在“降本增效”和“大模型技术高速发展”的大背景下，如何借助大模型的能力落地项目降本的目标，激发起技术团队的工作热情和提高工作效率成为了当前各个厂商探索的热点方向，也是一个业界急需突破的难题。

本次演讲结合真实项目场景，从技术管理、项目管理、团队管理、业务管理等多个管理纬度进行了大模型赋能的实践，探索出了基于“降低认知负担”、“高效信息流转”、“减少管理成本”、“智能决策优先级”的一系列实践案例，希望能给各位听众带来提高各个维度管理效率最佳实践的启示。

演讲提纲

1. 研发效率的“沼泽”

• 真实故事案例
• 痛点分析及数据统计
• 解决方案及AI赋能场景
  • 需求开发的“沼泽”
  • 客户支持的“沼泽”
  • 问题排障的“沼泽”
• 思考总结
  • 大模型赋能与研发效能的关系
  • 大模型赋能与技术管理的关系

2. 信息传递的“黑洞”

• 真实故事案例
• 痛点分析及数据统计
• 解决方案及 AI 赋能场景
  • 需求提出者和需求文档间的信息熵“衰减
  • 需求实现成本与需求评审的信息熵“侵蚀”
  • 智能代码审查和文档更新，恢复信息熵
• 总结思考
  • 大模型赋能与项目效率的关系
  • 大模型赋能对项目管理的影响

3. 轻组织形态的“困境”

• 真实故事案例 1 及痛点
  • 低成本人力的“水杯困境”
• 解决方案 1 及 AI 赋能场景
• AI 构建团队内部新人知识库
• 真实故事案例 2 及痛点
  • 小团队的“管理困境”
• 解决方案 2 及 AI 赋能场
  • AI 辅助 OKR/BSC 制定和对齐
  • AI 自动生成日周月汇报
  • 利用大模型分析团队沟通记录
• 总结思考
  • 水杯理论与一专多能
  • 小团队管理的本质与 AI 的角色
  • 团队管理与大模型赋能的关系

4. 优先级决策的“迷雾”

• 真实故事案例
• 痛点分析及数据统计
• 解决方案及 AI 赋能场景
  • 数据分析系统，提供基础数据支持
  • 数据分析系统 + 大模型，智能识别优先级
• 思考总结
  • 识别问题的成本与大模型的专长
  • 数据分析系统与大模型的关系
  • 业务管理与大模型赋能的关系

您认为，这样的技术在实践过程中有哪些痛点？

• 人员培训上的大模型赋能模型可以尝试
• 项目管理上还有一些细节可以大模型赋能（发布评审、测试评审）

演讲亮点

• 真实团队案例分析
• 真实大模型实践
• 解决方案具有通用性

听众收益

• 技术管理、项目管理、团队管理、业务管理上的通用痛点分析与解决方案推荐
• 各个维度管理与 AI 大模型赋能的关系、定位和能够共赢的点的深度思考

在大模型算法快速迭代演进的背景下，业务研发人员负责工程、算法研究人员负责模型优化的协作模式，已经无法满足大模型产品快速创新、模型效果快速迭代的业务需求，业务团队需要建设自有的大模型优化能力。如何建设一个人人都能训大模型的技术氛围，已成为加速大模型业务落地、推动组织创新与发展的关键。

本次演讲我将从平台基础设施、大模型思维、协作文化 3 个角度，阐述如何建设“人人能用、人人会训”的大模型文化，有效提升组织效能，进而推动业务的持续成长。

演讲提纲

1. 大模型时代组织创新的必要性

• 传统 AI 开发模式的组织瓶颈
• 大模型时代业务部门面临的新挑战与机遇
• 为什么"人人能用、人人会训"的大模型文化能提升组织效能

2. 建设人人能训大模型的基础设施

• 低成本高效能的大模型训练平台设计原则
• 打破技术门槛的工具链与流程优化
• 资源投入与业务价值产出如何平衡

3. 培养全员大模型思维与能力

• 从专家到教练：AI 团队角色转变与知识分享机制
• 业务人员参与大模型训练的渐进式学习路径
• 案例分享：非技术团队成功优化大模型的实战经验

4. 构建开放共享的协作文化

• 大模型训练作为跨部门协作的新型桥梁
• 建立激励机制，提升团队 ownership 与创新动力

您认为，这样的技术在实践过程中有哪些痛点？

• 如何转变业务研发人员的思想，让他们能够敢于从 0 开始转型做大模型优化
• 大模型优化的基础能力在建设中需要考虑成本与收益，如何低成本完成基础设施建设
• 如何一步步取得成绩，获取更大的支持，获取更多资源，进行模型效果的持续优化
• 各类大模型场景优化的核心点和方法论

演讲亮点

• 提供一套实用的业务自建大模型优化能力的实施框架，帮助组织打破技术与业务的隔阂
• 分享低成本启动大模型算法优化的方法，特别适合资源有限的团队
• 通过真实案例展示如何提升大模型训练的团队协作效率，加速大模型应用创新

听众收益

• 了解如何转变组织文化，让大模型成为连接技术与业务的桥梁
• 掌握培养全员大模型能力的实用策略与工具
• 获取构建高效协作的 AI 驱动型组织的具体实施路径

演讲大纲

1. AI 时代最重要的是什么？

• 数据，信息，知识：从沉淀进化到飞轮
• 技术和基础设施：编排、共享、负载
• 人和组织: DeepSeek 的启发

2. AI 时代的组织困境和解决方案

• 痛点：发现迟，可怕的技术惯性
• 痛点：决策慢，当前技术构建成的价值网
• 痛点：落地怂，当前人的收益构成的价值网
• 案例：自动化 VS ReActAgent + MCP

3. 人才是 AI 时代的核心竞争力

• 痛点：如何培养不被"已有成功"绑架的团队
• 案例：经典 Bug 大赛与星火奖如何激活团队创新潜能
• 案例：播客赋能与闪电分享：破解"太忙没时间学习"的难题
• 痛点：闭卷考试 VS AI 应用能力
• 案例：AI 时代的人才发掘，面向结果的笔试，面向思考的面试

4. 总结：从 AI 中学习组织管理

• 从预训练、微调到强化学习
• 从 Workflow 到 Agent
• 从进化到演化

演讲亮点

• 破解技术惯性陷阱，讲师真实的痛点和案例
• 实践过程中的深度思考和提炼，可复制有启发

听众收益

• 获取即用型团队AI破局工具
• 掌握AI时代三大组织痛点的解决路径

随着大模型技术的快速发展，企业技术管理正面临前所未有的挑战与机遇。大模型以其强大的数据处理能力和智能化应用，正在重塑技术管理的范式。然而，如何评估和选择适合企业的大模型技术？如何平衡技术创新与业务需求？这些问题成为企业管理者亟需解决的难题。本次圆桌讨论活动旨在深入探讨大模型技术对企业技术管理的影响及应对策略。

讨论话题方向：

1. 大模型技术的评估与选择

• 企业应从哪些维度评估大模型技术？
• 如何结合企业自身的技术栈和业务需求选择合适的大模型？

2. 技术创新与业务需求的平衡

• 如何在追求技术创新的同时，确保业务需求的满足？
• 如何通过大模型技术实现业务流程的优化和创新？

3. 技术管理新范式

• 大模型技术如何重塑企业技术管理的流程和架构？
• 如何构建支持大模型技术的高效技术管理体系？

4. 数据安全与合规挑战

• 如何确保大模型训练和应用中的数据安全？
• 如何应对大模型带来的数据隐私和合规性问题？

5. 技术人才与团队建设

• 如何培养和吸引适应大模型技术的人才？
• 如何构建跨学科的技术团队以支持大模型项目的实施？

6. 未来展望与战略规划

• 大模型技术的未来发展方向是什么？
• 企业如何制定长期的技术战略以应对大模型时代的变革？

通过本次圆桌讨论，参与者将能够深入了解大模型技术在企业技术管理中的应用现状与挑战，探讨如何通过技术创新实现业务增长，同时分享实战经验和解决方案，为企业在大模型时代的技术管理提供参考和启示。