A是Awareness，所谓统一思想，形成共识。可以不是大面积的共识，但每一个阶段都要有一组对的人跟你有共识，独干是肯定不行的。
L是Locate。Locate就是找到对的，有价值的场景。
I是Ignite，要有一些小小的首胜的火花，不一定要一炮而红，但一定要一点点的成功。给你自己、给团队、给同行者一些可见的激励继续往前走。
G是Grow。Grow阶段之所以从上往下是因为事物都是螺旋式上升的，所以在过程中会遇到一些卡点、难点，要相信自己能够翻越过去。
N是Nurture，是全员的培养、共创，走过0到1，走过1到100。
您认为您所在团队的首胜是？
第一次最成功的是“AI营养师”。因为靠这个应用我们能够告诉大家AI能干什么，让大部分的客户都能有所感知。同时还产生了一定的销售成果，使用了这个服务后，私域销售提升，次单销售提高21%，公域提高13%。
大模型带来的不确定性，对于我们要用的BI的数据要求非常精准，和确定性的东西之间的矛盾是怎么解决的？我想到的是把它分开来，它对于自然语言的理解和我们在后面去调已经有的指标体系库，或者已经做好的东西，它应该能形成非常精准的匹配和对应。
三个点。您刚刚讲的一个点已经是40%的内容了，另外30%+30%两个点是什么呢？一个就是这里面不是一个Agent在工作，是多个。第一个就是它要解构思路，就像跟人工作一样，要把它当人，它怎么做这件事情你先让它自己把思路说了，它自己把思路结构化的过程就是提高精准的过程，一定要让它做这条工作，不能直接就出结果。再一个要做很多质检，保证数据的一致性，数据有很多指标内容，里面有好几个质检工作端，也是AI做的，里面做很多左右手互搏的卡点，让AI跟AI工作，最后输出，去降低不信任率。
您的团队从两三个人，迅速发展到24人，您的团队成员是怎样组成的？是什么背景？
第一点是种子团队一定要是最对的人，所以一开始的两三个人很关键。
再后来加入我们团队的大概是两种类型的人。一种是内部转型的人，因为我们内部有一个培训的机制，刚刚说到的一些Agent的工作，就是看有些类型的人是转型快的，有些类型的人是转型慢的，所以有部分人是转型来的。我从12个人到后面24个人，后面的12个人其实是原来的中台团队的架构师转型过来的，原因是到了那个阶段，企业大脑要把内部的API都AI化，所以他们都特别熟悉。
另外我们也会外部招一些人，但比较难。最近机会比较多，因为最近互联网出来的比较多。组建团队我的经验是要有一个清晰的road map，定向性的到什么机构找什么人，撒开了网来找人，守株待兔肯定找不到对的人。
