從 PoC 到生產線:公開 Tenten 前線部署工程 (FDE) 的六階段企業 AI 導入方法論

企業 AI 導入方法論,是一套把 AI 從 Demo 推到生產線、並確保現場真的有人在使用的可重複流程。這句話聽起來理所當然,但過去兩年我們進場收拾的爛攤子,幾乎都倒在同一個地方:方法論只到「驗證可行」為止,沒人負責「讓它上線、讓人用」。

先講一個場景。去年我們接手一家製造業客戶,他們的品保團隊半年前導入了一套 AI 瑕疵辨識,PoC 準確率 92%,簡報漂亮到董事會鼓掌。我到產線那天,現場作業員還是用肉眼複檢,系統開著,沒人點。原因很樸素:模型跑在一台跟 MES 沒打通的獨立機器上,回報一筆要多花 40 秒,大家寧可不用。技術沒錯，是導入的最後三哩沒有人扛。

所以這篇我們把 Tenten 前線部署工程 (FDE) 的六階段方法論整套公開。不是行銷話術，是我們工程師進場實際跑的流程。公開它有代價——同業會抄——但我們更在意一件事：讓要導入 AI 的企業，在簽任何合約前，先看得懂一個負責任的導入到底長什麼樣。

六階段一覽

為什麼是這六階段

場景定線是最常被跳過、也最致命的一步。多數失敗案子不是模型不夠好,是題目選錯。我們的規矩很硬:一個導入案,一開始只鎖一個工作流,而且要能用一句話講清楚價值。講不清楚,就別開始。

現場勘查決定後面所有事。我們進場第一週不寫 code,先要真實資料樣本和實際流程圖。因為企業口中的流程,和螢幕前真正發生的流程,往往差很遠。RAG 系統做不起來,九成是知識沒整理好,不是模型笨。

原型驗證這關,我們刻意把範圍縮到最窄,而且一定拿人工現況當基準。PoC 在乾淨測試集上贏 5% 沒意義;要在客戶真實、髒亂的案例上,贏過現在的人工做法,才准往下走。

生產化工程是 Demo 和產品的分水嶺,也是外面最多人省略的一段。這裡要做的是接進客戶現有系統、加上護欄防止亂答、建立 evals 讓每次改動都能回歸驗證、補上監控。前面那個製造業案子,卡的就是這一關——沒人做整合,好模型變成孤島。

上線採用是我們和「AI 產品工作室」最大的不同。我們的工程師不是交付完就走,而是留在現場做變更管理、陪訓練、盯使用率。系統上線不算數,人真的改用了才算。使用率是我們的交付門檻,不是附贈的 nice-to-have。

度量擴張放最後,是因為規模化必須建立在證據上。指標穩了,我們才把同一套方法複製到下一個場景,而不是一次鋪十個然後全部半死不活。

一個誠實的取捨

這套方法論慢。比起「兩週給你一個 Demo」,我們前兩階段常常花掉一個月都還沒動手寫主要功能。我們踩過急著跳關的雷,結果就是回頭重來,反而更慢。所以現在寧可前面慢,把題目和資料搞對。

企業 AI 導入方法論的重點從來不是哪個模型最新,而是有沒有人真的把它扛到生產線、扛到有人用。這也是 Tenten 做 FDE 的方式:我們把工程師嵌進你的現場,一路陪到第五、第六階段,而不是交完 PoC 就揮手道別。如果你手上正有一個 Demo 很美、卻遲遲上不了線的案子,這六個階段或許能幫你先找出卡在哪一關。