讓企業(yè)級AI 從單純的對話者進(jìn)化為業(yè)務(wù)的執(zhí)行者。

2025年12月3日，中國科技產(chǎn)業(yè)智庫「甲子光年」成功舉辦“轟然成勢，萬象歸一”2025甲子引力年終盛典。

其中，千丁數(shù)科COO兼首席科學(xué)家魏振華結(jié)合龍湖多年的數(shù)字化沉淀與最新實踐，就大型企業(yè)如何體系化落地AI進(jìn)行了深度復(fù)盤。

魏振華認(rèn)為，企業(yè)擁抱AI不能止步于碎片化的工具應(yīng)用，而是一場從認(rèn)知到組織的全面進(jìn)化。他指出，隨著大模型技術(shù)的發(fā)展，Agent正在成為企業(yè)新一代的“數(shù)字員工”；但要讓這些看得見、摸不著的數(shù)字員工真正達(dá)到企業(yè)員工的水平，企業(yè)必須解決底層架構(gòu)適配、業(yè)務(wù)知識構(gòu)建、身份權(quán)限配置等一系列問題。

在演講中，魏振華詳細(xì)拆解了企業(yè)落地AI的“六步法則”，并分享了千丁數(shù)科如何通過“AI+數(shù)據(jù)+技術(shù)+場景”深度融合，構(gòu)建起龐大的“數(shù)字員工”體系。他展示的遠(yuǎn)程巡檢、設(shè)備智控等六大實戰(zhàn)場景數(shù)據(jù)，不僅驗證了AI在降本增效上的巨大潛力，也為傳統(tǒng)行業(yè)的智能化轉(zhuǎn)型提供了極具參考價值的“龍湖樣本”。

以下是千丁數(shù)科COO兼首席科學(xué)家魏振華演講實錄，「甲子光年」整理刪改：

1.企業(yè)落地AI的“六步法則”

大家下午好，非常榮幸能有這個機會，代表龍湖集團(tuán)旗下的千丁數(shù)科，與大家分享我們在企業(yè)級AI Agent應(yīng)用上的一些探索與嘗試。

首先，簡單介紹一下千丁數(shù)科。作為龍湖集團(tuán)內(nèi)部孵化的科技公司，千丁數(shù)科自2014年成立以來的十年間，始終伴隨著龍湖集團(tuán)的數(shù)字化轉(zhuǎn)型之路共同成長。在企業(yè)榮譽與專利積累方面，我們?nèi)〉昧瞬簧俪煽?。技術(shù)上，除了大家耳熟能詳?shù)臄?shù)字孿生、AI、物聯(lián)網(wǎng)之外，這幾年我們也結(jié)合企業(yè)AI轉(zhuǎn)型，借鑒PBC（Packaged Business Capabilities）的理念，致力于打造企業(yè)數(shù)字化基礎(chǔ)設(shè)施與組裝式應(yīng)用平臺。

回顧龍湖的數(shù)字化轉(zhuǎn)型歷程，我們將這十年總結(jié)為三個階段。雖然各家企業(yè)在談?wù)摂?shù)字化轉(zhuǎn)型時用的詞匯大同小異，但在具體路徑和最終效果上卻存在差距。

第一階段，我們主要解決“線下工作線上化”的問題，積累了大量業(yè)務(wù)數(shù)據(jù)。 第二階段，隨著地產(chǎn)行業(yè)進(jìn)入下行周期，我們開啟了組織變革與業(yè)務(wù)流程變革，這是推動企業(yè)高效發(fā)展的關(guān)鍵一環(huán)。 第三階段，也就是面向2025年及未來，我們在前兩步的基礎(chǔ)上正式開啟了AI轉(zhuǎn)型。

針對AI轉(zhuǎn)型，我們提出了“三步三化”理論：

第一步是AI Ready，確保企業(yè)具備實踐AI技術(shù)的基本能力，

第二步是AI by side，即讓AI作為輔助工具參與業(yè)務(wù)流程和決策；

第三步，未來一定是向AI inside發(fā)展，將AI深度植入業(yè)務(wù)內(nèi)核，以AI為驅(qū)動核心推動業(yè)務(wù)創(chuàng)新和能力變現(xiàn)。今年，我們聯(lián)合清華大學(xué)發(fā)布了一本數(shù)智化轉(zhuǎn)型白皮書，總結(jié)了龍湖過去十年數(shù)字化轉(zhuǎn)型的總體藍(lán)圖規(guī)劃、產(chǎn)品技術(shù)管理方法論，以及我們踩過的“坑”和經(jīng)驗教訓(xùn)。

回歸到AI這個主題，無論是龍湖還是千丁數(shù)科，我們在做企業(yè)級AI應(yīng)用時，核心始終圍繞著“場景”。千丁數(shù)科不做底層基礎(chǔ)設(shè)施，算力和大模型通過購買成熟服務(wù)解決，我們的重心在于上層場景的探索。我們將企業(yè)AI Agent的落地應(yīng)用路徑總結(jié)為六步：認(rèn)知、價值、平臺、知識、應(yīng)用、進(jìn)化。

第一步是“認(rèn)知”。這解決的是從上到下對AI轉(zhuǎn)型是否達(dá)成共識的問題。對于決策層而言，行業(yè)形勢嚴(yán)峻，轉(zhuǎn)型未必成功，但不轉(zhuǎn)大概率會死，因此需要在投入產(chǎn)出比和戰(zhàn)略決策之間做出及時判斷。對于管理層，從中層管理者的角度看，核心要做的是業(yè)務(wù)流程變革。AI代表先進(jìn)生產(chǎn)力，如果生產(chǎn)力提升了，但生產(chǎn)關(guān)系（流程管理）沒跟上，轉(zhuǎn)型大概率會失敗。對于執(zhí)行層，我們要消除“AI威脅論”。去年我們聯(lián)合人力部門做了幾十場培訓(xùn)，讓員工明白AI能做什么、不能做什么。我們堅信：AI不會取代人，未來被取代的是那些不會用AI的人。

第二步是“價值”。企業(yè)做AI轉(zhuǎn)型，必須精準(zhǔn)選中價值場景。首先要看該場景是否有高質(zhì)量的數(shù)據(jù)，如果數(shù)據(jù)質(zhì)量不過關(guān)，訓(xùn)練出來的智能體大概率無法使用。其次，要看該場景對企業(yè)經(jīng)營是否真有價值。舉個例子，我們在全國有幾萬個停車場，每天產(chǎn)生的異常抬桿記錄高達(dá)50萬次。以前為了查驗其中是否存在舞弊行為，人工復(fù)核的工作量巨大?，F(xiàn)在我們嘗試用AI進(jìn)行自動審計，工作量下降了90%，每年僅此一項功能，就能幫企業(yè)規(guī)避數(shù)百萬的“跑冒滴漏”損失。

第三步是“平臺”。為什么企業(yè)要自建AI智能體平臺？因為個體使用AI和企業(yè)使用AI是完全不同的邏輯。個體使用AI應(yīng)用時是單點單次的，但AI Agent進(jìn)入企業(yè)就像員工入職一樣，我們稱之為“數(shù)字員工”，它需要解決三個核心問題： 第一，熟悉業(yè)務(wù)。Agent需要了解企業(yè)的系統(tǒng)和流程，從而實現(xiàn)企業(yè)內(nèi)業(yè)務(wù)的自主執(zhí)行；第二，權(quán)限管理。Agent能讀取什么數(shù)據(jù)、能對外發(fā)布什么信息，必須有嚴(yán)格的權(quán)限控制，否則會對企業(yè)數(shù)字資產(chǎn)安全帶來災(zāi)難性影響； 第三，成果量化。Agent干得好不好，也需要有可量化、可追蹤的成果，不僅方便升級迭代，還可以追溯風(fēng)險。解決了這三個問題，AI智能體才能真正地在企業(yè)落地生根。

第四步是“知識”，即搭建企業(yè)的知識工程。隨著數(shù)字化建設(shè)，企業(yè)積累了大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。通用的AI就像一個聰明但沒上過學(xué)的新員工，如果沒有“老師”帶進(jìn)門，它學(xué)到的知識體系就是混亂的。比如你問它“北京春節(jié)后市場怎么樣”，如果沒有企業(yè)內(nèi)部的數(shù)據(jù)、策略和規(guī)則作為上下文，它給出的答案大概率是不準(zhǔn)的，無法滿足決策層需求。因此，構(gòu)建企業(yè)專屬的知識圖譜能力至關(guān)重要。

第五步是“應(yīng)用”。這一步主要面向落地，核心是讓一線員工愿意用、覺得好用。這里有兩點關(guān)鍵：一是提供以對話為核心的工作臺，讓找數(shù)據(jù)、查系統(tǒng)變得更簡單；二是做內(nèi)嵌型應(yīng)用，讓AI能力無感地融入原有業(yè)務(wù)系統(tǒng)。例如剛才提到的異常抬桿稽核，必須與OA待辦打通，通過流程驅(qū)動業(yè)務(wù)，而不是讓員工去另一個系統(tǒng)里操作。

第六步是“進(jìn)化”。傳統(tǒng)的數(shù)字化系統(tǒng)代碼和規(guī)則是寫死的，跑一萬次結(jié)果都一樣。但AI是由數(shù)據(jù)和知識驅(qū)動的新生產(chǎn)工具，它的產(chǎn)出是概率性的?？赡艿谝淮沃荒艽?0分，但經(jīng)過訓(xùn)練迭代，它可以達(dá)到80分甚至90分。我們內(nèi)部建立了一套DMRE（Data數(shù)據(jù)、Model模型、Reward獎勵、Evaluation評估） 方法論，不斷迭代和評價Agent的能力，使其逐步從已有水平進(jìn)化到更高的目標(biāo)水平。

基于這六步方法論，我們今年刷新了龍湖的AI架構(gòu)總圖。最底層是數(shù)據(jù)層，包含結(jié)構(gòu)化數(shù)據(jù)和大量非結(jié)構(gòu)化的文檔知識；中間是模型層，包括數(shù)字孿生、大模型調(diào)優(yōu)及行業(yè)大模型；再往上是AI智能體平臺及六類核心場景；最上層是業(yè)務(wù)應(yīng)用?；赑BC理念，我們將已落地的數(shù)字化產(chǎn)品整合為數(shù)萬個API，并支持MCP（Model Context Protocol）調(diào)用，徹底打通了系統(tǒng)對接和數(shù)據(jù)獲取的通路。

2.六大業(yè)務(wù)領(lǐng)域的智能化答卷

基于千丁數(shù)科的技術(shù)與方法論沉淀，我們首先在六個業(yè)務(wù)領(lǐng)域進(jìn)行了智能體的探索，也在企業(yè)的投資、建造、營銷、運營、人力、財務(wù)等多個領(lǐng)域，針對流程、服務(wù)、數(shù)據(jù)有著不同的落地應(yīng)用：

1.遠(yuǎn)程巡檢Agent（物業(yè)場景）：以前全國項目每月收集3000萬張圖片，人工標(biāo)注工作量巨大。引入多模態(tài)技術(shù)后，標(biāo)注提效十幾倍。目前集團(tuán)每月產(chǎn)生的 25 萬工單中，約四分之一由Agent自動生成、處理并閉環(huán)消單。

2.設(shè)備智控Agent（能源管理）：針對設(shè)施設(shè)備和能耗管理，從數(shù)據(jù)采集到策略生成再到執(zhí)行優(yōu)化。結(jié)合EMS能源管理系統(tǒng)，我們每年管理的電費規(guī)模達(dá)3.2億元，通過AI提效，總能耗整體降低了約27%。

3.資產(chǎn)經(jīng)營Agent（商業(yè)/長租公寓）：多個子智能體協(xié)同運營，實現(xiàn)對項目資產(chǎn)的全面綜合診斷，輸出問題識別結(jié)果、調(diào)節(jié)建議等，并進(jìn)行評審反饋校驗。

4.服務(wù)品控Agent（客戶服務(wù)）：以前靠客戶投訴來發(fā)現(xiàn)問題，現(xiàn)在利用企微每年上億條對話數(shù)據(jù)，通過Agent進(jìn)行事前預(yù)測。比如識別管家回復(fù)語氣是否推諉敷衍，提前預(yù)判客訴風(fēng)險。

5.流程工單Agent：借助AI實現(xiàn)智能合同和單據(jù)審核、任務(wù)執(zhí)行、流程優(yōu)化迭代等任務(wù)，將被動的基于規(guī)則的執(zhí)行轉(zhuǎn)變?yōu)橛葾I和數(shù)據(jù)驅(qū)動的流程智能體。

6.員工培訓(xùn)Agent：除了常規(guī)問答，我們嘗試用Agent進(jìn)行實戰(zhàn)演練（Roleplay）。Agent模擬客戶與管家對話，若管家應(yīng)對不當(dāng)，系統(tǒng)會記錄并評估，幫助員工在面對真實客戶前建立起專業(yè)能力。

以上就是我今天的匯報與分享。如果大家感興趣，歡迎進(jìn)一步交流，謝謝！

（封面圖及文中配圖來源：2025甲子引力年終盛典）