Human-in-the-loop

Articles related to "Human-in-the-loop"

2 articles in total

企业AI落地自查十二问

53AI 创始人杨芳贤于2026年7月发布了一篇企业AI落地的自查清单文章，通过12个核心问题系统梳理了企业AI项目从概念验证走向真实部署的关键堵点与解决方案。文章首先定义了AI原生项目的标准：系统关键业务能力由AI或Agent参与组织，而非依赖预先写死的规则。进而辨析了Agent与Chatbot的区别（完成任务 vs 回答问题），以及Agent与传统Workflow的区别（动态决策 vs 固定路径）。在可靠性层面，文章指出大模型负责“聪明”，本体（Ontology）负责“靠谱”，通过结构化业务对象、关系与规则确保AI在可信边界内推理，并辅以RAG解决知识引用问题。Data Agent的动态取数与离线验证能力解决了固定SQL覆盖不了的业务变化。文章还强调了Human-in-the-loop的关键性，主张AI负责发现建议，人负责确认授权。同时重点提及了前线部署工程师（FDE）在连接业务痛点和平台能力中的桥梁作用，借鉴Palantir的模式，负责将现场问题转化为Agent、Skill和数据规则。在价值证明方面，文章批判传统外包模式，提倡按业务Case周迭代沉淀可复用的平台资产，并探索按经营结果（如异常处理速度、成本改善）而非技术人月计费的商业化路径。最后归纳了通过分层沉淀通用知识、业态知识和客户适配，实现跨客户快速复制的方法论。全文附有相关产品介绍及免责声明等运营信息。

www.53ai.comJuly 5, 2026

前部署工程师

Greenhouse 公司在招聘平台 HirQube 发布了一则 Forward Deployed Engineer 职位招聘，工作地点位于加拿大，要求合法工作资格，年薪 117,500 – 176,300 加元。该职位隶属于集中化数据分析部门，角色定位在数据工程、分析和生成式 AI 的交汇点：不单纯分析数据，而是构建 AI 驱动接口，使高管和业务利益相关者能够通过自然语言实时查询和对话 Greenhouse 的数据资产。具体职责包括：利用 Streamlit、Retool 等框架构建“最后一英里”数据栈 AI 工具；建立人在回路工作流，让财务等部门标记错误输出以优化提示模板和 RAG 检索逻辑；为不同部门创建 AI 角色；丰富数据仓库元数据使 LLM 能理解业务指标；构建并维护用于严格测试 AI 性能的“黄金数据集”。对应聘者的要求包括：3–6 年前线部署工程、产品分析或分析工程师经验；有与高管直接合作解决模糊业务问题的成功案例；深入掌握 dbt 数据建模；熟悉 RAG、函数调用或语义建模，能打通原始 LLM 与结构化业务数据之间的壁垒；具备现代数据栈实操能力，如 Git、Airflow 或 Dagster、Snowflake 或 BigQuery。公司强调远程优先文化，在纽约和爱尔兰设有共享办公空间。该招聘反映了企业从被动分析向主动对话式 AI 数据交互的转型趋势，强调工程师的质量意识、用户教育和跨部门翻译能力。

hirqube.liveblog365.comJuly 5, 2026