智能化解决方案:业务应用 + 数据应用 + AI 赋能
智能化不推翻业务与数据应用:业务应用负责记录与执行,数据应用负责可信口径,AI 赋能层在其上增加"理解、建议与协作"。先选场景、定边界,再让模型进入流程。
方法与模型:用场景筛选矩阵(价值、可行性、风险)排序,用 RAG 与智能体边界设计限定模型职责,用评测集与回归门禁判断上线条件。
流程与数据稳定,模型才参与
- 业务流程与数据口径已经稳定,指标可追溯、可复算;
- 规则与人工判断成为瓶颈,异常处理依赖少数资深人员;
- 知识分散在文档、工单与个人经验中,检索与培训成本高;
- 业务希望用自然语言获得分析与操作,而不是逐层点开菜单。
场景、边界、知识、评测与责任先定
| 问题 | 典型表现 |
|---|---|
| 场景 | 想做的很多,说不清哪个值得做、做成什么样算成功 |
| 边界 | 哪些判断可以自动、哪些必须人工确认,没有约定 |
| 知识 | 资料散落,模型回答缺少依据,无法追溯 |
| 评测 | demo 效果不错,上线后无法判断是否变差 |
| 责任 | 出错时说不清是数据、模型还是使用方式的问题 |
方案要点:场景、模型、知识与治理
| 维度 | 做法 |
|---|---|
| 场景 | 按价值与可行性排序,优先高频、规则清晰、错误代价可控的场景;明确建议、确认、自动三档权限与业务负责人 |
| 应用 | 助手按业务域拆分,不做万能助手;知识检索回答带出处;模型服务统一接入、路由与降级 |
| 数据 | 知识资产结构化;按场景建向量或混合检索;反馈数据回流;敏感数据分级,模型可用范围小于人可用范围 |
| 技术 | 多模型接入层;推理服务独立部署;提示与上下文版本化;调用日志、成本与安全控制纳入监控 |
| 治理 | 场景评测集、回归、审计与责任边界随首个场景交付 |
AI 是第三种应用形态
| 维度 | 业务与数据应用 | AI 赋能层 |
|---|---|---|
| 方案单元 | 功能模块、报表与菜单 | 场景与智能体 |
| 交互 | 人按固定路径操作系统 | 人描述意图,系统组织查询与操作 |
| 依据 | 规则与代码逻辑 | 规则 + 模型 + 知识检索,回答需带出处 |
| 数据 | 业务库、指标口径与数据服务 | 业务与指标数据 + 知识资产 + 反馈数据 |
| 质量 | 用例测试与验收 | 评测集、线上反馈与回归 |
| 风险 | 权限与操作审计 | 数据边界、内容安全、越权与责任归属 |
前两层仍是底座:AI 改变的是"判断怎么形成",不是"记录长什么样"。
方案产出:可评测的智能能力
| 产物 | 内容 |
|---|---|
| 场景清单与价值评估 | 场景、价值、可行性、风险与负责人 |
| 人机协同流程 | 建议、确认、执行三档权限与触发条件 |
| AI 应用架构 | 助手、Agent、知识库与模型服务边界 |
| 知识与数据边界 | 知识资产、检索范围与敏感数据规则 |
| 评测集与治理规则 | 场景评测、回归、审计与责任约定 |
只读、确认、自动三档放开
- 只读场景起步:制度查询、报表解读,先验证检索质量与回答出处;
- 确认类场景:单据草拟、异常分诊,人工确认后执行;
- 自动类场景:低风险、可回滚的操作逐步放开;评测、审计与成本治理同步交付。
与相邻方案并存,不互相替代
四类方案按业务域组合,不按阶段递进:一个企业可以同时存在信息化、数字化、智数化与智能化方案,由业务域的实际断点决定用哪一类。
公开边界
只公开场景分层、知识与模型服务、评测与治理框架;不包含具体模型供应商、提示词与知识库原文、真实业务语料与评测数据。