2026年第19期｜如何做AI咨询——日产AI咨询项目实践分享

8月21日，AI DAY邀请整车测试与智能化业务部 L Yuan 部长做大咖分享，主题是《如何做AI咨询——日产AI咨询项目实践分享》，围绕“诊断先行、拥抱不确定性”的核心主题，系统拆解了日产项目中形成的诊断方法论、实施框架与团队协作经验，线上线下共73人参与。

AI咨询的本质差异

传统业务委托像药剂师按处方执行，而AI咨询更像大夫先诊断再开方——客户往往无法清晰地表达真实诉求，必须通过深度诊断挖掘痛点。AI咨询最大的不同是不确定性是起点而非风险项，要勇于扎入客户一线、理清数据、迭代模型。在汽车行业，第一KPI不是准确率，而是可解释性加可干预性。

咨询实施三阶段

咨询实施分三阶段：咨询诊断（C1现场诊断加C2方案设计加POC）→试点（MVP→MVP+）→商业应用（MLP→横向扩展）。现场诊断两大核心工作是流程还原（泳道图加5Why根因分析，判断标准是客户确认“这就是我们的流程”）与数据诊断（逐份分析内容结构、从覆盖盲区/重复/缺失找异常）。

TO-BE方案三大支柱

解决AI输出质量与客户业务契合的问题，核心命题是「AI做出来的东西能不能信」：①数据治理（Ontology本体工程，把非结构化数据转化为AI可计算的半形式化知识）；②工程约束（Harness校验机制，逆向校验比正向规则更重要）；③精准反馈（人机协同闭环，让不确定性可追溯、可干预）。POC验证可行性、Demo用于客户感知，两者分工使用。

反思与沉淀

一期项目四条成功因素：清晰定位差异化、诚实反馈能力边界、迅速深入现场、快速迭代原型（最小数据集加最小约束规则，1-2周出真实输出）。同时反思高层与基层认知差、未深入客户工位导致体感不足、Tier2视角与主机厂视角的差距，沉淀出“先流程、再数据、再方案”的标准路径。AI咨询本质是从执行者转向共研者，业务理解应占决策权重50%以上。