AICON：FDE如何讓Agent帶動銷售

從現場問題出發，而不是先堆技術

講者主張，AI 專案的起點不該是「我們能做什麼模型」，而是先看一線人員每天卡在哪裡、哪些工作反覆發生、哪些環節會直接影響業務結果。FDE 的角色，是把技術能力帶到現場，和業務一起找出能快速驗證的切入點。

「AI在業務流程裡面，而不是要在業務流程外面。」
— 阮城鋒

FDE模式：資料、語義與行動要連成一圈

這套作法的核心，是以真實的業務指標來驗證效果，並從企業既有資料中建立可理解業務的語義模型。現場也特別強調，這不是只把資料丟給模型問答，而是要讓系統理解客戶、線索、門店、合約等業務對象，以及它們之間的關係。

• 先進入真實場景，找出資料在哪裡、工作怎麼做、問題卡在哪裡。
• 把分散的結構化與非結構化資料，整理成可被理解的業務脈絡。
• 選一個最小可行流程做 MVP，先讓人機協作跑起來。
• 以業務效果為準，持續取得回饋、補足資料，再進入下一輪優化。

企業資料統一語義模型結構化資料非結構化資料業務指標正向循環

講者將銷售 Agent 的能力拆成三個相扣層次：先以資料建立企業知識，再以統一語義模型減少跨系統、跨指標的理解落差，最後透過行動編排與閉環機制，把發現問題轉成可執行的工作。個人筆記也點出，這一段對「銷售擴散」格外重要：能不能複製到更多場景，關鍵在於業務語義與流程是否被整理清楚。

在行動層，系統可依業務事件、規則或排程觸發任務。例如新增線索後，根據判斷條件啟動後續動作；行動可以是更新系統任務、整合既有能力，也可以進一步串成從發現問題、產生建議到後續追蹤的工作流。

案例一：汽車銷售，讓顧問把時間還給客戶

第一個案例聚焦汽車銷售。講者觀察到，當產品差異逐漸縮小，銷售專業度、客戶關係經營與流程推進會更直接影響到店、試駕與成交等結果。但一線人員常得在多個系統與大量資料之間切換，反而壓縮了真正面對客戶的時間。

「讓我們顧問把精力放回客戶。」
— 阮城鋒

這個案例沒有一開始就試圖處理整個銷售大盤，而是挑選接近成交、資料與工作重複度較高的流程先做。系統協助整理客戶與線索資訊、提供跟進建議、支援邀約與試駕等節點；重點則是讓顧問與管理者能在同一套上下文中掌握狀況，減少資訊斷裂。

• 以銷售顧問的日常動作為觀察起點，而非直接翻新全部系統。
• 從線索、客戶、門店等對象建立關聯，讓資料能回到銷售情境。
• 把提醒、建議與後續任務接進既有工作流，降低一線切換成本。
• 用到店、試駕、成交等業務節點觀察是否真的產生價值。

案例二：醫藥推廣，從單點試行走向擴展

第二個案例轉到醫藥推廣場景。講者提到，這類工作涉及大量客戶與產品資料，也需要籌備、執行與追蹤各式活動；因此團隊先從眾多推廣方式中，選擇「走進高校」等具體活動場景進行驗證，再逐步擴大到更多區域與活動能力。

這個案例同樣遵循先小後大的路徑：先訂出可觀察的業務指標，在單一場景中跑通流程、蒐集一線回饋，再逐步擴展覆蓋範圍。講者也強調，當 Agent 進入這類業務環境時，除了協助效率與專業能力，流程中的合規要求也必須一起被納入設計。

活動推廣場景驗證規模化擴展一線回饋合規

可複用的方法：五步推進業務流重構

兩個案例看似不同，但底層方法一致：先進入現場，選出一個一線真正在做、業務價值高、資料可取得、成果可衡量的流程。產品是否值得優先投入，不只看技術能不能做，更要看它是否能融入既有工作方式，並用明確的業務結果來驗證。

• 選場景：鎖定高頻、高價值，且高度依賴人工經驗的工作。
• 拆動作：和一線人員一起盤點每天的工作，區分低價值重複作業與需要專業判斷的環節。
• 建語義：圍繞業務把資料、對象與關係整理成語義體系。
• 跑最小流程：以人機協作方式先打通端到端流程，而非只上單一工具。
• 盯業務指標：持續看實際成果，不以模型分數或工具上線本身當終點。

「圍繞著業務指標持續力，而不是看模型指標或者工具的上線。」
— 阮城鋒

重點回顧

• Agent 要真正帶動銷售，必須進入業務流程，而不是停在流程外提供單點問答。
• 企業資料的價值，在於透過語義模型連回客戶、線索、門店與流程等真實業務關係。
• 從最小可行場景開始，搭配一線人員與人機協作，是降低落地風險的務實做法。
• 能否擴展到更多銷售場景，取決於資料、語義、行動與成果驗證能否形成閉環。
• 最後仍要回到最簡單的問題：這件事有沒有讓一線工作更順、讓業務結果更好。