數據資產（Data Assets）

核心問題：在 AI 時代，我們需要收集和管理哪些數據資產來訓練和運行 AI？如何確保數據質量與合規？

引導問題：
1. 關鍵數據清單：運行你的 AI 應用，需要哪些關鍵數據？
2. 數據來源：這些數據目前存在哪裡？質量如何？
3. 數據缺口：有哪些關鍵數據是目前缺失的？如何補齊？
4. 數據治理：你有數據標準、質量監控、安全機制嗎？

DingTalk+WuKong 映射：
– DingTalk AI 表格：結構化存儲業務數據
– DingTalk知識庫：沉澱非結構化知識
– WuKong 數據治理：自動識別數據異常、重複、缺失
– DingTalk權限管理：確保數據訪問的合規性和安全性

案例：香港某貿易公司先做數據治理再導入 AI：統一數據 Schema、清洗歷史數據（完整率從 65% 到 94%）、流程嵌入數據錄入、每週質量監控。六個月後銷售預測準確率 87%，庫存周轉天數從 45 天降到 31 天。

模塊七：AI 核心能力（AI Core Capabilities）

核心問題：在 AI 時代，我們需要培養哪些內部的 AI 核心能力？哪些自建，哪些依賴外部？

引導問題：
1. 能力清單：運行你的 AI 戰略，需要哪些核心能力？
2. 現狀評估：你目前內部具備哪些能力？差距在哪裡？
3. 自建 vs 外包：哪些能力必須自建？哪些可以外包？
4. 人才策略：你需要招聘什麼樣的人才？如何培訓現有員工？

DingTalk+WuKong 映射：
– WuKong Prompt 工廠：沉澱和分享高質量的 Prompt 模板
– DingTalk學習平台：開展 AI 技能培訓，追蹤學習進度
– WuKong 自動化設計器：可視化配置工作流，無需編程
– DingTalk專家網絡：連接外部 AI 顧問和合作夥伴

案例：新加坡某諮詢公司制定「90 天能力提升計劃」：前 30 天全員基礎培訓，中間 30 天骨幹深度培訓，最後 30 天實戰陪跑。培養 5 名 AI Champion、20 名熟練用戶，第一年節省 180 萬新幣外部顧問費用。

模塊八：關鍵運營活動（Key Activities）

核心問題：在 AI 時代，哪些關鍵運營活動會被 AI 重塑？如何重新設計這些活動的流程？

引導問題：
1. 核心流程盤點：你的核心運營活動有哪些？
2. AI 重塑機會：哪些活動可以被 AI 自動化或增強？
3. 流程重設計：引入 AI 後，流程應該如何重新設計？
4. 指標重新定義：流程優化後，成功指標應該是什麼？

DingTalk+WuKong 映射：
– DingTalk 審批流：AI 自動預審，人類只審批例外
– WuKong RPA：跨系統自動化
– DingTalk日誌：AI 自动生成日報、週報、月報
– WuKong 流程挖掘：分析實際流程數據，識別瓶頸

案例：馬來西亞某製造商採購流程從 21 天縮短到 6 天：常規採購由 AI 自動下單，只有例外情況才需人類審批。採購團隊節省 60% 時間用於戰略尋源。

模塊九：生態與合規夥伴（Ecosystem & Compliance Partners）

核心問題：在 AI 時代，我們需要哪些生態夥伴？如何確保 AI 應用的合規性？

引導問題：
1. 生態地圖：你的 AI 生態系統包含哪些角色？
2. 合作模式：與每個夥伴的合作模式是什麼？
3. 合規要求：你的行業和地區有哪些 AI 合規要求？
4. 合規機制：你有 AI 倫理委員會、算法審計等機制嗎？

DingTalk+WuKong 映射：
– DingTalk 開放平台：連接第三方應用和服務商
– WuKong 合規檢查：自動識別數據隱私、算法偏見等風險
– DingTalk審計日誌：記錄所有 AI 決策過程
– WuKong 生態市場：發現和接入經過驗證的 AI 應用

案例：香港某金融機構建立完善合規框架：AI 倫理委員會審批所有項目、算法影響評估、數據跨境管理、供應商審計。增加了前期成本但避免後續合規風險，贏得客戶和監管信任。