Dell Technologies World – Seven Key Takeaways for Midmarket & Channel Partners in the AI Era

首先对您的产品组合进行人工智能就绪评估，并选择三种上市途径进行为期90天的试点。将功能与客户群对应，并制定有针对性的信息传递活动，以引起寻求速度、可靠性和安全性的中端市场买家的共鸣。.

概述戴尔科技峰会重点指出了七个要点，您的团队现在可以采取行动，超越炒作，为客户带来真正的价值。 这些要点着眼于数据治理、安全性、赋能和合作伙伴协调方面的挑战，重点关注实际结果。.

首先，使预算与清晰的投资回报叙述对齐；进行三个展示价值实现时间的小型试点，然后扩大部署规模。进行简洁明了的15分钟演示，将人工智能能力转化为收入影响，有助于缩短周期并提高成功率。.

其次，通过轻量级的数据和模型治理计划来驯服复杂性。以简单的术语定义访问控制、出处和事件响应，以便团队可以向客户解释风险。将治理与 医用级 在保持运营灵活性的同时，兼顾安全实践。.

第三，通过庞大的合作伙伴生态系统扩展渠道：与戴尔共同销售，并利用 MSP 和 SI 触达那些越来越依赖人工智能解决方案的买家。 通过联合营销活动和共享指标来调整激励机制，以确保跨领域进行协调的推广。.

第四，坚持不懈地衡量。使用简洁的KPI组合——价值实现时间、成交速度、续约率和AI采用指标——来验证每个步骤，并在整个需求曲线中加速规模化。这些指标有可能缩短销售周期，并帮助您优先考虑高影响力行动。.

第五，投资于支持进行有针对性对话的人工智能就绪赋能。构建短篇幅资产，赋能现场团队，并优化渠道活动，以便信息能够快速从试点阶段过渡到可持续增长阶段。.

第六，针对最具潜力的细分市场定制营销活动，使用数据驱动的信息和实践案例来缩短影响路径。.

第七，通过来自客户和合作伙伴的反馈形成闭环，将洞察转化为持续改进的循环，从而为未来的营销活动和产品优先级提供信息。.

识别符合中端市场预算并能快速交付价值的 AI 用例

Launch a 六周的 在您访问量最高的渠道上试用AI驱动的帮助台聊天机器人，以回答常见问题、分流请求，并为人工客服腾出时间来处理更复杂的工作。.

选择一个提供以下功能的平台： 预训练意图 以及简单的微调，以使初始成本保持在 1TP 指标 25k 第一年。.

用……定义成功 偏转率, 首次接触解决和 平均处理时长 在试点后量化价值。.

Use a cloud-based 快速启动的方法，数据保存在区域内，并有明确的保障措施，以确保隐私、访问和遵守内部规则。.

组织一个小型的 cross-functional 聚在一起的小队 两周的 周期，单人所有，并有严格的待办事项来保持势头。.

重复利用来自 产品文档, 知识库, ，以及政策文本来训练模型，并建立一个轻量级的人工审查流程来验证返回的答案。.

衡量标准应侧重于偏转速度、响应准确性和用户满意度，而不是虚荣指标。.

After 4-6周 的稳定成果，可扩展到其他功能，例如入职、订单跟踪和基本技术支持。.

从小处着手，团队可以获得信心、缩短周期，并为在各种产品中更广泛地采用人工智能创造可重复的经验。.

面向中型市场合作伙伴的可扩展 AI 基础设施蓝图

从一个可在工作站到云数据中心扩展的模块化 AI 基础设施蓝图开始，以一个基石平台和统一的数据结构为基础。部署在三个中心：核心数据中心、区域中心和客户站点的边缘设备。此设置提高了响应速度，反映了报告的使用模式，并在用例中实现了一些切实的改进。使用容器化服务、标准化 API 和策略驱动的治理层来简化趋势变化时的调整，使您能够轻松扩展。.

可扩展 AI 基础设施的七步蓝图

1) 跨工作负载的模块化架构；2) 标准化数据结构和模型溯源；3) 集成到流水线中的安全和治理；4) 使用容器编排的边缘到云部署；5) 用于保护知识产权和加速性能的专有推理层；6) 与通用运行时对齐的设备和工作站；7) 用于加速采用的卓越中心和合作伙伴网络。此顺序将客户的需求放在首位，并与报告的跨示例性能提升相一致。.

正如麦考密克指出的那样，将地图需求信号映射到中心的容量，使投资与实际使用情况保持一致。专注于易于扩展的工作流程，简化客户的入门流程，并提供适合各种设备尺寸的模块化插件。这种方法可以在您不断改进客户的智能和成果的同时，保持高响应性。.

创建适用于渠道的销售内容：演示、投资回报率工具和支持手册

部署一个可直接用于分发的的内容工具包，其中包括演示、投资回报率工具和支持手册，以简化合作伙伴销售并加速增长。.

• 可转化的演示：构建三个模块化轨道——高管、技术和投资回报率——每个轨道运行五到七分钟，包含安全演示，展示服务如何增加价值，并使用客户就绪的数据来阐明结果；内容可以在买家周期的多个时间点部署。.
• 投资回报率工具，数据驱动：提供计算器，输入已知变量（成本、许可、部署模式），输出投资回收期、投资回报率和总拥有成本；允许导出为白皮书或客户报告，并随市场变化更新。.
• 赋能手册：为销售、工程师和合作伙伴提供基于角色的步骤；包括应对常见异议的处理方法；已知的策略；可为每个客户群体定制的模板；与领导层保持一致以确保信息传递；帮助销售人员自信且有效地展示自己。.
• 渠道和可见性：在中心门户网站上发布内容，并将资产分发给渠道（分销商、增值经销商、MSP），以提高可见性；包括可在客户会议中参考的简短单页文件和长篇幅资产。.
• 安全和合规：在演示和投资回报率流程中整合一份专门的安全检查清单；在适用情况下参考联邦标准，并提供客户可以直接使用的要点，以便与竞争对手相比凸显价值。.
• 以客户为中心的定制：允许对演示和案例进行个性化定制；提供客户资料和垂直行业特定场景（小型企业、中型市场、联邦）以提高相关性。.
• 影响和劳动力：衡量赋能如何改变绩效，跟踪提高的胜率，并通过培训完成情况和技能掌握数据展示对劳动力的影响。.
• 持续改进：建立节奏，根据客户反馈和市场变化刷新资产；使用真实世界的成果来改进内容和强化策略。.

为人工智能项目建立数据治理、隐私和安全实践

从一份公共数据治理章程开始，该章程为人工智能项目分配数据所有者、策略职责和数据沿袭，并明确数据摄取的入口点和产品目录。.

绘制数据类别图，嵌入设计隐私，并在整个产品生命周期中安装隐私控制。使策略与安全和风险管理框架保持一致；衡量用户体验影响和运营风险，以为决策提供依据。.

设立公爵赞助委员会，监督治理决策，确保数据使用符合概念，并与下一步计划和竞争需求相一致。.

在实施之前，详细说明数据来源，应用数据质量检查，并设置可接受风险的阈值。 这种方法有助于建立审计数据沿袭的能力，并有助于说明数据在系统中如何流动。.

在开发过程中，加强访问控制，维护审计日志，并定期分析数据质量和模型输入。 跟踪来自利益相关者的需求，并记录与数据的预期交互，以防止泄露。.

在部署期间，应用一个框架，通过仪表板、预测和汇总指标来展示风险。使用现成的安全控制，并通过持续监控和事件响应方法来增强防御能力。.

通过收集用户和合作伙伴的反馈、适应不断演变的数据类型以及积极改进框架和方法，随着时间的推移扩展政策覆盖范围，以保持竞争力。.

设定关键绩效指标 (KPI)、测量仪表板和季度审查以跟踪人工智能成果

定义人工智能总投资回报率，构建测量仪表板，并建立季度审查以追踪人工智能成果。这些行动有助于面临数据孤岛的团队统一优先级，并提供高管可以在几分钟内浏览的单一视图。这些步骤可以提高决策速度和跨职能协同。纳入隐私控制和治理，以保护数据，同时支持实验；设计该流程以服务于中小企业和中型市场团队。.

需要追踪的关键KPI

对于中小企业和小型制造业部门，跟踪单位成本、周期时间、一次通过率和准时交货率；对于渠道活动，监控活动转化率和合作伙伴赋能情况。衡量模型性能（准确率、精确率、召回率）、运营效率（吞吐量、延迟）和业务影响（成本降低、收入提升）。使用预测来预估需求，并将结果与各种规模项目的预测对齐。有些项目运行试点；有些项目扩展到全面部署。记录方法并为每个指标分配负责人，以便那些负责人保持团队的可见性。使用开放 API 连接传统架构，以保持数据流动。跟踪不断发展的模型并相应地调整 KPI 阈值。同时，在可行的情况下，以成本降低和效率提升为目标。.

仪表盘设计和节奏

仪表板从CRM、ERP、制造执行系统和AI平台提取数据，将传统架构与现代API连接起来。使用单一视图供领导层使用，并为在运营中交付AI的人员提供向下钻取功能。保持数据大小可管理：试点项目按天，推广按周，治理按月。使用移动平均线来平滑波动，并展示下一季度的预测。营销活动模块可以跟踪营销AI带来的改进，同时隐私指标和风险标志可以保持整个团队的可见性。此设置支持高效的决策，帮助服务于中小企业和小规模制造业的人员，并随着架构与不断发展的模型一起演进而扩展。.