RS
RILSEY & INTELLIGENCE 真智卓见
案例研究

结果，可复现。

不是 PPT。下面每个案例都标注了 ANOI-6 入口分、出口分、我们建了什么、什么真的变了。客户已脱敏，数字没有。

Not slideware. Entry score, exit score, what we built, what moved — anonymized names, factual numbers.

披露说明 所有案例数据均经客户书面授权披露。行业、规模与结果属实；可识别细节与部署名已按客户 NDA 范围脱敏。
案例 01

全国连锁零售集团

3,000+ 门店 · 年营收 50 亿+ · 中国
洞察 + 建设 14 周 工作流 + 智能体
背景

客户在 3,000 家门店部署了需求预测工具，但门店经理 80% 的 AI 建议被人工覆盖。CIO 坚持模型是准的，COO 坚持门店经理更懂业务。两人都对——工具之外的工作流出了问题。

ANOI-6 · 入口 vs 出口（综合 2.1 → 3.5）
维度入口出口
战略2.13.5
数据2.43.7
工作流1.33.3
人才1.63.1
治理2.03.4
技术栈3.23.8
交付物
  • 门店补货工作流重构
  • 需求预测智能体上线生产
  • 门店经理决策权矩阵
  • 90 天移交客户运营团队
什么变了
72h → 6h门店补货决策周期，端到端。
−31%头部门店缺货事件，一个季度内。
100%90 天后系统可由客户团队独立运营，无需 Rilsey 在场。
"诊断把我们一直怀疑但没法证明的事讲清楚了——技术栈没问题，工作流才是问题。半年后分数动了，是因为我们修了工作流，不是又买了工具。" — 运营副总裁（已脱敏）
案例 02

区域性城商行

4,000 员工 · 中型 · 中国
洞察 + 路线图 10 周 治理 + 合规
背景

该行在四个部门试运行 AI 已 18 个月。每个试点单独看都成功了，但没有一个进生产。董事会在批准下一轮预算前只想搞清一个问题：这到底是工具的问题、人的问题，还是治理的问题？

ANOI-6 · 入口 vs 出口（综合 2.3 → 3.6）
战略2.33.6
数据2.13.4
工作流2.43.5
人才2.23.3
治理1.93.8
技术栈2.73.6
交付物
  • 18 个月转型路线图
  • 合规审查自动化试点（上线）
  • 模型决策问责框架
  • 四家平台厂商中立评估
什么变了
60%合规审查件量由试点自动覆盖，一个季度内。
−44%在范围内案件的中位审查时长。
0锁定的厂商关系——平台选择权始终在客户手中。
"我们进来时以为会拿到一个工具推荐。我们离开时拿到的是一份路线图，让我们自己能选工具，而且推理过程都在纸上。这比任何 RFP 答复都值钱。" — 风险负责人（已脱敏）
案例 03

精密制造企业

1,200 员工 · 先进制造 · 亚太
仅洞察 6 周 诊断 + 路线图
背景

客户在 AI 工具上的投入超过同业所有人——入口技术栈分 3.8，是我们诊断过的客户中最高的。但所有 AI 项目没有带来任何可量化的利润率提升。他们来找 Rilsey，想知道为什么。

ANOI-6 · 入口（综合 2.4）— 6 个月复测（3.3）
战略2.63.3
数据2.43.2
工作流2.13.3
人才1.42.9
治理2.33.2
技术栈3.83.9
交付物
  • ANOI-6 诊断 + 证据工作底稿
  • 优先级机会地图（7 项举措）
  • 按角色的人才技能缺口分析
  • 技术栈可迁移性审计（厂商中立）
什么变了
2.4 → 3.36 个月复测综合 ANOI-6 分数（路线图由客户自有团队执行）。
人才 1.4 → 2.9单维度最大涨幅——入口最弱的一环成了重点。
+2 举措人才缺口弥合后，新识别出的高回报举措。
"我们一直为技术栈自豪。诊断证明我们的自豪是对的——而且无关紧要。瓶颈是人才，而我们在那里少投了好几年。" — CTO（已脱敏）
共性

三个案例的相同之处。

  • 技术栈从来不是瓶颈。每次都是工作流和人才——无一例外。
  • 入口分最弱的那个维度，准确预测了回报在哪里。
  • 我们建的系统，90 天内可由客户团队独立运营——否则视为交付失败。
  • 没有客户被引向我们能从中获利的服务商。中立是结构性的，不是表态。
下一步

找到你最弱的一环。回报就在那里。

预约诊断 了解 ANOI-6