让企业级AI 从单纯的对话者进化为业务的执行者。
2025年12月3日，中国科技产业智库「甲子光年」成功举办“轰然成势，万象归一”2025甲子引力年终盛典。
其中，千丁数科COO兼首席科学家魏振华结合龙湖多年的数字化沉淀与最新实践，就大型企业如何体系化落地AI进行了深度复盘。
魏振华认为，企业拥抱AI不能止步于碎片化的工具应用，而是一场从认知到组织的全面进化。他指出，随着大模型技术的发展，Agent正在成为企业新一代的“数字员工”；但要让这些看得见、摸不着的数字员工真正达到企业员工的水平，企业必须解决底层架构适配、业务知识构建、身份权限配置等一系列问题。
在演讲中，魏振华详细拆解了企业落地AI的“六步法则”，并分享了千丁数科如何通过“AI+数据+技术+场景”深度融合，构建起庞大的“数字员工”体系。他展示的远程巡检、设备智控等六大实战场景数据，不仅验证了AI在降本增效上的巨大潜力，也为传统行业的智能化转型提供了极具参考价值的“龙湖样本”。
以下是千丁数科COO兼首席科学家魏振华演讲实录，「甲子光年」整理删改：
1.企业落地 AI 的“六步法则”
大家下午好，非常荣幸能有这个机会，代表龙湖集团旗下的千丁数科，与大家分享我们在企业级AI Agent应用上的一些探索与尝试。
首先，简单介绍一下千丁数科。作为龙湖集团内部孵化的科技公司，千丁数科自2014年成立以来的十年间，始终伴随着龙湖集团的数字化转型之路共同成长。在企业荣誉与专利积累方面，我们取得了不少成绩。技术上，除了大家耳熟能详的数字孪生、AI、物联网之外，这几年我们也结合企业AI转型，借鉴PBC（Packaged Business Capabilities）的理念，致力于打造企业数字化基础设施与组装式应用平台。
回顾龙湖的数字化转型历程，我们将这十年总结为三个阶段。虽然各家企业在谈论数字化转型时用的词汇大同小异，但在具体路径和最终效果上却存在差距。
第一阶段，我们主要解决“线下工作线上化”的问题，积累了大量业务数据。 第二阶段，随着地产行业进入下行周期，我们开启了组织变革与业务流程变革，这是推动企业高效发展的关键一环。 第三阶段，也就是面向2025年及未来，我们在前两步的基础上正式开启了AI转型。
针对AI转型，我们提出了“三步三化”理论：
第一步是AI Ready，确保企业具备实践AI技术的基本能力，
第二步是AI by side，即让AI作为辅助工具参与业务流程和决策；
第三步，未来一定是向AI inside发展，将AI深度植入业务内核，以AI为驱动核心推动业务创新和能力变现。今年，我们联合清华大学发布了一本数智化转型白皮书，总结了龙湖过去十年数字化转型的总体蓝图规划、产品技术管理方法论，以及我们踩过的“坑”和经验教训。
回归到AI这个主题，无论是龙湖还是千丁数科，我们在做企业级AI应用时，核心始终围绕着“场景”。千丁数科不做底层基础设施，算力和大模型通过购买成熟服务解决，我们的重心在于上层场景的探索。我们将企业AI Agent的落地应用路径总结为六步：认知、价值、平台、知识、应用、进化。
第一步是“认知”。这解决的是从上到下对AI转型是否达成共识的问题。对于决策层而言，行业形势严峻，转型未必成功，但不转大概率会死，因此需要在投入产出比和战略决策之间做出及时判断。对于管理层，从中层管理者的角度看，核心要做的是业务流程变革。AI代表先进生产力，如果生产力提升了，但生产关系（流程管理）没跟上，转型大概率会失败。对于执行层，我们要消除“AI威胁论”。去年我们联合人力部门做了几十场培训，让员工明白AI能做什么、不能做什么。我们坚信：AI不会取代人，未来被取代的是那些不会用AI的人。
第二步是“价值”。企业做AI转型，必须精准选中价值场景。首先要看该场景是否有高质量的数据，如果数据质量不过关，训练出来的智能体大概率无法使用。其次，要看该场景对企业经营是否真有价值。举个例子，我们在全国有几万个停车场，每天产生的异常抬杆记录高达50万次。以前为了查验其中是否存在舞弊行为，人工复核的工作量巨大。现在我们尝试用AI进行自动审计，工作量下降了90%，每年仅此一项功能，就能帮企业规避数百万的“跑冒滴漏”损失。
第三步是“平台”。为什么企业要自建AI智能体平台？因为个体使用AI和企业使用AI是完全不同的逻辑。个体使用AI应用时是单点单次的，但AI Agent进入企业就像员工入职一样，我们称之为“数字员工”，它需要解决三个核心问题： 第一，熟悉业务。Agent需要了解企业的系统和流程，从而实现企业内业务的自主执行；第二，权限管理。Agent能读取什么数据、能对外发布什么信息，必须有严格的权限控制，否则会对企业数字资产安全带来灾难性影响； 第三，成果量化。Agent干得好不好，也需要有可量化、可追踪的成果，不仅方便升级迭代，还可以追溯风险。解决了这三个问题，AI智能体才能真正地在企业落地生根。
第四步是“知识”，即搭建企业的知识工程。 随着数字化建设，企业积累了大量结构化和非结构化数据。通用的AI就像一个聪明但没上过学的新员工，如果没有“老师”带进门，它学到的知识体系就是混乱的。比如你问它“北京春节后市场怎么样”，如果没有企业内部的数据、策略和规则作为上下文，它给出的答案大概率是不准的，无法满足决策层需求。因此，构建企业专属的知识图谱能力至关重要。
第五步是“应用”。这一步主要面向落地，核心是让一线员工愿意用、觉得好用。这里有两点关键：一是提供以对话为核心的工作台，让找数据、查系统变得更简单；二是做内嵌型应用，让AI能力无感地融入原有业务系统。例如刚才提到的异常抬杆稽核，必须与OA待办打通，通过流程驱动业务，而不是让员工去另一个系统里操作。
第六步是“进化”。传统的数字化系统代码和规则是写死的，跑一万次结果都一样。但AI是由数据和知识驱动的新生产工具，它的产出是概率性的。可能第一次只能打60分，但经过训练迭代，它可以达到80分甚至90分。我们内部建立了一套DMRE（Data数据、Model模型、Reward奖励、Evaluation评估） 方法论，不断迭代和评价Agent的能力，使其逐步从已有水平进化到更高的目标水平。
基于这六步方法论，我们今年刷新了龙湖的AI架构总图。最底层是数据层，包含结构化数据和大量非结构化的文档知识；中间是模型层，包括数字孪生、大模型调优及行业大模型；再往上是AI智能体平台及六类核心场景；最上层是业务应用。基于PBC理念，我们将已落地的数字化产品整合为数万个API，并支持MCP（Model Context Protocol）调用，彻底打通了系统对接和数据获取的通路。
2.六大业务领域的智能化答卷
基于千丁数科的技术与方法论沉淀，我们首先在六个业务领域进行了智能体的探索，也在企业的投资、建造、营销、运营、人力、财务等多个领域，针对流程、服务、数据有着不同的落地应用：
1.远程巡检Agent（物业场景）：以前全国项目每月收集3000万张图片，人工标注工作量巨大。引入多模态技术后，标注提效十几倍。目前集团每月产生的 25 万工单中，约四分之一由Agent自动生成、处理并闭环消单。
2.设备智控Agent（能源管理）：针对设施设备和能耗管理，从数据采集到策略生成再到执行优化。结合EMS能源管理系统，我们每年管理的电费规模达3.2亿元，通过AI提效，总能耗整体降低了约27%。
3.资产经营Agent（商业/长租公寓）：多个子智能体协同运营，实现对项目资产的全面综合诊断，输出问题识别结果、调节建议等，并进行评审反馈校验。
4.服务品控Agent（客户服务）：以前靠客户投诉来发现问题，现在利用企微每年上亿条对话数据，通过Agent进行事前预测。比如识别管家回复语气是否推诿敷衍，提前预判客诉风险。
5.流程工单Agent：借助AI实现智能合同和单据审核、任务执行、流程优化迭代等任务，将被动的基于规则的执行转变为由AI和数据驱动的流程智能体。
6.员工培训Agent：除了常规问答，我们尝试用Agent进行实战演练（Roleplay）。Agent模拟客户与管家对话，若管家应对不当，系统会记录并评估，帮助员工在面对真实客户前建立起专业能力。
以上就是我今天的汇报与分享。如果大家感兴趣，欢迎进一步交流，谢谢！
（封面图及文中配图来源：2025甲子引力年终盛典）
END.
