 · 上传系统

三张表的作用：一个是「出」，一个是「进」，长得还不一样

这些关系不掰扯清楚，后面再谈字段映射、AI自动填充，全是错的。

于是，我只能想办法把问题往下拆，一条条问客户，问他们是怎么判断两张表归属关系的，问他们应该根据哪些信息来核对。

承认没听懂，只是第一步。知道接下来该问什么，才能开始补窟窿。

另一项销售月报数据汇总任务，也是同样的过程。

业务同事一边打开AI软件，一边问我该怎么给写提示词。我当时就让她先打消这个念头：

我们先不写指令。我得先拆任务，先拆你的活儿。

没完整理解这事的处理顺序，就直接下指令，八成只能靠猜。到时候AI看着给出了结果，换个环境还是会错。

所以我带着她从资料来源开始捋，才知道除了最初拿出来的文件，还有一些需要补充参考的信息，业务同事还在中途又拿出了一张新表，里面记录了额外的映射规则，而这份资料她都没意识到要提供给AI。

顺着这张表继续问，事情的全貌才浮出水面。而如果这些记录没拿出来，我可能真会以为，拿到原始资料，再看看最后要交的结果，就能让AI开始跑脚本了。

员工能把活做完，靠的是这些补充记录，加上她已经熟悉得不能再熟悉的处理习惯。她演示的时候，有些步骤是「咣」一下过去的，但作为FDE，你要能立刻觉察到：不对，刚才为啥查这张表？为啥选这几个编码？

这些问题听着外行。

但不问，后面就得靠猜。

03 客户越配合，越需要有人收住范围

相比以往的项目，这次合作的客户配合度非常高，但我的感受是：

客户越配合，需求来得越多。

以前有些项目，得反复推动业务人员参与。这次不一样，大家愿意讲、愿意给资料，也希望我们多帮忙解决他们的问题。

聊到一个月报需求，能带出另外几种报表。讲完一段流程，对方又想起另一项重复工作。

毕竟这些是她们每天在做的事。好不容易有人坐下来认真听，自然想多聊聊。

但作为现场推进的人，得不断做出判断：新提到的事，是当前流程里不能漏的一步，还是另一件要单独处理的事？

属于当前任务的必要步骤，哪怕之前没想到，都要补进去。已经是另一个场景的，先记下来，说明它和眼前工作的连接，再决定什么时候展开。

不能图表现顺手全答应。也不能只顾赶进度，让业务同事觉得自己提的问题没人听。

客户的配合是把双刃剑。你不收住，它会把你拖死。

客户的配合是把双刃剑。

你不收住，它会把你拖死。

我的做法是：先拿一组真实资料，把一种明确的处理方式跑通。遇到新情况，再判断老规则能不能罩得住——是加条件，还是干脆拆成另一条流程。

同时，FDE也要能判断出AI介入业务的边界。按：AI辅助分析、规则直接处理、人工待确认项几个维度进行输出。

我不觉得FDE必须在听需求那一秒，就交出一个完美方案。但至少得尽快有个初步判断，并让客户愿意拿资料继续验证。

范围收得住，客户的配合才会慢慢变成项目进展。不然大家投入一堆时间，需求清单越来越长，眼前这一件却一直做不完。

04 沟通后不交方案，交todo

回顾这周的工作，很多事做的挺琐碎的，确认名词、看文件、请业务同事演示、把处理步骤写下来、拿自己的理解回去复核、发现遗漏、再调整处理顺序。完全没有「专家一听就懂、现场一把做完」的爽感。

但经历过这些来回，事情比一开始具体多了。起初大家只是希望AI帮忙处理资料，后来能讲清楚输入、输出和处理方式了。明确这些，开发和测试才有依据。

所谓「FDE得会沟通」，既要能听得懂业务人员的话，也得察觉自己哪里没听懂。能跟着对方的实际操作理解工作，再把自己的理解请对方纠正。讨论发散了，还得帮大家拉回来。

工具当然重要。但进了现场，你大概率得先穿过这些沟通，才知道技术该往哪儿使。

这次经历，也让我总结出了一套FDE进场调研三步法。

1. 拿资料：有没有原始文档，从哪儿开始到哪儿结束
2. 理先后：哪些先做，哪些先放一放，不要一股脑全倒出来
3. 定结果：谁来确认结果？是业务方，还是双方一起校对？

能说清楚这些，哪怕还有问题没解决，也知道下一步该怎么走。

05 写在最后

AI落地做了几年，我越来越觉得——

AI落地的核心能力，是在客户面前敢说一句「我没听懂」，然后问出下一个好问题。

模型会越来越强，工具会越来越傻瓜。但能坐下来，把别人的活听明白、问明白、拆明白——这事儿，没什么捷径。

还是得请对方把文件打开，在她旁边，请她走一遍平时干活的全流程。