我们如何构建与运营
务实的工程，植根于真实的运营规模。
wolfsohn.ai 以运营者的方式构建软件——因为我们正是运营者。四十年的授权经销商传承塑造了一套重视可靠性胜于新奇的方法：discovery、build、operate，每一步都配有 AI 治理。
wolfsohn.ai 的方法是 discovery → build → operate，并配有 AI 治理——黄金数据集、评估关卡和模型回滚——融入软件交付与运行的方式之中。
先有真实运营规模，再有务实 AI
我们并非先有 AI 再去寻找问题。我们始于一个授权经销运营——覆盖 10+ 个欧洲国家的 10,000+ SKU——并在 AI 能带来可衡量帮助之处应用它。
可信度上的区别很简单：这不是一家从零起步的 AI 初创公司。我们构建的每个系统都源自运营一家 40 年授权经销业务的日常现实。当 AI 配得上它的位置时我们才动用它，在其他一切地方则采用枯燥而可靠的工程。
我们遵循的工程原则
可靠性胜于新奇
驱动运营的软件必须每天都能运转。我们选择经过验证的模式、为故障而设计，并把正常运行时间视为一项功能——而非事后才想到的补救。
首先为我们自己的规模而建
在向任何人提供之前，我们先针对一个 10,000+ SKU、覆盖 10+ 国运营的真实需求构建软件。若它对我们经得起考验，便对客户经得起考验。
务实、可衡量的 AI
AI 是工具，而非目标。我们在它产生可衡量价值之处应用它，并让人员掌控真正重要的决策。
端到端的责任归属
我们设计、构建并运营。运行我们所交付的东西，使我们对质量保持诚实，并贴近真正重要的问题。
Discovery → Build → Operate
每次合作都经历三个有意为之的阶段，使软件由真实需求塑造、满怀信心地交付，并在生产中保持健康。
- 01
Discovery
在编写代码之前，我们先梳理运营、约束和数据——把一个真实问题转化为一份界定明确、可衡量的计划。
- 02
Build
我们在评估关卡之后以小幅、经审查的增量交付，并将质量和安全检查置于管道之中，而非置于最后。
- 03
Operate
我们运行所构建的东西——监控、模型回滚和持续改进使软件在上线后长期保持可靠。
默认的 AI 治理
凡是使用 AI 之处，我们都对其加以治理：黄金数据集、发布前的评估关卡，以及质量退化时的模型回滚。
黄金数据集
经过整理、带版本的参考数据让我们能衡量模型是否真正完成其工作——并在用户之前发现退化。
评估关卡
任何模型未通过对预期行为的评估都不会上线。质量是发布关卡，而非寄望。
模型回滚
若模型在生产中退化，我们会迅速回滚到已知良好的版本——这与我们对任何部署所采用的纪律相同。
人员掌控
AI 辅助决策；它不替代责任归属。运营业务的人员始终掌控成果。
质量、可靠性与安全姿态
可靠性是通过工程内建的，而非事后加装的。我们为故障而构建、审查每一项更改，并把安全视为交付的一部分——这与一款驱动真实跨境授权经销运营的软件相称。
默认经过审查
每项更改在上线前都经过审查。小幅增量使风险保持低位、反馈保持迅速。
安全交付
安全检查存在于管道之中，访问遵循最小权限——适用于跨境处理商业数据的系统。
生产中可观测
我们监控所运行的东西，因此问题由我们发现，而非由用户发现——改进则由真实信号驱动。
我们如何工作——常被问到的问题
- wolfsohn.ai 是一家初创公司吗？
- 不是。wolfsohn.ai 是 Wolfsohn 的技术部门，Wolfsohn 是一家拥有 40+ 年传承（前身始于 1984 年）的欧洲 B2B 授权经销商，而非从零起步的初创公司。
- 你们如何治理 AI 模型？
- 凡是使用 AI 之处，我们都以黄金数据集、发布前的评估关卡，以及质量退化时的模型回滚加以治理——并让人员始终掌控真正重要的决策。
- 我如何与 wolfsohn.ai 合作？
- 通过一次 discovery → build → operate 的合作；可通过联系页面或 [email protected] 与我们取得联系。