AI有用｜如何把AI装进企业自己的“大脑”？

人民网记者 陈晨

随着人工智能加速融入企业服务体系，行业发展关注点正由模型能力转向应用落地。围绕人工智能如何进入真实企业场景、如何守住安全边界、如何推动产品销售与各部门融合等话题，人民网上海频道记者采访了从事企业智能体研发的上海自然而然信息科技有限公司创始人李立峰。

采访中，李立峰就公司员工使用人工智能如何守住安全边界、企业内部数据如何在不出域的前提下调用人工智能能力等问题进行了探讨。

企业需要的，不只是一个更聪明的大模型

近三年，AI进入企业的速度超出预期。员工用它写材料、做分析、答客户，效率实实在在提上去了。但李立峰观察到，与此同时，工作的过程也在悄悄流向企业之外。

“员工每天跟外面的AI对话，把方案的思路、客户的情况、内部的判断一点点讲给它听。这些经验最后沉淀在哪儿？”在他看来，这不是员工的问题，“企业要做的，是给他们一个同样好用、成果又能留下来的选择。”

那么，把公共大模型换成企业自己部署的大模型，是不是就够了？“还不够。大模型是一问一答，今天真正好用的是智能体——它会多轮推理，会自己检查哪一步不对，会调用工具、读文件、操作系统，围绕一个目标把活干完。”他打了个比方：买了显卡、部署了模型，却没给员工配一个称手的智能体，“就像厨房修好了，没请厨师。”

于是有了一条链条：要让核心经验留在企业内部，就要让员工用企业自己的AI；员工不会为此牺牲效率，企业就得提供一个能力不输外面的智能体；当它成为日常工作的入口，所有的对话、文件、判断和结果，自然就沉淀进了企业自己的知识库。

“前面几步还是在守，到这一步变成了攒。”李立峰说，“员工每做一次工作，企业的家底就厚一分。”这正是他把这套系统叫作“进化脑”的原因——它不替谁干活，而是把企业的判断力沉淀下来，随业务一起长大。系统会在后台整理知识、提出修订建议，但有一条规矩不能破：人不审批，知识库不变。建议只认授权来源，生成后先按新版本回溯近期结论、说明会有多少条结果发生变化，再由业务负责人决定是否采纳，改错了可一键退回。“谁能提、谁来判、错了怎么办，这三个问题必须有答案。”

知识库打通，企业内部不再“单兵作战”

如果说第一点解决“留下来”，第二点解决“用起来”。

李立峰结合自身实践分享：公司销售各有一套讲解材料，过去躺在各自电脑里，现在都在同一个知识库中。晚上没人加班时，系统把这些材料比对整合，第二天早上给出一个比任何人单独做的都更好的版本。

在一家国际豪华汽车品牌的中国团队，这件事用在了两个环节。找客户：系统持续检索社交平台上与车型、预算、竞品相关的讨论，判断购车意向，与已购车用户画像比对后给线索分级，按地域派给门店，“我们最初分高、中、低三档，他们自己细分到了七档”。预测销量：要同时看各门店各车型的月度销量、客服反馈、新车节奏和公开市场的竞品动向——前几样是核心数据，只能在内部用。

同一家企业的财务部门更进一步。每张单据提交后、财务正式审核前，智能体先照制度做一遍预审；财务复核时若发现制度本身已经变了，只要在意见里写明，系统就把制度文件从1.0改成1.1，交人审批，通过之后后续单据按新版本执行。“人只要告诉它这一处该是什么样子，改制度它自己来，人负责点头。”李立峰说，“企业的制度，第一次可以自己更新了。”

行业差得很远，底座却是同一套。他的解释是，“技能”通用，经验长在业务里。“我们提供的是让企业把自己的经验装进去、持续修正的机制，而不是替企业规定该怎么做。”他坦言，光交付一套软件做不成这件事，“得有人带着场景走进去，跟业务部门一起把第一个场景跑起来。”

人的位置也在变：从“把这件事做完”，转向“让企业以后都会做这件事”。“这些年岗位本身也在整合，销售和售前合成一个人。变化早就发生了，AI只是让它更快。”

创新的实践，真正长在企业的土壤里

在李立峰看来，这不只是一家公司的生意。

现代制造企业的壁垒，往往不是一张图纸，而是几十年摸索出来的工艺判断——什么条件下设备容易漂移，某道工序的参数变化会在几十步后带来什么结果。这些判断散落在设备日志、维护记录和老师傅的经验里。“单独一份日志价值有限，但被系统性地学走，失去的可能是几十年的积累。”

“企业越希望AI聪明，就越要想清楚，是让谁变聪明。”他把这看成两类企业的分野：一类把AI变成自己的组织能力，越用越强；另一类把AI当一次性的工具，效率提升有限，家底却在变薄，“这个分水岭不在技术，在认知。”

越来越多的中国企业把经验、工艺和方法留在自己手里并持续进化，“中国企业在全球的竞争力，会一起往上走。这是我们想做这件事更大的一层原因。”

对正在考虑AI落地的企业，他的建议是：先想清楚经验最后留在哪里，再从一两个真正有数据、有标准的场景起步，并且一定要有人管。“系统会自己长，但没人管着，三个月就长歪了。”