一览

  • 通过受管控的上下文平台，Claude 可以访问 Bora Brasil 的业务 data 数据和企业文档，且每个答案均可追溯至其来源。.
  • 在整个企业范围内梳理出83个人工智能应用机会，经过三轮筛选，最终确定了第一年路线图中的5个优先应用场景。.
  • 目前有62名员工使用Claude，最高可扩展至150人，许可证根据角色、区域和职级进行分配。.
  • 第一期培训中，约60名员工在公司实际运行的data系统上进行了实操培训。.

挑战

博拉·巴西 该公司由两个家族拥有的护发品牌——Skala Brasil 和 Lola From Rio——合并而成。人工智能的采用是从基层开始的：大约有 15 名早期用户已经在使用 Claude，并将他们的电子邮件、日历、Teams 和文件与该系统连接起来。 公司管理层希望将这一势头转化为全公司范围的能力。这意味着答案必须基于集团自身的data框架，访问权限需遵守现有规定，并建立受管控的环境，以确保敏感的商业信息不会流入未经授权的AI工具中。.

方法

在9周内，, Artefact Bora Brasil 在三个方面展开工作，将快速的自下而上采用与自上而下的路线图及治理机制相结合。.

1. 基于 Bora Brasil 自有 data 的上下文平台

Artefact 在 Azure 上设计并构建了一个上下文平台，该平台已获得 Bora Brasil 技术领导层的批准。Claude 通过一台 MCP 服务器连接到该小组的 data：

  • Microsoft Fabric 中的 data 架构：销售数据、关键绩效指标 (KPI) 和 data 预算。.
  • SharePoint 中的非结构化文档：合同、政策、演示文稿和商业文件。.

业务知识层包含官方术语表、KPI 定义和业务规则。每份文档都附有语义描述作为索引，因此 Claude 能够找到正确的文件并全文阅读。访问权限始终与每位员工现有的权限设置保持一致，且每个答案都会注明其来源的表格或文档。.

2. 按优先级排序的使用场景

通过采访来自商业、市场营销、创新与研发、运营、财务及人力资源部门的负责人，团队梳理出了83个人工智能应用机会。 经过初步的战略筛选（基于可行性与预期价值），该数量缩减至33个。随后，与各部门负责人进行详细规模评估后，最终确定了覆盖8个业务领域的24个应用场景，每个场景均根据商业价值（由业务部门评定）和技术复杂度（由技术团队评定）进行了评分。.

通过“自建还是采购”评估，确定了15个需要自主开发的用例，以及9个已由现有系统或市场解决方案覆盖的用例，因此投资仅集中于Bora Brasil的自有data技术及流程能发挥关键作用的领域。在与领导团队举行的最终优先级排序研讨会上，选定了构成第一年路线图的5个用例。.

3. 一个负责运营该系统的AI办公室

该运营模式以中央人工智能办公室为核心，各业务领域设有由人工智能倡导者代表的轻量级分支机构。人工智能办公室涵盖四个领域：

  1. 领导力与治理: 拥有该AI产品组合及许可分配权。.
  2. 用例: 一个负责构建优先级较高的用例的小组。.
  3. 平台：一个负责维护上下文平台、安全系统和核心人工智能工具的团队。.
  4. 收养：与人力资源部门合作，开展变革管理和培训工作。.

通过制定使用政策和最佳实践指南，确保人工智能工作始终在经批准的Claude环境中进行。.

4. 在真实的 data 上进行实践操作

培训完全基于Bora Brasil的data实时系统进行，而非使用通用演示版本。在长达150分钟的培训中，每位参与者都针对一个真实的商业问题给出了答案：Skala Brasil在销售方面与去年同期相比，哪些方面表现优异、哪些方面表现欠佳，以及销售团队接下来应将精力集中在哪里。在此过程中，参与者：

  • 创建一个具有固定业务规则的Claude项目；;
  • 从SharePoint中提取了官方KPI定义；;
  • 让克劳德在将查询提交给Fabric之前先规划好这些查询；;
  • 构建了一个交互式销售仪表盘，作为可共享的Claude artifacts；;
  • 在分享每个数字之前，都会对其来源进行验证。.

反应较快的参与者已将该仪表盘纳入了Claude Cowork中的每周固定日程。培训本身是通过一个使用Claude构建的交互式指南进行的，其中包含一个实时引导员视图，用于跟踪每位参与者的在线状态和进度。.

成果

  • 目前有62名员工住在克劳德，未来规模将扩大至150人
  • 10月6日，第一期培训共有约60名员工参加，第二期培训于10月13日举行。
  • 每位参与者都在一次150分钟的课程中，基于真实企业data构建了一个可运行的销售仪表盘
  • 83 → 33 → 24 → 5：一份经过商业验证的AI路线图，仅用9周便完成交付

早期价值，由早期采用者衡量：

  • 在一项针对30名许可证持有者的首次调查中，受访员工表示平均每周至少节省4小时，约占标准工作周的10%。十分之七的人每周至少节省3小时，六分之一的人每周节省超过10小时。.
  • 整个团队每周至少能为业务节省约120小时，按保守估计，这相当于每年节省超过6,000小时。这些节省下来的时间现在可以用于处理更具战略意义的工作任务。.
  • 这些数字背后的应用场景非常具体：
    > 在人力资源部门，一个用于转换薪资系统 data 加载布局的程序——此前一家外部咨询公司估算该程序的开发时间约为 40 小时——仅用 90 分钟就开发完成了。.
    > 一份自动生成的考勤报告节省了约8小时的手动核对时间，并使管理者能够更快速地掌握加班、缺勤和迟到的情况。.
    重建缺勤指标又节省了6个小时，而过去需要两天才能完成的人事方案分析，现在只需几个小时就能完成。.
    > 在财务部门，Pipefy 中集成的 Serasa 信用查询功能消除了手动查询客户信息的需要，而定期生成的销售报告现在无需人工制作，即可直接发送给经理们。.

接下来：

AI 办公室目前正在各团队中扩大应用范围。接下来的步骤是在上下文平台的基础上构建针对本公司的 Claude 技能，并将 5 个优先级最高的用例推进到实施阶段。.