任你选择
课程背景
企业经历了以业务流程管理（BPM—Business Process Management）为核心的信息化时代，以客户体验管理（CEM—Customer Experience Management）为核心的数字化时代，目前迎来了以企业知识管理（EKM—Enterprise Knowledge Management）为核心的数智化时代。根据下图所示的“感知型企业”理论，每个时代都有其对应的数智平台和产品。在信息化时代对应的是数据仓库和BI数据产品，数字化时代对应的是大数据平台、数据中台和客户洞察类数据产品，数智化时代对应的是智能平台和自主决策智能产品。
数智化时代的企业需要使用AI工具分析经营状况、洞察客户需求和识别各类风险，制定相应的生产、营销、防风险策略，并且将这些策略配置在智能化流程工具中。企业中的业务策略专家和数智产品专家需要和AI算法工程师通力合作，实现AI赋能业务。
课程简介
本课程体系基于先进企业的行业实践，适用于AI产品经理、AI赋能专家、AI工程师，负责智能应用系统或产品的设计和开发工作。其需要建立服务于业务的人工智能应用产品。通过将大语言模型与小模型和业务流程相结合，满足企业全面的数智化转型需求。
课程收益
本课程分为线上和线下两部分。线上课程注重知识与实践的结合，先讲解数智产品构成六要素，进而介绍数智产品设计思维框架，之后讲解四类典型数智产品，最后是编程和大模型技术。线下课程（AI设计思维工作坊）针对已有大模型应用开发技术基础的学员，讲师提供场景命题，学员分组，在讲师指导下0-1设计和评估大模型应用方案。线下课程重培养AI产品设计的动手能力，运用设计思维的创新性的构建AI产品。
1、明确数智化转型的落脚点，定位AI赋能业务的价值增长点；
2、解决看不清AI技术发展方向，搞不清业务落地的方法、方式和路径选择的问题；
3、解决数智产品做需求分析、方案设计时考虑不周全，技术选型不适用的问题。
课程对象
业务数字化转型骨干、AI产品经理、AI工程师等。
课程大纲
【基础视频课程】-共30小时
授课模块 | 授课内容 | 时长 |
1、企业数智化基本概念 | 1、企业数智化阶段 1）企业信息化与业务流程管理（BPM） 2）企业数字化与客户体验管理（CEM） 3）企业智能化与知识管理（EKM） 2、企业数智化EDIT工作方法 1) 某企业数智化客户运营案例 2) EDIT数智化工作方法讲解 3、企业数智产品构成六要素 1) 指标体系 2) 服务对象 3) 标签体系 4) 运营策略 5) 运营流程 6) 材料与内容 4、企业四类典型数智应用 1）企业经营分析类应用 2）企业策略落地类应用 3）企业对话系统应用 4）企业运营服务系统应用 | 1.5小时 |
2、大模型应用和提示词使用原理 | 1、人工智能应用基础 1）企业数智化工作方法和AI辅助高效办公工具链 2）人工智能基础：分析式小模型和生成式大模型 3）企业落地AI的五个技术要点 2、大模型应用场景分类和提示词使用原理 1）基础大模型应用场景分类 2）提示词的工作原理和示例 3）提示词模板：28要素和常用个模板 4）提示词设计策略 5）使用Deepseek的多种方式 6）大语言模型的缺陷与问题防范方法 3、提示词工程 2）提示作用机理 -上下文学习（In-Context Learning） -思维链（Chain-of-Thought） -自洽性（Self-Consistency） 3）动态优化技术 -少样本学习（Few-Shot） -自迭代提示（Self-Refine） | 3小时 |
3、Python编程基础 | 1、Python基础数据类型与表达式 2、Python原生态数据结构 3、Python控制流 4、Python函数 5、Python模块 | 1小时 |
4、智能工作流工具 | 1、智能工作流工具介绍 2、在线智能工作流工具Coze 1)Coze的工作流和常用节点介绍 2)Coze开发普通的Agent 3)Coze开发高级Agent 3、可私有化部署的智能工作流工具Dify 1）基于阿里云微服务产品快速部署 2）基于Docker实现local部署 3）聊天助手 4）智能体Agent：旅游规划助手[工具] 5）知识库：智能客服系统[RAG] 6）工作流：文案改写助手工作流 7）Agent高级工作流：企业工商信息获取[智能工作流+Python节点] | 5.5小时 |
5、数智产品设计方法 | 1、数智产品设计思维框架 1）产品设计思维框架 2）商业与用户发展路线 3）技术发展路线 4）企业IT系统数智化改造的四种类型 5）AI时代的设计思维 2、需求分析和需求管理 1）需求分析的业务驱动因素和目标 2）需求分析的相关概念 3）需求分析的实施方法 4）需求分析的效果检验 5）AI应用的需求分析特点 3、用户体验设计和管理 1）用户体验设计的业务驱动因素和目标 2）用户体验设计的相关概念 3）用户体验设计的过程 4）用户体验设计的效果检验 5）AI应用的用户体验设计特点 | 4小时 |
6、数据挖掘和神经网络 | 1、数据挖掘算法讲解 2、凸优化算法和参数估计方法 3、神经网络的基本概念 4、感知机的构成要素 5、反向传播算法和BP神经网络算法 6、PyTorch应用案例 | 5小时 |
7、深度学习 | 1、深度学习概述 2、循环神经网络 3、卷积神经网络 4、模型评价与调优 5、强化学习简介 | 2.5小时 |
8、自然语言处理
| 1、自然语言处理概述 2、文本预处理技术浅析 1）分词与词性标注 2）文本信息提取 3）文本分类算法与情绪分析 3、文本向量化技术详解 4、Transformer原理解析 | 2.5小时 |
9、知识图谱和复杂网络 | 1、知识图谱基本概念及场景应用 | 2小时 |
10、知识库技术（RAG） | 1、知识库基础知识介绍 2、知识库的向量化，检索，召回，重排序 3、知识库的实现方案 4、RAG概念简介与应用场景 5、RAG的实现与优化 6、RAG应用示例：知识问答系统 7、RAG应用示例：聊天机器人 8、RAG应用示例：搜索引擎 | 1.7小时 |
11、智能体技术（Agent） | 1、智能体基础知识介绍 2、智能体的类型 3、智能体的实现方式 4、MCP基础知识介绍 5、MCP的实现方式 6、智能体与MCP集成 | 1.3小时 |
12、大模型微调技术 | 1、大模型微调简介 2、常用微调算法 3、大模型微调流程 4、大模型微调实操 | 2小时 |
【线下课程-AI设计思维工作坊】-2天
1、线下课程内容介绍：
本课程通过设计思维⽅法论（如⽤⼾洞察、原型迭代与伦理反思）指导AI产品创新，并引⼊Cynefin复杂问题决策框架，帮助团队在数据、算法与不确定性场景中精准分类问题类型（清晰/繁杂/复杂/混乱），制定适配策略（如复杂域的“探针-感知-响应”机制），实现⼈本化、⾼可信度的AI解决⽅案设计。
关键要素解析：
1. 设计思维驱动AI创新
l 涵盖⽤⼾需求转化（如AI Essentials Framework中的意图定义、数据源识别）；
l 结合原型设计、多模态交互及伦理审查（如公平性、可解释性）。
2. Cynefin框架应对复杂性
l 分类问题场景：从“清晰规则”到“⽆序混沌”五类；
l 在复杂域（如需求不确定的AI项⽬）采⽤“⼩步实验-观测-响应”策略。
3. 实战融合
l 案例解析AI落地痛点（如智慧交通系统）；
l ⼯具演练：需求优先级矩阵、伦理⻛险评估表等。
2、线下课程时间安排：
第一天 需求洞察阶段
9:00 - 10:20 AIx设计思维全景图讲解
10:30 - 12:00 问题发现
12:00 - 13:30 午餐、午休
13:30 - 15:00 问题定义
15:10 - 15:30 需求洞察阶段成果发表环节
15:30 - 16:30 阶段性总结与成果优化
第二天 方案设计阶段
9:00 - 10:20 设计探索
10:30 - 12:00 解决⽅案收敛
12:00 - 13:30 午餐、午休
13:30 - 15:00 方案电子化和原型设计
15:10 - 16:00 总体成果发表环节
16:00 - 16:30 整体总结
