05 业务访谈与客户发现

章节目标

掌握 FDE 业务访谈方法，把客户口中的“想要 AI”还原成真实流程、痛点、数据、权限、风险和验收标准。

为什么重要

企业 AI 项目失败，常常不是模型不够强，而是最开始没有弄清楚真实业务。FDE 的 discovery 是工程动作，不是销售寒暄。

开篇案例：客户说“我要一个智能客服”

客户提出“做一个智能客服”，听起来像一个 RAG 或 Agent 项目。但 FDE 不能立刻开始搭知识库，而要追问：客服现在每天处理多少工单？最常见的问题是什么？哪些问题必须转人工？回复错了会赔付还是投诉？订单状态从哪里查？FAQ 谁维护？客户满意度现在怎么衡量？

追问之后你可能发现，真正值得做的不是“通用聊天机器人”，而是“售后政策类工单的分类、知识推荐和回复草稿”。这时范围变小了，数据更明确了，评估也能写出来：分类准确率、首响时间、坐席采纳率、高风险转人工准确率。

客户发现的价值就在这里：把一句模糊愿望拆成一个能交付、能评估、能上线试用的业务任务。

访谈对象

管理层：目标、预算、优先级和验收方式。
一线用户：真实操作、绕路动作、痛点和不信任来源。
流程负责人：流程口径、审批节点和责任边界。
数据负责人：数据来源、质量、权限和更新频率。
系统管理员：接口、账号、部署和安全限制。
合规负责人：敏感数据、留痕、审计和监管要求。

核心问题

谁使用？谁审核？谁承担最终责任？
现在怎么做？每一步用什么系统、表格或文档？
哪里慢？哪里错？哪里返工？哪里需要人判断？
数据在哪里？谁能看？多久更新一次？
错了怎么办？谁有权改？谁有权放行？
怎样算成功？节省多久、提升多少、减少什么风险？

FDE 工作方法

访谈后要把信息沉淀为五类材料：

流程图。
痛点清单。
数据清单。
风险清单。
样例库。

不要直接把客户说的“自动化”当成需求，要拆成检索、抽取、总结、建议、提醒、审批或执行。

JTBD：识别真实任务

Jobs to Be Done（JTBD） 帮助从“功能想象”回到用户要完成的进展：

当我处于 [情境]，我想完成 [任务]，从而得到 [结果]。

示例：客服不是想“拥有聊天机器人”，而是在客户追问复杂政策时，快速找到可信答案、降低出错焦虑并保持专业形象。情境、任务、结果越具体，技术选型越清楚。

影子跟随法

用户说的流程是“标准流程”，用户做的流程才是“真实流程”。影子跟随要求观察一线完成一笔真实任务：

打开哪些窗口、在哪里复制粘贴。
何时切到 IM 问同事、哪些字段靠经验判断。
异常时如何绕过系统。

重点记录五类信号：等待、切换、重复录入、人工判断、异常处理。观察不是为了抓违规，而是找出正式流程未表达的隐性知识。

访谈的三层追问

一次好的 FDE 访谈，不是把问题问完，而是逐层下钻：

层级	追问方向	示例
表层需求	你想让 AI 做什么	“希望自动生成报告”
当前流程	现在谁在什么系统里怎么做	“运营同事每天从 5 张表复制数据”
验收责任	怎么判断生成结果能用	“指标必须和人工日报一致，异常要能引用原始数据”

如果停在第一层，后面一定会变成范围膨胀；只有追到第三层，FDE 才能设计场景卡、评估样本和上线门禁。

访谈记录模板

## 访谈对象

- 角色：
- 日常任务：
- 常用系统：

## 当前流程

1.
2.
3.

## 痛点信号

- 等待：
- 切换：
- 重复录入：
- 人工判断：
- 异常处理：

## AI 介入假设

- 可以辅助：
- 必须人审：
- 不能做：

## 验收口径

- 指标：
- 样本：
- 责任人：

实操任务

为一个目标场景设计访谈提纲，并至少准备：

5 个管理层问题。
8 个一线用户问题。
5 个数据和系统问题。
5 个合规和风险问题。

交付物

访谈提纲。
访谈记录模板。
访谈后材料清单。

常见误区

只问管理层，不问一线用户。
只听正式流程，不追问真实操作。
只问想要什么，不问现在怎么做。
过早承诺 AI 能自动完成。

检查清单

是否识别了真实使用者和审核者？
是否找到当前替代方案？
是否知道数据在哪里？
是否明确了成功标准和失败责任？