个人早就用上了AI,企业的AI还停在业务门外

资讯 腾讯网 作者:第一新声 全文 3765 字 · 约 10 分钟读完

分析师/会磊 校对/Tina 策划/Eason “以前做会员活动,方案都是几个人在会议室里拍脑袋定出来的。券发出去,等两周报表回来,才知道哪一档等于白送。”一位连锁餐饮....

分析师/会磊

校对/Tina

策划/Eason

“以前做会员活动,方案都是几个人在会议室里拍脑袋定出来的。券发出去,等两周报表回来,才知道哪一档等于白送。”一位连锁餐饮集团的会员运营负责人说。而现在,系统会先把几种方案的效果和风险摆出来,人只判断选哪个。他觉得省下的不是写方案的时间,是试错的时间。

这句话道出了一个分水岭。如今会干活的工具已经不少,个人的活先被接走了:写方案、做表、出报告,一句话交代下去,成品就出来了,提升的是员工个人效率,但真正能让AI把一件事想到、做完、再复盘的企业,仍然是少数。

德勤《技术趋势2026》智能体的企业只占11%;

今年7月,云徙科技发布《基于

xGOS.AI

01 插件装了,订单为什么还是走不完




市面上的AI工具,如今已分出几条路线:办公套件里的助手负责写材料、做纪要、查文档;客服机器人、OCR、智能外呼,各自盯住一个具体动作;

问题在于,企业运营并不是这些工具简单拼起来的。一笔订单要跨营销、交易、履约、结算四个部门,中间还夹杂着折扣底线、审批例外、库存约束,这些判断散在人身上。工具能记录、能分析、能生成方案,唯独不能替企业把判断做完。

云徙科技在《基于xGOS.AI的企业AI应用标准》白皮书里给出了三条判断标准:能不能自己执行业务决策;能不能走完感知、决策、执行、反馈这个循环;会不会在使用中进化。

按这三条判断标准来衡量,办公助手主要服务个人效率,单点工具只覆盖一个动作,系统厂商的AI与自家产品贴得最紧、换了系统往往要重新对接,

为什么卡在这儿?因为有三样东西,是AI工具给不了的。

一是语义。财务、运营、电商各有一套口径,销售额按含税、不含税、发货、下单分别能算出不同的结果,AI分不清哪个可信;客户、门店、商品、订单之间,得先有一层机器能懂的定义和关系,这层东西叫

二是知识。规则、经验和判断依据散在人脑里,模型里没有。

三是业务能力。调价、发券、补货、审批这些动作,最终都要在业务系统里落成单据;老系统不改,接口开不出来,AI再会想,也只能停在建议层面。

缺了这三样,智能体再能干,也是在系统外面干活。

这也解释了通用AI和企业AI的分野:前者比的是个人效率,可以外挂;后者比的是业务结果,得长在系统里。云徙科技的xGOS.AI正是按这三层来做的——资产层管判断依据,底座管执行通道,

02 卡住AI的,是哪四道断层




三条标准要立得住,得先看清企业里卡在哪儿。

卡住AI的有四道断层:第一道是知识,从来没被结构化,锁在老员工脑子里,人一走就带走;第二道是流程,按岗位串行执行,按层级层层审批,AI只能出建议;第三道是数据,散在各套系统里,口径不一;第四道在战略和执行之间:战略往下走,每过一层翻译一次,到一线往往成了模糊口号。

这四道断层,对应前面说的三层结构:资产层管知识和数据,底座管执行通道,场景层让任务跨部门跑完。

图注:xGOS.AI以

先说资产层。AI要自己拍板,前提是判断有据可依。而企业的碎片信息往往散在人的经验、流程的节点、系统的接口和数据的记录里。云徙把这一层叫

资产一共分四类:知识资产;MCP;

四类里最费功夫的是,因为它不在任何一套系统里。通用模型懂行业,却不懂这家企业。你问他怎么提升复购,它答得出分层、权益、唤醒;可有的企业按到店频次乘客单价分层,同一个商品的折扣底线在各渠道也不一样。这些细节,通用模型并不知道。

策略要落到动作,中间得经过两次翻译。先把一句话翻成规则,什么条件触发、阈值多少、谁审批、超限怎么办;再翻成动作,调价、发券、下单、转人工。规则存在资产层,动作走底座,结果回到资产层。

夹在中间的是业务断层卡住的地方,往往不是模型不够聪明,而是没有一条能让AI签字的通道:它得连上用了十几年的老系统,管得住哪个岗位、哪个AI能调什么,把几个动作编排成能跑完的流程,而且全程还得看得见、追得回。

最上方是场景层,有四个入口:营销、订单、供应链、业财,每个入口下面是一支AI团队:策略师出方案,执行师动手,分析师看结果,人定目标和边界。

这三层不是分别去满足的。判断有依据,执行有通道,一圈跑得完,靠的是同一套结构。能不能进化,要看结果回不回得来。

03 哪些交给AI,哪些必须人确认




回到开头的三条判断标准,第一条问的是AI能不能自己执行业务决策?同样是补货、审批、开方,交给它的程度可以完全不同。

先看全自动的。门店补货要同时考虑服务水平、库存成本和调拨时效,店长很难三者兼顾。云徙所服务的某家居企业把补货拆给四个AI团队:需求预测出基准,门店与分仓生成两级补货方案,总仓在起订量、箱规、产能的约束下出采购方案,库存监控盯缺货、积压和临期,方案由系统自己跑,人只看异常。实践下来,现货率和服务水平都比人工排补货时明显提高。

半自动的一类,是把选项摆到人面前。一家地产与商业运营企业把获客、签约、回款、佣金结算的规则放进同一套系统。碰上签约延迟、回款异常,系统会把补充材料、回款跟进、审批几条路拆出来,交给人选。放不放行,最终还是人来签字。

第三种是不许自动。一家畜禽养殖企业把兽医知识库、兽药知识和积累的病例接进AI诊疗,养户用文字、图片或语音说症状,系统给出疑似疾病、鉴别要点和用药建议,供养户参考。但开药这一步不归模型管:禁用药、

交到哪一步,看的是出事谁担责,不是模型多聪明。动钱、动药、动合同的,人签字;动库存、动排班、动触达的,AI自己跑;中间那一段,由AI把选项摆出来,人来选。当然,前提是权限写得清,哪个岗位、哪个AI、能动哪一类动作、动多大额度,都要在系统里落成规则;权限含糊,AI就只能退回成建议。

04 闭环跑不完,断在哪一环




第二条标准问的是能不能走完感知、决策、执行、反馈这个循环?多数企业的AI还挂在业务系统外面,只出建议,连不上就谈不上跑完;真正接进去的,断点也各不相同。

会员营销这一圈,最容易断在反馈。券发出去,核销、复购和退单散在三个系统里,说不清哪一环漏了,下一轮就只能从头发券。

订单这一圈,容易断在执行。一笔订单从下单到结算,占库存、派仓、结算回传,几道手各算一套;接口开放不出来,动作落不下去,单据也回不来。一家家电品牌把电商、门店、物流仓和支付接进同一套框架,建起

供应链这一圈,断口常在策略。补货单下出去只是开头,到货率、周转天数、临期库存分在三张表上,对不上就各看各的,缺货和积压常常同时存在:一个仓的滞销,往往就是另一个仓的缺货;调拨、退供、清货,本该放进同一套策略里权衡。这一环断了,就拼不出一个统一的判断。

业财这一圈,断口在入口。营销费用多数由经销商先垫,再逐级提报核销,单据跨月、口径不一,核销一慢,预算就滚不动。一家调味品企业上线了

四块断的地方不一样,共同点却很一致:中间总有一环没人管:要么落在人手里,要么落在别人的账上,回来的时候自然就断了。而补这一环,多数时候不是加一个AI应用,是改系统。

05 同样的活,第二次会不会更快



第三条标准问的是会不会在使用中进化,换句话说,同样的活,第二次做会不会更快。

一家经营多个餐饮品牌的连锁集团,在授权范围内把旗下品牌的会员数据接了进来,不同品牌、不同渠道的会员信息拼成一张

过去做这样的方案,要从几套系统分别取数、逐项配人群,做到能执行往往按天算;现在只要把目标说清楚,AI团队就会分工产出分群、方案和触达,人只在关键点确认,准备时间从按天压缩到了按小时。 

活动做完,事情才刚开始。分群逻辑、权益组合和结果都会回写到资产层,下次做同类活动,起点就不再是一张空表。

要进化,账得算得清。一次放行是对是错,事后得有结果对上;对不上,沉淀下来的只是说法,而不是经验。规则也是在用的过程中长出来的。促销能不能叠加、赠品算不算毛利,写成规则还要过执行这一关;老被误触发的规则,说明边界写错了,得回头改。前两条标准能靠设计和实施做到,这一条只能靠时间。

06 留下来的,和留不住的




三条标准,说到底只问一句:做完这一轮,结果有没有回到企业身上。一次佣金放行、一轮调货、一张单据核销,当时为什么这样定、依据在哪,都回到资产层;下一班人接手,不必重新问一遍。模型可以调用,工具可以购买,规则买不到。

比规则更难买的是人。人的本事只能长,而且长得最慢。过去靠经验拍板的店长,现在要把目标说清楚、把边界划出来、按结果改规则;过去埋头拉数的运营,现在要判断AI给的三个方案哪个能用。这些不在任何交付清单里。

当然,这套东西有边界。业务模式清楚、规则写得出来、相对稳定的企业最见效;规则还在试错、数据没打通的,确定性就有限。评估效果也别只看上了多少应用,更要看经验有没有沉淀成资产。

留下来的东西也会坏。规则会过期,口径会漂移:同一个会员,百货按消费额、超市按到店频次给权益,一张券发下去就重复了。谁定规则、谁改口径、谁对结果负责,不写清楚,AI用得越久越不准。

Gartner模型会更新,工具会换代,但开头那位负责人省下的试错时间,说到底不是模型给的,而是企业把判断的依据、执行的通道、跑完的结果留在了自己手里。云徙科技xGOS.AI想做的,正是让这三样长进企业自己的系统里。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Snowflake Business Ontology:AI 时代如何统一业务口径?

    11 月 3 日,Snowflake 宣布推出 Business Ontology ,即将开启公开预览。它提供了一种受治理的方式,支持团队定义、归属、审批共用业务术语、实体、关联关系与指标,并将其映射至承载这些定义的数据和模型。

    来源 InfoQ
  2. 版权、流量与AI:在线音乐平台迎来新战事

    作者 | 刘艺晨 音乐平台从未像今天这样不缺新歌,但下一个能够持续创造商业价值的音乐明星,依然难寻。11月17日,腾讯音乐公布2026年第三季度财报,营收89.41亿元,同比增长5.6%,低于市场一致预期。依靠高阶会员、演唱会和艺人周边,这家在线音乐巨头正进一步挖掘成熟IP的商业价值,但主力产品的用户活跃度仍然承压。存

    来源 腾讯网
  3. 马斯克预测:2031年AI智慧或超全人类总和?

    在接受《经济学人》采访时,全球首富埃隆 · 马斯克(Elon Musk)大胆预测,称未来约 5 年内,即约 2031 年,人工智能(AI)超过全人类智慧的总和。到那时,除“作为人类”之外,几乎没有什么是 AI 不能比人类做得更好的。

    来源 IT之家
  4. 剑桥词典2026年度词为何是"human":AI逼人重新定义自己

    一句话读懂剑桥词典11月17日宣布,“human”(人类)当选2026年度词汇,理由是人工智能模糊了人与机器的界限,全球围绕人类身份和人机关系的讨论日益升温。为什么重要剑桥词典把“human”定义为“具有人类所具有的品质、缺点和情感,而不是神、动物或机器”。词典编纂者科林·麦金托什说,人工智能正在改变人们谈论“人类”的

    来源 腾讯网
  5. 马斯克:AI 约 2031 年或超全人类智慧总和,2036 年金钱重要性或下降

    IT之家 11 月 19 日消息,在接受《经济学人》采访时,全球首富埃隆 · 马斯克(Elon Musk)大胆预测,称未来约 5 年内,即约 2031 年,人工智能(AI)超过全人类智慧的总和。到那时,除“作为人类”之外,几乎没有什么是 AI 不能比人类做得更好的。 IT之家附上相关视频如下: 马斯克同时描绘了一个乐观

    来源 AI 行业观察
  6. 剑桥词典2026年度词选“Human”:AI时代重问人性是什么

    IT之家 11 月 18 日消息,人工智能带来的担忧,让剑桥词典将目光重新投向了 15 世纪,选择一个古老词汇来概括 2026 年的时代文化特征。剑桥词典公布的年度词汇是“Human”。这一选择不仅是对过去的回望,也在一定程度上反映了人们对 AI 发展的反思。随着人工智能逐渐模糊机器与人类之间的界限,关于人类独特性的讨

    来源 腾讯网
  7. 始终将水瓶、文件夹误认为枪支,美国一高中停用 AI 武器探测系统

    IT之家 11 月 18 日消息,据外媒 TechSpot 今天(18 日)晚间报道,因屡次将普通物品误判为潜在威胁,美国宾夕法尼亚州亨普菲尔德地区高中最终决定停用 AI 武器探测系统。 该校高中是当地参与 Wi-AI 系统训练的多所学校之一。该系统由卡内基梅隆大学衍生企业 CurvePoint 开发,通过分析 Wi-

    来源 AI 行业观察
  8. AI仿冒盯上普通人:演员被换脸带货,授权难题怎么破?

    “一觉醒来,谁在利用AI肆意抓人替自己作恶?”近期,某演员公开质疑有账号利用AI仿冒其形象和声音带货。事件曝光后,涉事账号被平台永久封禁。类似的AI仿冒乱象并非个例。近日,针对利用AI技术假冒仿冒知名公众人物虚假带货、吸粉引流、误导网民等问题,网信部门督促网站平台深入开展集中整治,从严查处违法违规信息和账号...

    来源 腾讯网
  9. AI伴侣的孤独陷阱

    AI伴侣的核心卖点是随叫随到的陪伴,但这种陪伴是否真正有效?斯坦福大学一项基于46万条真实聊天记录的研究发现,对于社交网络薄弱的人,这种陪伴不仅没有缓解孤独,反而让孤独加剧。

    来源 AI 行业观察
  10. 超三分之一Z世代靠AI交朋友,孤独感反而更重?

    盖洛普最新报告显示,超过三分之一的Z世代将AI作为社交伴侣,拥有纯线上朋友或依赖AI陪伴的年轻人,孤独感显著高于其他群体。技术看似填补了社交空缺,却可能加剧人际疏离。本文编译自WIRED,解析这一矛盾现象背后的数据与隐忧。

    来源 AI 科技快讯
  11. Avi Schiffmann:抽烟不怕癌,AI 迟早能治?

    过去一年,硅谷 AI 圈变得越来越“不正常”。在这个向来把冷水浴、睡眠监测和间歇性断食奉为健康圭臬的圈子里,一部分人却重新捡起了香烟。AI 初创公司创始人 Avi Schiffmann 就是其中一员。最近,在谈及吸烟的健康风险时,他对此表现得毫不在意。因为在他看来,等到吸烟真正带来严重后果时,AI 技术已经能把问题解决

    来源 腾讯网
  12. 盖洛普报告:超三分之一Z世代用AI交朋友,孤独感更高

    盖洛普最新报告显示,超过三分之一的Z世代将AI作为社交伴侣,拥有纯线上朋友或依赖AI陪伴的年轻人,孤独感显著高于其他群体。技术看似填补了社交空缺,却可能加剧人际疏离。本文编译自WIRED,解析这一矛盾现象背后的数据与隐忧。

    来源 AI 行业观察
向下滚动自动加载更多