捷通达汽车集团股份有限公司是一家以投资汽车4S店为主的集团化企业，主营汽车销售、售后服务、汽车配件、二手车、汽车进出口、汽车租赁、汽车衍生服务，注册资本19375万元。捷通达集团于2022年10月完成股份公司创立，积极争取IPO。集团总部位置及工作地点为天津市西青区储源道18号
FDE #1 AI 智能客服 FDE
主要服务部门：客服 / 客户运营
岗位定位
负责集团 AI 智能客服体系的搭建与运营，覆盖售前、售中、售后全链路客服场景及人/机质检场景，通过自动问答、外呼、工单、质检等 AI 能力，降低客服成本、提升客户体验，并将能力沉淀为可对外输出的客服产品。
岗位职责
1. 全链路客服场景建设
覆盖售前（咨询、邀约）、售中（购车跟进、金融保险）、售后（保养、维修、救援、投诉）全链路客服场景，设计对应的 AI 客服能力。
2. 人/机质检场景
建设客服质检能力，通过 AI 对人工客服与智能客服的通话/会话做质量检测、合规检查、服务评分，提升服务质量。
3. 客服知识治理
梳理客服知识库，建立知识条目、标准话术、常见问题（FAQ）体系，确保 AI 客服「答得对、答得全」。
4. AI 客服方案设计与调优
设计自动问答、智能外呼、工单流转等 AI 客服场景，持续监控自助解决率、坐席压降等指标，迭代优化知识库与模型。
5. 产品化输出
将客服 AI 能力沉淀为标准产品，支撑 AI 科技公司对外商业化（人机协同的客服代运营）。
FDE #2 AIGC 内容营销 FDE
主要服务部门：品牌 / 市场 / 新媒体
岗位定位
通过 AIGC 能力帮助新媒体团队批量制作营销物料，覆盖平面、视频、直播等场景，用 AI 降低内容生产成本、提升产出效率，并沉淀为可复用的新媒体赋能能力。
岗位职责
1. AI 平面创作
用 AI 批量制作平面物料（海报、banner、宣传图、社媒配图等），为新媒体团队提供高效的平面生产能力。
2. AI 视频创作
用 AI 批量制作视频物料（短视频、口播、剪辑、数字人等），赋能新媒体视频内容生产。
3. 直播助手与直播训练
建设直播助手能力（话术提示、实时提词、互动应答），搭建直播训练体系，赋能门店/新媒体直播。
4. 新媒体 AI 知识库搭建
搭建新媒体 AI 知识库（品牌、车型、活动、脚本、素材），作为 AIGC 内容生产的素材底座。
5. 新媒体赋能能力搭建
搭建面向新媒体团队的一站式 AIGC 赋能能力，让团队成员能自助批量生产营销物料。
FDE #3 用户价值运营 FDE
主要服务部门：客户运营 / 门店
岗位定位
负责 用户价值运营与用户全生命周期经营，依托 CDP、MA、SCRM 等工具构建「一客一群」私域体系，把用户从「一次性购车」转化为「长期车生活经营」，是集团「从卖车转向经营车生活」战略的核心岗位。
岗位职责
1. 车生活管家产品方案
设计车生活管家产品（保养、保险、金融、二手车、生活服务等），定义用户服务场景。
2. 一客一群体系
构建「一客一群」私域运营体系，实现用户精细化触达与持续经营。
3. 用户全生命周期运营
搭建用户全生命周期运营体系（拉新、促活、留存、复购、裂变），提升用户粘性与生命周期价值。
4. 积分商城打通
统筹积分商城与用户运营的打通，构建用户权益与激励体系。
FDE #4 店效提升 FDE
主要服务部门：门店
岗位定位
负责 门店经营提效，主导订货运筹项目，参与门店端「口袋店务」与「销售助手」AI 原生应用建设，主动识别门店经营提效机会点并导入 AI 能力，提升门店经营效率。
岗位职责
1. 订货运筹项目管理
主导基于本体论的订货运筹项目，优化订车、库存、资金占用，降低库存周转压力，提升门店经营效率。
2. 口袋店务建设参与
参与门店端「口袋店务」产品建设（AI 问数 门店异常监控 任务督导），输出业务方案与需求，推动门店经营数字化。
3. 销售助手 AI 原生 APP 建设
参与「销售助手」AI 原生 APP 的建设，用 AI 赋能销售顾问的日常工作（话术、客户跟进、成交辅助等）。
4. 门店提效机会点识别与 AI 导入
主动识别门店经营提效的机会点，导入 AI 能力，设计并落地门店提效方案。
岗位名称：AI项目管培生
岗位核心定位
本岗位聚焦大模型、RAG智能问答等AI应用场景，区别于传统IT数据岗位，核心负责AI项目全链路的数据治理与企业知识体系搭建。通过梳理、清洗、标准化业务数据，萃取、结构化、迭代业务知识，为AI模型训练、微调、智能检索问答提供高质量、合规、可用的数据与知识资产，从源头解决大模型幻觉、问答不准、信息滞后等核心问题，是AI产品落地迭代的核心支撑岗位。
二、岗位职责
（一）AI数据治理工作
1. 数据资产盘点梳理：负责各类业务数据（业务文档、产品手册、工单、会话记录、结构化数据库、多媒体资料等）的全盘盘点，梳理数据来源、格式、归属权限、更新频率，搭建AI专属数据资产目录，筛选可用于模型训练、知识库落地的有效数据。
2. 数据清洗与加工标准化：针对原始数据存在的重复、缺失、乱码、格式混乱、无效冗余等问题，完成数据过滤、纠错、去重处理；统一各类文档格式，完成长文本切片、分段优化，适配大模型读取与检索逻辑。
3. 数据集质量管控：制定AI场景专属数据质量标准（准确率、完整度、低冗余率、低噪声率），定期开展数据集巡检，输出质量检测报告；区分训练集、验证集、测试集，做好数据集版本管理与变更日志记录，持续优化数据质量。
4. 数据合规与安全治理：排查数据中的隐私信息、商业机密、版权风险，完成数据脱敏、敏感信息剔除、侵权内容筛查；建立数据权限分级机制，留存数据使用记录，保障AI数据使用合规合法。
5. 标注协同管理：协助撰写数据标注规范，配合标注团队完成标注结果质检、一致性校验，优化标注流程，保障数据集标注精度。
（二）AI知识治理工作
1. 业务知识萃取：从零散的业务文档、规章制度、专家经验、业务流程资料中，剥离冗余话术，萃取核心有效知识，整理标准化FAQ、业务流程、操作规范、问题解决方案等知识条目。
2. 知识体系搭建：负责搭建企业AI知识库分类目录，梳理业务术语库、实体关系图谱，统一业务名词定义，解决一词多义、多词一义、知识冲突等问题，让AI精准理解业务逻辑。
3. 知识库迭代维护：承担知识入库审核、内容校对工作，保障入库知识准确有效；根据业务规则、产品迭代动态，及时更新、下线过期知识，规避AI输出过时信息、错误信息的问题。
4. RAG效果优化：跟进AI智能问答、检索应用效果，复盘问答错误、检索失效、答案偏差等案例，定位知识缺失、切片不合理、检索匹配度低等问题，迭代优化知识分段规则、关键词配置、元数据信息，持续提升AI问答精准度。
5. 知识运营赋能：收集业务端、用户端使用反馈，持续优化知识库内容与结构；制定知识录入、更新SOP，协助培训业务人员规范提交知识资料。
（三）项目协同与管培成长工作
1. 跨部门协同对接，联动算法、AI产品、业务团队，精准承接AI项目数据、知识需求，落地治理方案；
2. 负责各类治理规范、SOP、项目周报、复盘报告、验收文档的撰写与落地；
3. 学习使用向量数据库、数据治理平台、智能知识库等工具，完成基础配置、测试与运维工作；
4. 参与岗位轮岗学习，熟悉AI数据、知识、产品全链路流程，积累AI项目落地实战经验。