课程简介
在生成式AI与产业大数据深度融合的今天,企业正面临“技术爆炸”与“场景落地”的双重挑战。一方面,AI大模型、多模态技术持续突破,为业务创新提供无限可能;另一方面,87%的企业陷入“技术强但场景弱”的困境,技术部门与业务部门协同断裂,导致AI应用浮于表面,难以释放真实商业价值。
本课程以“场景共创”为核心方法论,通过“业务痛点诊断-AI技术映射-原型快速验证”的闭环设计,帮助学员掌握AI赋能业务的实战框架。融合设计思维工具、技术实操与商业沙盘推演,推动跨职能团队在真实业务场景中碰撞创新火花,实现从“技术应用”到“价值重构”的思维跃迁。
课程收益
1、帮助学员理解 AI 在企业中的创新应用潜力,识别 AI 技术如何有效支持业务发展。
2、通过设计思维的工具和方法,引导学员探索和定义 AI 应用的具体场景和用户需求,推动 AI 应用的快速落地。
3、促进跨职能团队合作,围绕具体应用场景共同探索 AI 技术的解决方案,并设计可操作的原型或行动计划。
受众人群
1、企业高层及中层管理者(如产品经理、运营经理、技术负责人等)
2、AI 相关团队(如技术开发、产品设计等)
3、业务部门的关键负责人(例如内容负责人、市场拓展负责人等)
课程周期
2天(12H)
课程大纲
标题 | 授课内容 |
一、开篇:打破 AI 认知屏障 | 1. 破冰活动:“AI 偏见消除器” (1) 每位参与者写下自己对 AI 的担忧和期待(例如:AI 会替代我的工作/AI 可以提升我的效率等)。 (2) 分组将大家的观点进行归类,并讨论不同的担忧与期待的来源。 (3) 引导师回应:用实际案例回应大家的疑虑,展示 AI 实际在行业中的应用和效果,帮助参与者消除对 AI 的认知偏见。 2. 目标共识: (1) “理想中 AI 赋能的业务场景” 3. 每个小组绘制一幅故事板,通过简笔画和关键词(非文字报告)来描述他们理想中的 AI 赋能业务场景。 4. 参与者以自己所在的部门或业务领域为视角,勾画 AI 应用的未来场景,并简要分享。 5. 通过这种方式引导大家从业务需求出发,设想 AI 可能的落地方向。 |
二、AI 技术与行业趋势分享 | 1. AI 基础介绍与应用趋势: (1) 引导师通过简单易懂的方式介绍 AI 的基本概念、发展趋势和核心技术(如自然语言处理、机器学习等),避免过于技术化。 (2) 分享 AI 在相关行业的前沿应用,介绍成功案例(例如智能学习推荐、个性化学习路径等)。 2. 互动讨论: (1) “未来的行业 AI”:参会者分小组讨论 AI 如何影响行业的未来,记录下关键的业务场景和技术创新点。 (2) 每个小组将讨论的结果分享给其他小组,促使大家从不同角度思考 AI 的应用。 |
三、小组活动:定义 AI 应用场景 | 1. 引导问题: (1) 基于行业趋势和实际案例,参与者小组讨论当前的 AI 应用痛点和未来的应用机会。 (2) 通过集体讨论和头脑风暴,定义最需要 AI 赋能的业务场景,例如课程推荐、评估优化等。 2. 工具: (1) 使用 AI+“用户画像”工具,每个小组为其定义的应用场景创建一个典型用户画像,深入了解目标用户的需求和痛点。 (2) 结合业务流程图,标出现有流程中的痛点和可以借助 AI 解决的环节。 3. 小组分享与总结: (1) 各小组展示他们的 AI 应用场景和用户画像,其他小组提供反馈和建议,改进方案。 (2) 汇总各组的应用场景,形成最具潜力的 AI 应用方向。 |
四、创意碰撞与方案设计 | 1. 创意激发: (1) 每个小组选择一个 AI 应用场景,并通过头脑风暴产生多个创意解决方案。 (2) 每个小组需要思考以下问题: ① 如何利用 AI 解决该场景中的具体问题? ② 解决方案能为用户带来什么价值? ③ 这个方案如何与现有的工作流程结合? 2. 工具: (1) 使用“Idea 画布”工具,梳理创意方案的关键要素,并连接到相关的业务流程和技术需求。 (2) 使用乐高创意搭建工具进行原型设计,帮助团队将抽象的 AI 应用场景具象化。利用乐高模型设计一个简单的产品或流程原型,快速呈现解决方案。 3. 展示与反馈: (1) 每个小组展示其创意方案和乐高原型,其他小组进行反馈,并给出优化建议。 (2) 通过多轮反馈,确定最终的解决方案框架。 |
五、小组活动:原型设计与快速迭代 | 1. 原型设计: (1) 在前期的讨论和反馈基础上,小组继续优化他们的 AI 应用原型,结合技术可行性和用户需求,明确每个解决方案的实施路径。 (2) 参与者可以使用简单工具(如流程图、原型设计软件、乐高等)创建低保真原型。 2. 快速迭代: (1) 通过快速原型的展示与集体讨论,鼓励每个小组对原型进行快速迭代,解决在实施过程中可能遇到的挑战和痛点。 (2) 每个小组为原型设计提出具体的实现步骤和责任分工。 |
六、落地规划与行动方案 | 1. 从创意到执行: (1) 每个小组根据前一天的创意方案,制定具体的实施计划。讨论如何将方案付诸实践,明确所需的资源、团队配合和时间安排。 (2) 参与者要考虑的关键问题包括:如何进行 AI 技术集成?如何与现有工作流对接?如何衡量 AI 落地后的效果? 2. 工具: (1) 使用“行动计划矩阵”工具,明确每个任务的优先级、所需资源和责任人。 (2) 小组在行动计划中明确时间节点,确保方案能够顺利推进。 |
七、最终展示与总结 | 1. 展示与评估: (1) 每个小组展示其最终的 AI 应用原型和行动计划,展示解决方案的实施路径和预期效果。 (2) 其他小组提供反馈,评估方案的可行性、创新性和实际落地可能性。 2. 总结与反思: (1) 引导师总结当天的关键学习点,回顾 AI 应用的核心概念和创新实践。 (2) 讨论与回顾:参会者分享工作坊中的收获、困惑以及如何将所学应用到实际工作中。 |
八、后续支持与资源分享 | 1. 资源分享: (1) 分享相关的 AI 学习资料、技术平台和应用工具,帮助参与者持续跟踪行业动态。 2. 后续行动计划: (1) 针对工作坊中提出的解决方案,提供后续的支持方案,例如技术咨询、培训等。 |