腾讯云这份白皮书，暴露了AI落地的真正门槛

01

在前几天，Meta扎克伯格在公司内部员工大会上表示，尽管投入海量资源发展AI，但在过去四个月里，AI智能体的开发并没有像预期的那样加速，导致股价大跌5%。

今天的市场越来越关注AI到底能不能帮企业多赚钱、少花钱、少担风险。

在今年腾讯股东会上，我向小马哥请教的AI船票问题火爆全网，腾讯最近也在AI上加大力气，退出日本游戏，加码存储，推广微信agent、workbuddy，效果到底如何呢？

前不久，腾讯云发布了《企业级智能体效能管理指南》，我以为又是那种满是术语的天书，但看了一下就吸引了我。

今天，我就结合指南跟大家分享怎么用AI、怎么算账、怎么管AI的干货跟案例。

02

首先，怎么判断一个AI项目是好是坏？

很多公司搞AI，就像以前搞ERP，上了一大堆系统，最后成了没人用的摆设，为什么？

因为从一开始就没想明白怎么算账。

所以，我去很多公司调研，都会关心他们用没用AI？成本多少？有没有带来业务结果或者效率提升？管理者自己用不用？

这几个问题一问，就基本上有了答案。

腾讯在白皮书里，也提了一个跟我问题类似的框架，叫“四维度效能评估”。

第一个度，业务结果：收入涨了多少？成本降了几个点？坏账是不是少了？少讲大词，多提数据。

第二，效率提升：一个人一天能用AI处理多少个单子？一个流程在AI帮助下从三天缩短到三小时了吗？自动化率有多高？这是实实在在的生产力。

第三，体验与质量：客户投诉了吗？客服能一次解决问题吗？AI写的合同条款有没有漏洞？这些影响口碑和复购。

第四，可靠性与合规：系统足不足够稳定？AI有没有产生幻觉？所有人的行为能不能做到数据留痕？

这是智能体进入核心业务的门槛，企业一点马虎不得。

你看，这四个维度一摆，一个AI项目是骡子是马，心里就有谱了。

我们可以像看财务报表一样，去衡量、追踪AI的效果指标。

我也挑了三个我认为最有代表性的企业案例，来看看AI的落地情况。

第一个案例是我一直关注的消费品行业。

消费品行业的AI落地，不是集中使用某一个AI，而是分散在不同的业务环节提高效率。

像伊利的“达人营销智能体”，让我印象深刻。

它就只在寻找带货达人上提供帮助，根据不同的关键词去识别目标达人，自动发邀约，自动发送一部分标准化的商务条件。

整个过程就不再原来要靠商务团队一个个去聊，在AI帮助下，一个商务一天能对接200到500个达人，比传统对接模式，效率提升达到200倍。

类似的还有导购智能体，很多一线导购很难记住公司所有产品卖点和促销活动，不能第一时间给客户带来帮助。

就在这个环节，腾讯云就把伊利的这些活动优惠跟卖点政策导入企业微信，喂给AI。

这样，一个初级导购不需要死记硬背，直接手机上询问AI，让AI在一秒钟总结出卖点，形成专业介绍跟链接发给顾客，白皮书数据显示，结果是导购点击率提升15.7%，下单转化率提升39%。

这都是打破了以前的人海战术，用AI在具体环节把人的能力跟效率放大了百倍。

第二个是酒店行业的智能体。

酒店行业属于服务行业，人力成本很高，AI智能体落地，在于整体数据、环节的打通，从而形成服务的便利。

连锁酒店集团尚美跟腾讯合作，把酒店的PMS系统、中央预订系统、携程/美团等外部OTA渠道，甚至客房智能门锁全打通了。

把传统固定流程的环节交给AI处理，同时，在服务上形成了陪伴式AI管家。

比如说前台的订房、退房环节，这是酒店必经环节，也是等待时间最长的环节。

现在只要人给智能体发出指令，比如给302房的客人办退房，再开张发票，系统就能自动完成。

对客户来说，需求也能通过房间内置的AI音箱来实现，它自己首先会分析客户需求，确定优先级跟对接人员，然后，自动联动前台和客房部，进行跨系统的复杂任务执行。

这就极大减少了培训和服务成本，同时提高了客户满意度。

第三个案例是企业服务领域的代理记账。

这个行业的人力成本也很高，使用AI的碰到的最大问题就是，95%的标准单据能被机器处理，但剩下的5%非标场景，要吃掉95%的人工时间。

比如算离职员工的工资、核对个税，一个老会计可能都要折腾半天，我在使用AI做调研分析的时候，也经常碰到类似的问题，大部分问题AI能帮我处理，但小部分问题也是关键的细节，比如说数据验证往往是耗费人工最多的时间。

腾讯云就跟代理记账公司合作把AI智能体内置企业微信侧边栏，会计一旦遇到复杂税务问题，就可以直接呼唤智能体提出要求，AI会根据对话框实时信息跟历史数据开始检索、计算、出方案。

会计就是需要审核AI的方案是否可行，数据有没有错误，按流程计算一下，确认无误，就可以回复客户了。

这就是典型的人类+AI agent的人机协同模式，而不是人机替代。

除了带来效率之外，通过全链路可见的AI Agent平台，企业就能精细化每一个客户的画像，它的财务需求是什么？偏好是什么？从而制定出个性化的定制化方案。

03

所以，上面这三个案例，虽然都没有用到今天最好的大模型，但至少做对了三件事：

1、把AI塞进了员工每天的工作流里，不是让员工再去学一个新系统或者是提示词，AI会自动出现在企业工作软件或者是某一个具体业务场景中，可以实时分析问题类型、提出方案，它对人的要求降低了，员工不需要改变工作习惯，AI悄悄地就进来了，解决问题的能力也就上去了。

2、为什么通用大模型在企业里经常一本正经地胡说八道？

因为它不懂你的行业、产品、客户跟流程，只有把企业散落在各处的知识、流程、案例变成了AI能看懂、能调用的知识库，AI才能理解企业，企业也能跨场景、跨系统地享受到AI带来的优势。

3、解决问题为先。

前段时间很多企业都鼓励员工使用AI，把消耗的token作为kpi计入考核中，结果，公司承担了大量成本，作秀刷token量的员工变多了。

真正的AI要能解决问题，该用大模型用大模型，该用小模型用小模型，按场景选，按用量付钱。

所以，我现在看一家公司，不再只看它有没有AI概念、有没有接入大模型。

这些都不重要，重点是看两件事：AI有没有嵌入到员工的日常工作流里？AI解决的问题，有没有产生可衡量的业务结果，比如转化率、响应速度、客户满意度、成本下降？

能回答“是”的公司，AI就是它的生产力。

回答不上来的公司，AI就只是一个摆设。

责任编辑| 罗英凡

图片均来源于AI

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。