先做经营诊断
确认业务问题是否真实、是否高杠杆、是否有足够数据和负责人承接。
MARPA Enterprise AI-Agent
不是部署一个 AI 工具，而是复刻一条专家判断链。
MARPA 会先拆解专家真实工作流，再识别认知判断、执行动作、数据输入和反馈校正，最终配置为可持续迭代、保留人工确认的 AI-Agent。适合高价值、可流程化、能被质检的企业场景。
MARPA = Manpower AI Robotic Process Automation
核心不是“让 AI 回答”，而是让 AI 维持秩序、执行流程、减少重复判断。
确定性场景 01
非体力类成本结构上升，原盈利业务开始亏损
确定性场景 02
获客闭环已形成，希望在投流之外继续加速
确定性场景 03
老业务某项业务量快速增加，形成明显堵点
确定性场景 04
新业务已跑通，希望低成本快速放大
Architecture
MARPA 的企业级交付架构
高价值 Agent 不是从模型开始，而是从经营诊断、专家流程和治理机制开始。
再复刻专家流程
拆解专家的输入、判断、动作、质检和复盘，不把经验停留在口头描述。
最后进入治理闭环
把 Agent 放进真实流程，用指标、权限、质检和版本迭代维持稳定产出。
Delivery Path
从诊断到上线的 6 个交付动作
每一步都必须留下可复盘材料，避免 Agent 只是一次漂亮演示。
STEP 01
准入与事实材料
明确业务目标、现有流程、关键数据、历史动作和责任人。
STEP 02
专家工作流拆解
记录专家如何判断、如何执行、如何拒绝错误输入。
STEP 03
任务与评价标准
把目标拆成任务、样例、红线、成功标准和复盘指标。
STEP 04
Agent 原型与流程嵌入
完成提示词、知识库、工具调用和人工确认节点。
STEP 05
内测与质检
用真实任务测试稳定性、误判率、交付速度和业务接受度。
STEP 06
交付与治理
形成 SOP、权限边界、版本更新规则和运营复盘机制。
Deliverables
客户拿到的是可运行资产，不是一个聊天入口。
专家工作流拆解图
任务提示词与检查表
知识库与数据输入规范
质量评价标准
人工确认与升级机制
90 天迭代路线图
权限最小化
只接入完成任务所需的数据和工具，避免把所有业务上下文一次性暴露给系统。
人工确认
关键判断保留负责人确认，MARPA 优先减少重复劳动，而不是替代企业最终责任。
版本治理
每次优化都记录目标、样例、变更和结果，避免 Agent 在黑箱中漂移。
交付文档
输出流程、边界、角色和复盘规则，让客户能持续运营，而不是只拿到一次演示。
Service Boundary
AI-Agent 使用边界
MARPA 用于拆解流程、辅助判断、生成材料和提高复盘质量，不替代客户负责人、HR、法务、财务、医学或监管专业人员的最终决定。
招聘、人员测评和候选人匹配场景保留人工确认，不以自动化评分直接作出录用、淘汰、薪酬或晋升决定。
项目会优先明确数据来源、权限边界、人工确认节点和版本记录，避免把敏感数据一次性暴露给不必要的工具。
Pricing
服务价目与准入
第一版以已有稳定人工流程、可质检任务和明确负责人为准入条件，避免为了部署而部署。
Proof
MARPA 更适合这些可复刻场景
优先选择已有稳定人工流程、且能被流程化、数据化和人工确认的业务场景。
Service Boundary
案例和效果口径
案例均做匿名化处理，页面只展示可公开的行业、情境、动作和口径，不展示客户隐私和未授权材料。
所有结果都依赖客户基础、预算、周期、执行质量和外部环境，不能被理解为对未来咨询需求、订单、招聘或收入的保证。
涉及法律、税务、医药、招聘和数据合规的场景，安福只做经营诊断、资料梳理、流程设计和工具化支持，必要时与客户指定的专业机构协同。
SCENE 01
律师
高客单、强信任、低频决策，客户不会因为广告点击立刻成交。
单月产生 20 条有效咨询需求
交付物：海外搜索词地图、案例内容结构、询盘分层和跟进话术
SCENE 02
AI 初创公司
岗位要求极高，传统 JD 很难表达真实任务、能力边界和价值观冲突。
在 5 万+ 简历池中建立分层初筛，推进 600+ 初面，协助客户识别 4 位可继续深度合作的候选人
交付物：精准 JD、候选人画像、筛选问题库、初筛流程和匹配规则
SCENE 03
行业科技公司
创始人已有强判断，但内部长期讨论无法替代一线客户事实。
访谈超过 200 名目标客户，验证出 5 点关键结论，其中部分与创始人长期坚持的判断相悖
交付物：访谈提纲、客户问题地图、反直觉结论和下一步验证建议
SCENE 04
木业公司
传统制造企业长期依赖线下关系和展会，海外客户搜索路径没有被系统捕捉。
形成可追踪海外询盘，并出现订单转化
交付物：目标市场关键词、独立站结构、内容计划、询盘表单和复盘指标