"

跳出问答局限，产业智能体走向全流程业务落地

"

作者 |  此间少年

编辑 |  卢旭成

"AI 数字员工将售前找货报价人效，大幅提升 10 — 20 倍。" 这是国内最大的钢铁数字化平台找钢网，联合腾讯云 ADP 落地数字员工交出的可量化成果。

作为国内产业 AI 领军者的找钢网，合作钢厂超 110 家、注册供应商超 1.5 万家，业务覆盖交易、仓储、物流、财务全链路。且与互联网场景的轻量化咨询交互不同的是，钢贸业务链条长、数据杂、容错率低，员工大量日常工作，都围绕着反复的业务查询、状态确认展开。

这意味着找钢网落地数字员工，需要闯过三道核心关卡：一是存量数据与老旧业务系统能否安全打通？二是复杂业务能否由数字员工稳定闭环处理？三是项目上线后，能否在企业内部规模化复用，持续实现降本增效，沉淀数字化能力？

面对产业 AI 落地的三重现实难题，市面上多数通用大模型无法兼顾灵活交互与产业级严谨性，要么只能简单问答、无法落地真实业务，要么流程僵化、无法复杂产业场景。

在找钢网副总裁张晓坤看来，产业数字员工想要真正跑通业务、沉淀价值，必须搭建一套兼顾语义理解灵活性、业务执行确定性、规模化统一治理的落地架构，这也是找钢网与腾讯云共建 ADP 4.0 Claw 标杆案例的核心初衷。

图源：腾讯云官微

沉淀标准化经验，敏捷赋能新业务

数字员工想要真正落地、扛得起真实业务工作，前提是能顺畅接入企业的数据与业务系统。但行业差异、企业数字化水平不同，让数字员工真正落地时，面临着不同的堵点，找钢网智能体的落地就颇具代表性。

在钢贸行业中，大量一线实操经验并没有形成标准化书面流程。比如特殊规格钢材的找货思路、异常订单的判定方式、关键业务节点的核对标准，大多藏在资深员工的实操经验里。这类隐性经验很难沉淀固化，一旦老员工离职，很容易出现经验断层，新人接手后也难以快速上手、补齐业务认知。

图源：找钢网

聚焦企业内部业务，腾讯云副总裁吴运声表示，大多数企业的核心数据和业务流程都堆在老旧的存量系统里，可不少老系统没有成熟的 MCP、API 对接接口。想让智能体嵌进原有业务链路，需要做针对性适配，将接口能力补全。而且传统系统的界面设计和输出逻辑，更多是为人工办公所服务，无法适应机器自动调用的需求。

面对产业落地痛点，找钢网与腾讯云 ADP 开展深度协同落地，这也帮助找钢网大幅降低了项目前期落地与运行成本。

一是接通存量业务系统，盘活企业现有的数字化资源。找钢网的订单、物流、货权、财务等核心数据，长时间分散在 ERP、TMS、财务等多套系统中。借助腾讯云 ADP 的 MCP、API 对接能力，智能体能直接对接企业的存量业务系统。对于部分接口不完善、适配能力差的老系统，团队通过轻量化适配和接口补全，即可正常调用系统数据和业务流程。这种落地方式只需要在现有的业务底座上，增加面向智能体的连接能力，最大程度减少 IT 投入。

二是补齐散落的过程数据、还原真实的业务全貌。企业的 ERP、CRM 系统大多记录的是业务完成后的结果数据，无法完整呈现业务推进的全过程。而在实际工作中、询价沟通、异常订单处理、上下游对接协商等关键环节、才是支撑业务落地的核心细节。

借助腾讯云 ADP，找钢网将散落在聊天记录、办公表格和各类碎片化工具中的过程信息统一梳理、归集整合，和系统结果数据相互补充、让数字员工不仅能看到最终的业务结果，还能读懂整个业务的推进过程和处理逻辑，减少人效人力损耗。

三是沉淀行业经验，提高业务可复用能力。找钢网依托腾讯云 ADP 搭建专属钢贸行业的知识库，将其长期积累的行业规则、业务标准，以及员工日常实操流程，不断沉淀成标准化的 Skill 能力，这不仅能让数字员工更懂真实业务，未来还能复用到企业更多业务场景中，实现规模化落地。

破解 " 灵活与严谨 " 之困：

Agent+Workflow 的协同破局

如果说打通数据和系统是给数字员工办了张 " 工牌 "，那么想让其真正 " 上岗 "，则需要解决最大的现实矛盾：既要 " 听得懂人话 "，又要 " 守得住规矩 "。

吴运声表示，" 做企业智能体，最难平衡是业务两头完全相反的需求。一方面，员工平时沟通很随意，一条消息里常常夹杂好几件业务事，智能体得听得懂这些零散、口语化的问题；但另一方面，涉及订单、货权、结算这类核心业务，一点差错都不能有，每一步操作都要留有记录，方便后续核查审计。而通用大模型解决没有贴合行业的标准化流程约束，自主发挥的空间太大，能看懂人说的话，却没法严格遵守业务规则。这也是单纯依靠大模型，很难真正落地实体产业的关键原因。"

不同行业的差异性，进一步放大了落地矛盾。张晓坤表示，企业早年自研 AI 底座，始终没法兼顾两端截然不同的业务需求。一线员工平时都是聊天式提问，一条消息里经常夹杂多项业务诉求，对 AI 的灵活理解能力要求很高；但企业核心业务，货权确认、资金结算、订单流转零容错，每一笔业务都要留下完整记录、全程可追溯，完全不允许模型随意发挥。

真实业务场景，远比理论设想复杂。例如，员工在企业微信直接发问："XS26062619646685 这个货权确认了吗？" 在外人看来只是一串编号，放在钢贸业务里，它既可能对应线上电商交易单据，也可能指代仓储物流调度单。

如果员工继续追问：" 客户这批货发货开单了吗？货权是否完成确认？本月对应发票有没有开具？" 跨多系统叠加多重诉求，若交给通用大模型自主处理，很容易出现信息错漏、流程失控的问题。

面对行业难题，找钢网的解法是基于 ADP4.0 的 Claw 模式，把 Agent 和 Workflow 放进同一个应用中，让它们分工协同。简单来说，开放意图交给 Agent，严谨流程交给 Workflow 比如员工在企业微信里问："XS26062619646685 货权确认了吗？某某实业本月发票多少？"

在这套机制下，Agent 会先理解这句话，识别出不同的意图，并分别抽取出订单号和公司名；随后，再把两个任务分派给对应的 Workflow 去执行。真正调用交易系统、ERP、TMS、财务系统的过程，不由大模型自由发挥，而由 Workflow 严格把控。让该灵活的地方灵活，让该严谨的地方严谨，好处也是显而易见的：确定步骤交给 Workflow，不再走 LLM 推理，可以降低 Token 消耗；Workflow 全链路可追踪，满足合规审计。

这套 "Agent 负责理解、Workflow 负责执行 " 的协同模式，直接给找钢网带来四大收益。

其一，一线办公减负，剥离低效重复事务。过去员工核对业务信息，需要轮番登录 ERP、仓储、物流、财务多套系统来回切换，操作繁琐耗时。现在借助企业微信统一入口，所有业务查询都能集中完成。像手动复制单据编号、跨系统拼凑汇总数据这类机械工作全部省去，也不用反复咨询同事、长时间等待后台反馈，员工得以从琐碎事务中抽身，聚焦高价值业务工作。

其二，压缩 AI 算力与项目开发成本。常规标准化业务流程统一交由 Workflow 运行，无需反复调取大模型做推理判断，直接减少大量 Token 消耗，节约算力开支。已经封装成型的工作流、行业工具与企业知识库均可跨业务复用，后续拓展全新业务场景无需从零搭建智能工具，长期减少重复开发、平台维护的各项投入。

其三，全流程可追溯，缩减审计排障成本。Workflow 每一步操作都会完整留存日志，系统调用、数据读取全程可追踪，业务出现异常时排查效率大幅提升，同时完美匹配钢贸货权、资金结算的强审计要求，减少合规核查投入的人力与时间。

其四，约束模型自主操作，规避钢贸交易风险。依托 Workflow 划定清晰的业务执行边界，限制大模型随意自主处理业务，能够有效避免模型幻觉造成的数据出错问题。从源头减少货权核验、资金结算这类核心交易产生疏漏，保障钢贸业务数据精准无误。

跨越 " 智能体泛滥 " 陷阱：

用 " 统一入口 " 打通价值闭环

平衡交互灵活性与业务严谨性，只是数字员工 " 打工 " 的基础。若想让其长期 " 在岗 "、真正成为企业常态化生产力，核心是让 AI 落地从 " 工具试用 " 转向 " 价值闭环 "，跑出可量化、可沉淀、可复用的长期业务价值。

但当下产业 AI 落地，智能体泛滥与价值空转问题愈发突出。Gartner 预测，未来两年，全球财富 500 强企业平均将部署运行超 15 万个智能体，但仅有 13% 的企业搭建完善的智能体管理体系。

这种多入口、多智能体的分散式布局，与企业借力 AI 降本提效的初衷有所背离。《哈佛商业评论》数据显示，职场员工平均每天需要在各类应用、网页、智能工具之间切换约 1200 次，每次切换后重新梳理业务逻辑、进入工作状态都需要耗费精力，每周因工具、系统切换产生的无效工时，累计接近 4 小时。

这种 " 智能体泛滥、多入口内耗 " 的痛点，也是找钢网在产业 AI 落地过程中直面的真实难题。张晓坤直言，当下很多企业盲目批量部署 AI 智能体，入口零散混乱、业务能力相互割裂、缺乏统一管控体系。看似数字化工具越来越丰富，实则陷入粗放式建设误区，杂乱的操作端口、碎片化的 AI 能力，倒逼员工频繁切换系统、重复操作核对，滋生大量无效工作，不仅无法兑现降本提效的核心价值，还持续抬高企业运营、管理与维护成本。

基于对行业痛点的深刻认知，找钢网通过调用腾讯云 ADP 的平台能力，将 " 数字员工 " 接入企业微信智能机器人。全公司员工都可以在企业微信里直接提问，不用判断背后该走哪个系统、哪个流程、哪个工具。在这个统一入口背后，调用了四种能力各司其职：问制度流程，可以走知识库；查订单、货权、欠款，可以走 Workflow；问仓库费用、货场信息，可以走自定义 Skill；处理图片和办公文档，可以调用通用办公 Skill。

通过统一入口，找钢网把过去散落在各处的业务能力，重新收拢到一个统一的调度层。不仅省去了员工的麻烦，也让企业可以把那些反复出现、流程清晰的业务动作，沉淀成 Skill 和 Workflow，实现能力复用。对于系统建设来说，维护成本也大幅降低。过去每个场景单独建机器人，入口越来越多，能力各自为政，后续维护成本会随着机器人数量持续上升。现在，场景可以继续扩展，但入口不必继续增加；能力可以不断沉淀，但调度层保持统一。

整体来看，依托腾讯云 ADP 平台能力，找钢网实现了五笔清晰可落地可量化的核心价值收益，全方位完成降本、提效、提质、控险的价值闭环：员工的 " 时间账 "，告别无意义的 " 系统折返跑 "； 算力的 " 经济账 "，不浪费大模型的每一分算力；研发的 " 精力账 "，不造轮子，专心打磨业务；运维的 " 长效账 "，告别 " 一个坑配一个机器人 ；实打实的 " 收益账 "，用 10-20 倍人效的提高验证生产力。

张晓坤表示，AI 进入产业的下半场，比拼的不再是谁能做出一个更会聊天的机器人，而是谁能把 " 理解 " 和 " 执行 " 真正接到一起。钢铁行业里大量 " 只可意会 " 的业务流程，通过 ADP 的底层技术，叠加找钢网十多年在钢贸行业 " 上下文 " 的积累，正在被重新识别、理解、沉淀成机器可执行的标准动作。这些动作越积越多，数字员工就越懂行业、越懂业务，也越能稳定承担工作。

吴运声则表示，企业级智能体的终极价值，不在于技术炫技，而在于真正融入生产、解决真实业务问题。未来真正成熟的产业 AI，一定是统一入口收敛、流程标准化治理、价值可闭环沉淀，让 AI 从零散的工具应用，升级为企业长期可进化、可增值的数字化生产底座。

END

关注蓝鲨财经社，AI 智读财经

* 本文为蓝鲨财经社原创，作者此间少年。

欢迎扫描二维码添加蓝鲨首席交流官。

—————— 推荐阅读 ——————