頭圖 | 視覺(jué)中國

(資料圖)

在A(yíng)GI浪潮的推動(dòng)下，AI智能體被視為重塑企業(yè)運營(yíng)效率和組織形態(tài)的核心驅動(dòng)力，是下一代企業(yè)級應用的關(guān)鍵。

然而，光環(huán)之下，也帶來(lái)不少疑問(wèn)：Agent的紅利最終將流向何方？那些看似酷炫的對話(huà)、生成與決策能力，怎樣才能轉化為可量化、可持續的商業(yè)價(jià)值？

在上周三（11月19日）虎嗅智庫舉辦的最新一期502線(xiàn)上研討會(huì )，邀請了三位在各自領(lǐng)域率先實(shí)現Agent商業(yè)化和規?；瘧玫闹匕跫钨e——洋蔥學(xué)園聯(lián)合創(chuàng )始人兼董事長(cháng)楊臨風(fēng)、龍湖千丁數科數智企業(yè)部負責人張鐵安，以及峰瑞資本合伙人李豐，從價(jià)值、落地、實(shí)戰三個(gè)維度，為我們提供了一張AI智能體在企業(yè)中“從0到1”及“從1到n”的清晰路線(xiàn)圖。以下是精彩內容回顧：

大模型能力持續提升，為AI功能帶來(lái)核心變革

洋蔥學(xué)園聯(lián)合創(chuàng )始人兼董事長(cháng)楊臨風(fēng)，首先帶來(lái)了《AI智能體重塑教育的實(shí)踐與思考》。楊臨風(fēng)特別提到，大模型技術(shù)的引入為教育領(lǐng)域帶來(lái)了顯著(zhù)變化。尤其是從2025年開(kāi)始，大模型能力的提升，讓AI的功能不再僅僅局限于內容生成（如AIGC），而是能主動(dòng)參與學(xué)習規劃，包括——

策略規劃：識別用戶(hù)的意圖。

內容拆解：根據用戶(hù)意圖進(jìn)行千人千面的內部拆解。

任務(wù)生成：重新生成適合學(xué)生的個(gè)性化學(xué)習任務(wù)。

這相當于用AI來(lái)輔助和執行決策。以前積累的內容資產(chǎn)，不僅沒(méi)有被顛覆，反而成為了大模型能夠施展其規劃能力、實(shí)現“一加一大于二”效果的底層基石。

楊臨風(fēng)認為，這種轉變使得教育不再是簡(jiǎn)單的“流量變現”模式，而是轉向更深層次的“價(jià)值創(chuàng )造”過(guò)程。與主要關(guān)注既定知識傳遞和效率提升的“AI輔助學(xué)習”不同，“AI自主學(xué)習”以能力培育為核心，更加注重激發(fā)學(xué)生學(xué)習的內在目標感，幫助他們系統性的構建判斷力與可遷移能力，并享受自主學(xué)習。通過(guò)精準切入學(xué)生的學(xué)習痛點(diǎn)，并培養其高階認知能力，企業(yè)與用戶(hù)之間的價(jià)值連接更為深入，從而打開(kāi)了新的商業(yè)價(jià)值空間。

為此，洋蔥學(xué)園將所有學(xué)習場(chǎng)景（作業(yè)、預習、答疑）視為“自主學(xué)習的培育場(chǎng)景”而非簡(jiǎn)單的“履約場(chǎng)景”。并開(kāi)發(fā)了一整套“智能學(xué)伴”體系，涵蓋多個(gè)智能體（如下圖）：

其中，AI私人助教近一個(gè)月互動(dòng)次數已達2591萬(wàn)。楊臨風(fēng)談到，教育行業(yè)的容錯率低，AI的成功應用取決于行業(yè)的深度積累。通過(guò)對5000億條數據資產(chǎn)進(jìn)行專(zhuān)有模型訓練，讓AI深度理解洋蔥積累的上萬(wàn)節動(dòng)畫(huà)課程知識點(diǎn)、思維標簽和知識圖譜，為AI系統的完善和優(yōu)化提供了強有力的支持。

從效率工具到智慧中樞，智能體落地的三階段戰略

隨后，龍湖千丁數科負責人張鐵安先生分享了龍湖集團在A(yíng)I智能體落地方面的實(shí)戰經(jīng)驗與戰略布局?？偨Y了大型企業(yè)內部AI落地的清晰路線(xiàn)圖，分為三個(gè)關(guān)鍵階段：

AI Ready（認知與準備）：核心是回答“企業(yè)是否準備好駕馭AI？”這一問(wèn)題。重點(diǎn)在于“人”的認知（管理層和員工對AI能力邊界的理解與培訓），數據質(zhì)量（高質(zhì)量數據是AI的基石），以及基礎設施（技術(shù)平臺的搭建）。

AI Byside（場(chǎng)景與協(xié)同）：強調AI的快速落地和人機協(xié)同。通過(guò)智能體平臺快速構建大量高頻使用的AI Agent，幫助員工實(shí)現更有效、更高效地工作。目前龍湖內部上線(xiàn)的智能體已超過(guò)180個(gè)。

AI Inside（核心管理）：這是最高階目標，將AI能力嫁接到企業(yè)核心管理邏輯中，例如價(jià)格定價(jià)策略、風(fēng)險自動(dòng)預判和關(guān)鍵業(yè)務(wù)決策。AI不再是工具，而是成為企業(yè)的“智慧中樞”，替代特定員工的部分工作。

同時(shí)，張鐵安通過(guò)具體案例，展示了AI Agent如何在復雜企業(yè)中從“生產(chǎn)線(xiàn)”滲透到“決策鏈”：流程自動(dòng)化提效、合同審核平臺、多模態(tài)巡檢與審計、業(yè)主報修、能源運營(yíng)優(yōu)化等場(chǎng)景。

AI大模型企業(yè)級落地依賴(lài)于結構化的方法論（如上圖），張鐵安特別強調了知識庫建設的系統性，需要對結構化與半結構化數據進(jìn)行組織、建模和技術(shù)加工（如向量化），并嚴格管理權限和安全。

什么樣的企業(yè)能用好AI智能體？

作為對產(chǎn)業(yè)趨勢有著(zhù)敏銳洞察的投資人，峰瑞資本合伙人李豐從宏觀(guān)視角對Agent的未來(lái)發(fā)展趨勢和投資機會(huì )進(jìn)行了總結，為在場(chǎng)的企業(yè)決策者提供了寶貴的戰略指引。

李豐認為，Agent 技術(shù)的應用前景非常廣泛，但紅利未必都屬于新創(chuàng )公司。在他看來(lái)，AI Agent 的規?；涞馗赡馨l(fā)生在滿(mǎn)足兩個(gè)條件的行業(yè)：一是已建立高質(zhì)量的數字化閉環(huán)，二是服務(wù)流程高度依賴(lài)自然語(yǔ)言交互（如教育、醫療、金融咨詢(xún)等）。

在這些行業(yè)，存量企業(yè)可能擁有高質(zhì)量的數據資產(chǎn)，也積累了對場(chǎng)景的理解，因而更容易獲得競爭優(yōu)勢。這與大數據時(shí)代“技術(shù)供應商難盈利，而數據擁有者受益”的規律相似。

李豐還特別強調，在大部分的場(chǎng)景中，Agent的應用可能跟自動(dòng)駕駛類(lèi)似，需經(jīng)歷從“L2 到 L4”的漸進(jìn)過(guò)程，初期需要保留human-in-the-loop，也就是得有人來(lái)監督和參與。

他總結道，由于技術(shù)本身可能難以構筑長(cháng)期壁壘，這對獨立創(chuàng )業(yè)的 AI Agent公司和早期投資人而言，都構成了不小的挑戰。但就像其他創(chuàng )新領(lǐng)域一樣，新的機會(huì )始終存在。

在最后的討論環(huán)節中，三位嘉賓圍繞觀(guān)眾提到最為關(guān)心的“Agent落地中的最大障礙”和“如何衡量ROI”兩大問(wèn)題，展開(kāi)了深入的思辨。

嘉賓們一致認為，目前Agent在處理高度標準化、規則明確的業(yè)務(wù)（如財務(wù)審核、代碼生成、數據清洗）方面已成熟，但對于涉及“經(jīng)驗”、“直覺(jué)”和“風(fēng)險偏好”的主觀(guān)決策，AI仍處于爬坡階段。

關(guān)于投資回報率ROI，嘉賓們提供了務(wù)實(shí)的視角：短期ROI需要聚焦效率提升，即替代人力、減少錯誤、縮短流程時(shí)間。長(cháng)期ROI則要錨定業(yè)務(wù)增長(cháng)，例如通過(guò)Agent優(yōu)化的客戶(hù)體驗帶來(lái)客戶(hù)留存率的提升、銷(xiāo)售轉化率的提高（GMV）。

綜上，AI智能體不是一個(gè)孤立的技術(shù)，它是企業(yè)數字化能力的集大成者。它既考驗數據厚度，也倒逼組織與流程再造；既重塑成本結構，也重塑決策權力鏈。當Agent完成從“生產(chǎn)線(xiàn)執行者”到“決策鏈輔助者”的躍遷，企業(yè)的新形態(tài)才真正被激活。

下一步，AI還能在哪些場(chǎng)景繼續深挖？如何讓運營(yíng)更聰明、ROI看得見(jiàn)？虎嗅智庫12月19日北京線(xiàn)下研討會(huì )《AI如何讓企業(yè)運營(yíng)更聰明》，席位有限，掃碼鎖定，一起把“聰明”做成可復制的商業(yè)模式。

本文來(lái)自虎嗅，原文鏈接：https://www.huxiu.com/article/4810037.html?f=wyxwapp

關(guān)鍵詞： 真愛(ài) 智能體 roi 知識庫 大模型 agent sectiontitle