Futura · 把 AI 送进生产环境

OUR VIEW

原型能跑，不等于业务能用

真正难的是选对流程、接入真实数据和系统、处理异常与合规，并让团队愿意长期用下去。

我们相信，企业需要的不是对供应商的长期依赖，而是掌握自己的 AI 能力。我们先帮助客户培养内部骨干，共同建立场景判断和验收标准，再协作解决内部团队难以独立完成的生产级问题。因此，能力建设不是交付前的准备，而是交付本身。

WHAT WE DO

从能力建设到持续运营，三类服务

我们帮助客户培养内部能力，把值得做的流程稳定上线，并在上线后继续改进。

企业 AI 能力建设

4 周 · 围绕真实业务任务

我们和客户团队一起拆解真实流程，找出关键规则、异常和人工复核点，在受控环境验证最小方案，并培养内部负责人。
- 一份看清现状与问题的流程基线
- 经过真实任务测试的最小方案
- 内部负责人和明确的下一步
查看具体怎么做：企业 AI 能力建设

「4+2」是一种常见的启动方式，不是固定工期。前 4 周用于能力建设和真实任务验证；当数据、权限、相关人员和审批条件具备时，生产准备评估通常约需 2 周。后续验证、工程开发、上线和运营会与客户另行确定计划。

第 1 周
梳理工作流程、实际使用者、相关系统和当前业务表现

第 2 周
拆解规则、异常和人工复核环节，在受控环境中构建最小原型

第 3 周
建立首轮测试与验收标准，验证数据、权限、价值和风险，并明确实际使用所需的条件

第 4 周
确定内部负责人、流程优先级和下一步建议：推进、补充验证或暂缓

这些产出用来帮助客户判断：哪些任务可以自行推进、哪些需要工程支持、哪些需要补充验证或暂缓。
生产部署与工程交付

联合工程交付（FDE）· 范围明确的生产项目

条件具备后，我们把通过评估的流程接入真实系统，并按上线前的六项条件逐项补齐缺口。
- 能接入现有系统的生产工作流
- 按双方约定标准完成的上线前测试
- 运行手册、验收记录和已知限制
查看具体怎么做：生产部署与工程交付

项目中形成的测试方法、系统接入组件和流程模板，会按合同约定交付给客户，减少后续重复工作。

工程
工作流自动化、系统连接、权限控制、日志和监控

测试
覆盖正常、边界、异常和恶意输入，并验证系统何时应拒绝处理

发布
根据流程风险和技术条件，选择离线测试、隔离验证、不影响现有流程的试运行和分阶段上线等适用步骤

交接
运行手册、回滚演练、用户验收和已知限制记录

交付是否完成，以双方约定的实际业务量、质量、安全、人工接管和回滚标准为准。
持续运营与优化

上线后的持续运营

上线后，我们按约定跟踪使用、质量、成本和变更，支持客户持续优化。
- 持续跟踪使用、质量、成本和风险
- 变更前先评估、测试和审批
- 根据实际价值决定优化、缩小或下线
查看具体怎么做：持续运营与优化

项目开始前，双方会明确谁批准生产变更、谁负责日常运营和异常处理，以及支持时间和响应要求。

价值
用统一口径对照上线前基线，复盘使用率和业务指标

质量
定期复测、抽查线上结果并安排人工复核

变更
模型、提示词、系统连接和业务规则的变更都要经过评估、测试和批准

成本
关注成功完成每项任务的总成本，而不只看模型调用单价

如果系统不再创造持续价值，我们会建议缩小范围、暂停或下线。

DELIVERY PROCESS

六个阶段，从流程选择到持续改进

项目分六个阶段。每一步都说清要做什么、谁负责、达到什么条件才能继续。

选择阶段查看详情

发现

哪些工作流程值得用 AI 改进？

先把“想用 AI”变成范围、负责人、现状指标和数据条件都清楚的候选流程。

阶段成果

候选流程清单
业务指标基线
数据与责任清单

进入下一阶段前

至少有一个流程的价值、负责人和数据授权已经明确。

能力建设

谁能在企业内部掌握并持续推动这项能力？

围绕真实任务培养内部 AI 骨干，并用授权环境中的原型验证判断和推进能力。

阶段成果

内部负责人及职责
原型测试结果
流程评估

进入下一阶段前

内部骨干能独立说明流程、限制和升级方式，原型可以在授权环境中稳定复测。

生产准备

哪些流程已经具备进入生产部署的条件？

一起确认价值、人员、数据、技术、风险和运营条件，再决定是否进入生产开发。

阶段成果

生产准备评估
行动计划
生产范围说明

进入下一阶段前

关键条件已确认，未完成事项都有负责人和期限。

部署

如何在真实数据、系统与组织约束下可靠上线？

把通过评审的流程真正接进生产环境，并完成上线前约定的全部验证。

阶段成果

评测与验收方案
系统接口与架构说明
发布与回滚方案

上线前

关键问题已解决，上线前的验证和用户验收已经完成。

运营

如何持续管理业务价值、质量、安全与成本？

上线后持续看系统稳不稳、团队用不用、业务有没有改善。

阶段成果

运营看板
事件与变更记录
业务价值复盘

本周期复盘

每个周期都对照上线前基线复盘效果，不用调用量代替业务价值。

复用与改进

如何把本次项目经验安全地用于后续迭代？

在合同和客户授权范围内，整理可复用的方法、测试和组件，并明确所有权、版本和适用范围，减少后续重复工作。

阶段成果

授权与所有权清单
版本和适用范围
可复用工具与模板

复用前

复用前确认合同权利、数据边界和第三方许可证；材料不得包含客户数据、机密信息或可识别内容，并使用合成、公开或客户授权数据重新测试。

各阶段时间取决于项目范围和风险，具体工期以项目合同为准。

PRODUCTION READINESS

开始生产开发前，先回答六个问题

进入开发前，双方先把六件事确认清楚：值不值得做、谁负责、数据能不能用、技术接不接得上、风险能不能控、上线后谁来运营。价值不清或重大风险未解决，就先不做。

H1
业务价值

有真实问题和可衡量目标吗？

查看确认内容：业务价值

明确当前表现、目标指标、预期处理量、预期收益和统一计算口径，把“提效”落实为可衡量的结果。

通常参与评审客户业务负责人
H2
负责人和投入

谁负责、谁验收，资源到位吗？

查看确认内容：负责人和投入

明确项目发起人、业务负责人、内部 AI 骨干、预算与采购路径、验收负责人和问题升级方式。

通常参与评审客户项目发起人
H3
数据条件

数据能合法、安全、稳定使用吗？

查看确认内容：数据条件

确认数据清单、使用授权、分类分级、样本质量、留存与删除要求，并由数据负责人确认。

通常参与评审客户数据负责人，以及按需参与的隐私、法务或安全负责人
H4
技术可行性

系统接得上，效果和成本过关吗？

查看确认内容：技术可行性

确认目标架构、系统接口与连接方案、候选模型测试结果、主要依赖、容量和成本估算。

通常参与评审Futura 工程负责人和客户 IT 负责人
H5
风险可控

出错后能发现、复核、接管和回滚吗？

查看确认内容：风险可控

明确风险等级、人工复核与接管方式、权限和审计要求、涉及的第三方服务商，并制定安全攻击、误用和回滚测试的计划、负责人和验收标准。

通常参与评审客户风险、安全、隐私或法务负责人，以及 Futura 项目负责人
H6
运营准备

上线后谁负责效果、异常和变更？

查看确认内容：运营准备

明确服务目标和责任分工、运行手册、异常处理负责人、推广使用计划和后续运营预算。

通常参与评审客户流程负责人和 Futura 项目负责人

数据授权或关键安全要求未满足，系统不上线。可管理的风险要写清负责人、措施和批准方式。

TECHNOLOGY & DATA

技术与数据原则

客户需要看清两件事：模型怎么选，数据怎么用。

模型由任务决定，不由供应商决定

我们按真实任务选择模型，并为以后更换保留路径。切换需要的工作、成本和限制会提前说明。

先用真实任务定标准，再选模型
同时比较效果、风险、速度和总成本
切换前重新测试，不只看公开榜单

查看模型选择细节

模型和价格会持续变化。我们通过真实任务测试、接口设计和交接安排，减少关键流程对单一供应商的不必要依赖。后续更换模型仍需重新测试，并可能产生开发和迁移成本。

先根据真实任务确定测试方法、验收标准和不能接受的结果，再选择模型。有两个以上可行方案时，至少比较两个。
同时比较任务效果、风险、响应速度、处理能力、每项成功任务的总成本、部署约束，以及更换或退出供应商的条件。
项目需要时，我们会用客户认可的统一接口管理不同模型的调用、认证、日志和版本，并分别保存提示词、工具接口、业务规则和测试配置，便于审计和更换模型。
可根据项目范围和技术可行性，设计公有 API、客户专有云、本地或隔离环境方案，并尊重客户已有的云和模型选择。
切换模型或供应商前，会按双方约定的测试范围完成验证；不会仅因新模型公开评测得分更高就切换。每次选择及其依赖风险都会写入架构决策记录。

客户如何确认

客户可以查看候选模型、选择理由和未来更换方案。在模型能力和接口具有可比性时，可使用同一套核心测试进行比较；对于关键流程，双方会根据风险、技术可行性和项目范围评估备用模型或人工接管方案。

客户数据只在授权范围内使用

客户数据、内部规则和商业秘密只在批准范围内处理；可复用内容不得包含客户信息。

客户数据只按合同和授权处理
未经书面许可，不跨客户复用
项目结束后按合同返还、删除或保留

查看数据边界细节

仅按客户授权和合同约定处理

原始数据，或仍有可能重新识别个人或客户的数据
凭证、权限、内部 URL、系统拓扑与安全弱点
未公开的业务规则、定价、名单与合同
包含客户内容的提示词、日志、标准测试集和演示录屏
未经单独书面授权的模型训练用途和公开评测用途

合同允许时可复用的通用方法与工具

不包含客户数据、内部业务规则、商业秘密或可识别信息的通用工作流和接口模式
基于合成数据、公开数据或客户单独授权数据建立的测试方法与测试集
不包含客户特定内容的常见失败模式和复测用例
系统连接模式与治理模板
经客户事先书面授权、且无法关联到特定客户的汇总指标

如何执行

在 Futura 管理的环境中，所有访问都使用实名账号，只授予完成工作所需的最低权限，并设置有效期和审计记录。开发、测试和生产环境会按项目风险要求隔离。客户自有环境中的权限和责任，由双方在项目开始前确认。数据授权不明确时，我们会暂停处理；Futura 持有的数据会在项目结束后按合同返还、删除或保留。

WHERE WE START

什么样的项目适合先做

这类流程目标和规则清楚，效果可以衡量，但仍需要专业人员处理异常；结果还要写回现有系统，出错会影响成本、客户体验或合规。

适合启动的条件

有真实数据和业务负责人，希望从验证推进到生产
流程规则多、异常多，需要人工复核并连接多个系统
效果可以用错误率、周期、业务量或成本建立基线

我们重点服务的领域

保险理赔、核保与第三方服务管理

规则复杂、需要人工复核的理赔与核保流程
能源与工业

合同、台账和其他规则明确的工业流程
合同与合规

条款审查、义务梳理和审批流程
文档处理流程

需要专业判断和跨系统处理的流程

我们目前重点服务以上领域。是否适合合作，最终取决于具体流程、数据基础和风险要求。

未经客户书面授权，我们不披露客户名称、流程细节或量化结果。

THE TEAM

跨学科团队，直接参与项目交付

四位核心成员覆盖 AI 工程、流程设计、生产交付、产品与合规，并按项目需要直接参与。

张庭瑞

技术与智能体架构

清华大学人工智能学院博士生。负责模型选择、AI 智能体设计、业务工具接入和系统架构，重点提升系统的可维护性，并为后续更换模型保留可行路径。
赵家杰

AI 能力建设与流程设计

清华大学建筑学院博士生，哥伦比亚大学 GSAPP 高级建筑设计硕士，曾在哥伦比亚大学与雪城大学任教。负责能力建设与流程设计，帮助客户梳理复杂业务、建立判断和验收标准，并培养内部团队持续推进项目的能力。
秦一骅

生产部署与交付

清华大学人工智能学院博士生，数理基础科学与机械工程双学位。负责将原型开发成可稳定运行、便于维护并具备回滚方案的生产系统，同时制定测试和发布标准。
林桐宇

产品与合规

清华大学人工智能与法学双学位，曾任职于 Manus、字节跳动。负责产品需求、客户沟通和合规工作，并参与梳理数据使用规则和项目管理规范。