◈17|成功复盘:一个跑通的 FDE 项目长什么样?

17|成功复盘:一个跑通的 FDE 项目长什么样?

你好,我是曹犟。

在前面十几讲中,我们把一个 FDE 项目从进场、开发、上线、沉淀,再到定价和算账的每个环节都拆开讲了一遍。从这一讲开始,我们进入复盘篇:先看一个真正跑通的项目,从头到尾会是什么样子;下一讲,再看一个失败的项目,两相对照,会让你有更深的理解。

我们这一讲复盘的对象,是 第 12 讲 提过的美国坦帕综合医院案例——Tampa General。他们和 Palantir 合作,用 AI 做败血症早期筛查。按照医院和 Palantir 披露的口径,这个项目估计挽救了 886 条生命。这一次,我们不再只看其中一个环节,而是从头到尾梳理整个案例。之所以选择这个医院的项目,是因为医疗属于监管最严、数据最敏感、错误代价最高的行业之一。AI 项目能够在这样的条件下跑通,其中蕴含的方法和经验对其他行业通常也会更有参考价值。需要说明的是,这是一个公开的外部案例,所有细节都来自医院和 Palantir 的公开披露。

这个案例真正值得复盘的,不只是挽救了 886 条生命,更在于这项成果是怎么一步步做出来的。项目开始后的近两年里,医院和 Palantir 几乎没有做那些听起来很有吸引力的 AI 应用,而是一直在建设数据基础。 先建设数据基础,再开展 AI 应用,这个顺序是这一讲我最希望你关注的内容之一。

下面,我先介绍一套复盘框架,然后用它分析坦帕综合医院的案例。我们也可以用同一套框架,复盘自己的 FDE 项目。

复盘框架:五步

这套复盘框架分为五步,每一步都问一个问题。

  1. 目标:当初立项时确定的目标是什么?用的是业务语言还是技术语言描述?

  2. 实际结果:最终拿到了什么结果,数字是多少,和目标比差多少?

  3. 差距归因:如果目标没有达到,问题出在哪一段?是场景选错、施工失误,还是 AI 能力不足,导致用户不愿意使用?

  4. 可复用资产:这个项目给公司留下了什么,项目管理改进点、行业知识、平台能力、抽象出的模式、还是被带出来的新 FDE?

  5. 下一步:基于这些资产,接下来打哪一仗?

普通项目的复盘,做到第三步可能就结束了。而 FDE 模式的分水岭在第四步:一个项目就算目标全部达成,如果什么资产都没留下,按我们这门课的标准,它也只能算勉强及格,不能算跑通。 第 13 讲 的项目沉淀清单,就是第四步的日常化版本。

框架本身不难记,但复盘会怎么开,反而更容易出问题。

按我自己的实践习惯,有三个要点。

第一,相关人员要到齐。 项目经理和一线 FDE 当然要参加,但最好也让销售同学参与,因为第一步里的“当初说好的目标”,经常只有销售记得最完整。销售也因为离客户最近,可以如实反馈客户是怎么看待这个项目产出的。

第二,复盘会的产出物就是一页复盘纪要,五个步骤各占一段。 其中,第四步的可复用资产要逐条列出,并写明归属人。如果产出物一页写不下,通常说明还没有复盘清楚。

第三,避免把复盘会开成甩锅会。 项目结果没有达到预期时,大家最容易把时间都花在第三步:反复归因,强调各种客观条件,甚至互相甩锅。但复盘的重点不是追责,不应该停在解释为什么没完成,而应该进入第四步,把这次项目留下的经验和能力沉淀成可复用资产。因此,主持人要控制第三步的讨论,把足够的时间留给第四步。

在一家医院的四年深耕

我们回到开头这个医院的案例,先用完整的时间线把这个案例再捋一遍。

第一阶段,2021 年,建设数据基础。 医院部署了 Palantir 面向企业的数据平台 Foundry,把分散在各个系统里的临床数据和运营数据整合起来。

一家大型医院的系统非常分散:电子病历、检验、影像、排班、床位、转运,分别使用不同的系统,有不同的数据口径。这个阶段没有令人惊艳的 AI 应用,做的就是 第 9 讲 讨论的具体集成工作:数据在哪里、口径是什么、怎么打通使用。而两年之后的所有后续应用,都建立在这层数据基础上。

第二阶段,先做运营类场景。 数据基础建好之后,第一批场景选择的不是最复杂的临床 AI,而是床位调度这类运营场景:患者安置时间缩短了 83%,麻醉后监护室的滞留下降了 28%。用 第 6 讲 的框架看,这个选择很有道理:运营场景的数据完整、结果可衡量、见效较快,而且不直接介入临床决策,伦理和医疗业务上的阻力也小得多。先在阻力较小的地方做出可衡量的结果,为整个合作积累信任,也为进入更难的场景创造条件。

我们 Omni-Growth 驻场的时候,也是先从帮客户一些小忙做起,例如,帮投手把一些繁琐的表格处理工作用 AI 自动化。虽然跟主线场景没有关系,但是为构建信任创造了条件。

第三阶段,2022 年 8 月,Sepsis Hub 上线。 这时候,才轮到前面提过的那个真正救命的场景:败血症早期筛查。

败血症,就是感染引发的全身性炎症反应,它最凶险的地方是恶化极快,早发现几个小时,生死就可能完全不同;而它的早期信号散落在体温、心率、化验指标这些数据里,全靠人盯,很容易漏掉。这恰恰也是前两年构建那层数据地基的用武之地。系统持续监测住院患者,标记疑似败血症的病例,医护人员再介入判断和处置,被标记的患者能在一小时内用上抗生素。选择这个场景,某种意义上也是因为它是“低垂的果实”:见效快,确定性高,而且挽救生命本身就有巨大的价值。

注意这个分工,系统负责不知疲倦地盯,人负责拍板和救治,这就是 第 12 讲 聊的人工检查点的教科书式落地,也跟我们做 Omni-Growth 选择的早期场景很像,Agent 负责不知疲倦地盯着广告投放效果,人负责拍板和调整。

而这个场景取得的结果就如前面所说:估计挽救了 886 条生命,败血症早期死亡下降 68%,败血症患者的住院时长下降 30%。

这里还有一个值得单独讨论的设计细节。前面说系统负责标记、医护人员负责介入,那么具体由谁来介入?败血症预警在美国医院并不是新东西,但之前不少工具都没有真正用起来。有一篇行业分析文章总结过共同原因:警报直接发给床旁护士,可这位护士正在照顾 6 个患者,警报混在 40 个提醒中,最后 95% 都被人工忽略了。问题不一定出在工具本身,也可能是警报发错了人。

而这个项目的做法不一样。按照那篇文章的分析,系统每 15 分钟给每个住院患者打一次分,警报不发给床旁护士,而是发给一支专职响应团队,由这支团队核实并启动处置。模型只负责标记,专职响应团队负责推动后续救治,让患者在一个小时内使用抗生素。

同样一个系统,警报发给谁,决定了它能成为救命工具,还是只能成为背景噪音。这就是 第 7 讲 讨论的信任与采纳,在工程上的具体体现。这个项目真正的护城河也不只是算法,还包括工程师在医院驻扎 18 个月,打通数据管道,并让医护人员愿意接受警报的过程。

这也让我想起我们在 Omni-Growth 上的产品设计,盯盘结果到底是单独创建一个信息流,还是以符合投手习惯且容易接受的方式展现,也决定了同样的模型是否能被投手接纳。

第四阶段,2024 年,全院扩展。 此时,Palantir 的 FDE 们开始部署人工智能平台 AIP。Foundry 负责整合数据和业务流程,AIP 则在这个基础上,让大模型能够参与具体的业务工作。

双方的目标现在变成了建一套全院的护理协调操作系统,场景从败血症扩展到了影像、手术、转运,比如 MRI 影像周转时间改善了 30%。基于 AIP 建成的这套护理协调操作系统,把临床的专业经验、医院当时的运行状态和大模型结合起来,帮助一线安排工作的优先级,后来连计费结算这类运营工作也覆盖了。用例数量,按公开口径,从最初的 1 个扩展到了超过 12 个。

这个阶段有一个非常重要的细节:新应用不再由 Palantir 的 FDE 团队建设,而是由医院的内部团队和医师科学家自己使用 AIP 设计和部署。 第 13 讲 说过,FDE 真正的交付物不只是一套系统,还包括一个有能力的客户团队。这家医院就是一个实际案例。

医院负责人在新闻稿里表示,他们的使命是用创新改变医疗,Palantir 的平台让医院能够用数据提升质量、强化运营。这里的主语是医院自己,而不是厂商。客户团队能够自己建设应用,也说明医院已经开始主导这套系统的后续发展。对双方来讲,这是共赢。

用五步框架复盘

前面按照时间线顺序,我们弄明白了这个项目经历了什么。接下来,我们再用五步框架回答:这个项目做得怎么样,留下了什么,接下来往哪里走。

公开材料能够支持目标、结果、可复用资产和下一步的分析,但无法完整呈现项目内部走过哪些弯路。因此,到了第三步“差距归因”,我只说明复盘时应该追问什么,不替这个案例杜撰没有披露的答案。

  1. 目标。这个项目从一开始就使用运营和临床的业务语言来描述目标:缩短安置时间、尽早发现败血症,没有一条是“部署一套大数据平台”“赋能医院护士团队实现数据驱动”这类乙方的技术黑话。这是 第 5 讲 和 第 6 讲 反复强调的:立项时就要用可衡量的业务结果说话。还要注意它的双目标渐进结构:先通过运营场景创造价值、建立信任,再在临床场景挽救生命、形成标杆,最终才能在全院得到推广。前者为后者创造条件,顺序设计得很清楚。

  2. 实际结果。具体数字前面已经列过,这里需要关注的是:这些数字全部是结果指标,而不是“模型准确率提升了多少”。对外沟通成果,应该像 第 15 讲 讨论的那样,用客户的业务结果说话,而不是除了技术人员自嗨,没有人关注的技术指标口径。

  3. 差距归因。我们在真正复盘自己的项目时,需要追问三个问题:哪个阶段比计划慢了?哪个场景做了却没人使用?如果重新来一次,哪一步可以省掉?复盘会既不能开成你好我好的庆功会,也不能开成互相甩锅的批斗会。只有把原因归到环节,而不是归到个人,团队才愿意讲出真实的弯路,也才能把这些经验沉淀成第四步的资产。

  4. 可复用资产。这个项目给 Palantir 留下的,当然不是坦帕的数据和系统,而是三类可以带走的能力:一是整合医院临床与运营数据的方法;二是患者安置、人员排班、败血症预警等场景的实施经验;三是与医院的临床和运营团队共同建设应用,再逐步把建设能力交给客户的方法。

  5. 下一步。基于这些资产,可以沿两个方向继续扩展。第一个方向,是在坦帕内部,以护理协调操作系统为基础进入更多场景。官方披露,双方的合作后续还在持续扩展。第二个方向,是在外部把已经验证过的方法复制到其他医院。从后续公开资料看,Palantir 在这之后,逐渐形成了 Palantir for Hospitals 这套面向医院的行业解决方案,覆盖容量管理、收入周期管理、人员配置和排班等场景,并在 Mount Sinai、HCA Healthcare、Cleveland Clinic 等医疗机构落地。

把五步放在一起,坦帕项目为什么能真正跑通也就清楚了:它不只取得了可衡量的业务结果,还留下了数据基础、可复用模式和客户团队,并且能以这些资产为基础扩展到更多场景、更多客户。业务结果、可复用资产和下一步同时成立,项目才算真正跑通。

把整个案例和这门课对应起来,会发现它涵盖了课程的多个环节:数据整合是 第 9 讲,先选择可衡量的运营场景是 第 6 讲,医护人员愿意信任并响应系统是 第 7 讲,人机分工是 第 12 讲,多用例扩展和客户自建是 第 13 讲,对外用业务结果说话是第 15 讲。我把这些对应关系画成了一张图。复盘自己的项目时,如果某一步出现问题,就可以回到对应的课程中查找工具。例如,项目效果不错,扩展速度却很慢,就可以对照 第 13 讲,检查扩展机制是仍然掌握在供应商手里,还是已经交给客户了。坦帕项目能够持续扩展,靠的就是后者。

Palantir 的 FDE 打法:内核与边界

前面的五步复盘,我们回答了这个项目做得怎么样、留下了什么。现在,我们再往上一层,从这个项目的经验出发,进一步拆解 Palantir 的 FDE 打法:它靠什么成立,又受到哪些条件约束。

其中有三点值得关注。

第一,客户团队要成为共建者。 坦帕项目进入扩展阶段后,新应用不再全部依赖 Palantir 的 FDE 团队,而是由医院自己的内部团队和医师科学家使用 AIP 设计和部署。这说明,FDE 打法不是乙方长期替客户做下去,而是在共建过程中把方法和建设能力交给客户。只有客户团队能够自己继续建设,项目才具备持续扩展的条件。

第二,软件和运营模式不能分开。 第 14 讲讨论过两者的关系,放在坦帕的案例里再看一遍:Palantir 交给医院的不只是一套软件,还有“地基、用例、扩展、交接”这套运营模式。软件承载这套方法,现场运营又推动软件持续演进,两者放在一起,才是完整的交付方式。对于 AI 系统来讲,这个持续运营、持续改进的动作,重要性只会更大。

第三,不能忽略这套 FDE 打法成立的前提。 由于创始人的背景和人脉,Palantir 的早期客户是国防和情报部门,失败以人命为代价,软件和运营模式不可分。创始人本身也是大佬,背后还有十年的耐心资本。这些条件都决定了它能够承受很重的交付模式。如果不看这些前提,只照着 Palantir 的剧本去做,很可能只是增加了交付成本,却没有获得同样的规模效应。这也回应了 第 4 讲 的判断:中国学 FDE,学的应该是内核,不是剧本。你的客户、你的投资人的耐心、你的客单价,决定了你该走轻还是走重, 第 15 讲 的投入深浅与客单价匹配表,就是回答这个问题的。

一条贯穿始终的观察:AI 做什么,人负责什么

最后,再补充一条贯穿整个实战篇的观察。从 第 5 讲 进场,到 第 16 讲 算账,我在每一讲都会谈到同一个问题:这个环节里,AI 能做到什么,人又必须负责什么。把这些内容串起来,就能看到在 AI 能力每天都在进步的时代背景下,人和 AI 的完整分工。

调研需求、制作 demo、编写代码、放大交付,这些“做出来”的工作,AI 一直在提速:帮助团队更快理解业务、用几天搭建出高保真 demo、更快编写定制代码,并替代一部分原来依赖人工陪跑的交付工作。但另一半始终没有变化,那就是判断:哪个是真问题、方向是否正确、红线应该设在哪里、什么算验收、怎么定价、该不该拒绝某个定制,这些都需要由人负责。坦帕这个案例就是一个典型缩影:系统持续监测,人负责判断和救治,两边都不可缺少。

所以,这门课从头到尾都在讲一件事的两面:AI 让“做出来”变得越来越容易,但做什么、做到什么程度、结果能不能接受,仍然需要人来判断。对 FDE 来说,这些难以自动化的判断会变得越来越重要。

课程总结

这一讲,我们讲的是成功复盘,提供了一套完整的判断框架,并且用一个真实案例把这套框架走了一遍。这一讲的一个核心观点是:一个 FDE 项目真正跑通,不只要取得可衡量的业务结果,还要留下可复用资产,并且能够以这些资产为基础进入下一个场景。

我把这一讲的关键点整理成一张表:

如果想转型 FDE,我建议你记住本讲案例时间线里的顺序:数据基础、运营场景、关键场景、规模扩展。下次遇到一开始就要做最复杂场景的项目,可以用这个案例来说明为什么顺序这么重要。

对交付和实施同学,五步复盘框架从下一个项目就能使用,重点练习第四步:要求自己写出“这个项目留下了什么”。如果写不出来,说明项目沉淀还没有真正发生。

对 To B 创业者和技术决策者,要特别记住,Palantir 这套 FDE 打法有自己的成立前提。学习 Palantir 之前,先诚实地列出自己的条件:客户是谁、投资人有多少耐心、客单价有多大,再决定哪些做法适合自己。

成功的样子看完了,接下来看看失败的样子。FDE 项目最容易死在哪几种方式上?中国市场又有哪些特色大坑?下一讲,翻车复盘:六大失败模式与中国六大坑。

思考题

留两个问题,欢迎你在留言区聊聊。

第一,用五步框架复盘你最近做完的一个项目,第四步你能写出几条?如果一条都写不出,问题出在项目本身,还是出在做的过程中没人管沉淀?

第二,对照坦帕案例的四阶段顺序,你们的 AI 项目是从地基开始的,还是从最酷炫的场景开始的?如果是后者,现在回头补地基,来得及吗?

期待你在留言区分享你的思考。如果这节课对你有启发,也推荐你把它分享给身边更多朋友。