" 我们不搞宏大叙事，而是在业务场景里找切入点。" 广东广播电视台技术委员会办公室副主任刘涛在探索 Agent 应用时，选择从运动员素材拆条等具体工作入手。
东北证券也有类似的体会。面对业务需求，技术团队会先了解员工平时怎样工作、难点在哪里、涉及哪些流程和系统，再与业务一起确定适合的场景。
企业如何用好 Agent？从具体场景出发，让它接入数据和业务流程，再通过业务人员的参与和持续运营发挥价值，是几家企业实践中呈现出的共同思路。
在腾讯全球数字生态大会企业级 Agent 产业实践专场上，华润信托、广东广播电视台、云南白药和东北证券分享了各自的探索。本文结合这些案例，梳理企业落地 Agent 的方法与经验。
01
从具体工作出发，找到合适的场景
企业推进 Agent，首先要回答一个问题：从哪项工作开始？
云南白药在探索中发现，大家容易产生这样的期待：" 我需要一个能回答公司所有事情的助手。" 但进一步梳理后发现，看起来都是问问题，背后的需求却很不一样。
例如，查询公司制度和监管政策，需要准确、一致的答案；查询某个区域的销量、提出后续营销建议，则涉及动态变化的经营数据、统计口径和业务判断。这两类任务需要的信息和对结果的要求不同，不能笼统地作为一个问答需求处理。
因此，选择场景的第一步，是把需求拆到具体工作中：谁来使用，要完成什么任务，需要哪些信息，又怎样判断结果是否可用。
需求明确之后，还要决定先做什么。东北证券的做法是，综合考虑业务价值、使用频次、风险，以及已有的系统和数据基础。对于直接面向客户，或需要人工审核但实际难以审核的高风险环节，暂时谨慎推进；优先选择中后台运营中价值较高、覆盖人员较广、已有一定数字化基础的场景。
华润信托选择的切入口，是债券交易信息处理。
交易人员需要关注大量交易群消息，逐条分析、提取交易要素，再录入系统。信息处理既要及时，也要准确：遗漏或弄错内容，可能影响后续工作；行情发生变化时，处理慢了也可能错过机会。
围绕这项具体工作，华润信托建设了智能债券助手，辅助处理交易信息。华润信托 CIO 苏南介绍，该助手通过三个智能体持续运作，准确率达到 99%。
广东广播电视台的切入口，则是运动员素材拆条。
过去，工作人员需要从大量录像中查找素材，再逐个挑选镜头。现在，广东台结合人脸识别、运动员号码布识别和语义分析，辅助定位重点运动员，以及进球、欢呼和观众情绪等镜头。这些能力在十五运相关工作中得到了使用。
从素材查找这样的具体任务出发，广东台后来又建设了线索采集、素材查找、文稿校对等智能体，逐步拓展到新闻生产的其他环节。
这些实践的共同点，是从明确的工作任务切入，再结合价值、风险和现有条件确定先做什么。
02
进入业务流程，先理顺数据、系统和人的分工
选好场景之后，要让 Agent 真正进入日常工作，还要解决三个问题：能否拿到需要的数据，怎样与已有系统连接，以及哪些环节需要人来把关。
华润信托 CIO 苏南在分享中强调，智能体平台要建立在数据基础之上。如果数据没有理顺，即使有了平台，也很难发挥预期作用。
2021 年，华润信托启动数据治理，围绕数据的使用、管理和建设，重新梳理任务与流程。对信托业务来说，不同业务的非标准化程度较高，数据和规则也存在差异。建设智能体时，需要先弄清楚数据从哪里来、业务口径是什么，以及相关规则如何应用。
在梳理数据的同时，还需要考虑如何与已有系统连接。
东北证券的做法是，将各业务系统的结构化数据纳入数据中台，把分散在不同系统中的文档归集到知识中台，再通过 AI 网关集中管理智能体可以使用的系统接口。数据接口和企业知识库接入智能体平台后，业务人员建设应用时就可以调用这些已有能力。
但系统接入也要有边界。
东北证券的肖金伟提到，证券行业直接将智能体接入核心交易系统，目前还不太现实。企业需要结合系统的重要程度、合规要求和风险，决定哪些数据和接口可以开放，哪些环节仍需审慎推进。
广东广播电视台面临的问题有所不同。电视台原有的新闻生产、非编和播出系统相对封闭，数据和能力分散在不同系统中；新闻素材又涉及敏感信息，对部署和安全有较高要求。
为此，广东台在专有云平台上建设 AI 中台，将语音识别、视频拆分、内容审核等能力封装为基础服务，再供上层业务应用调用，并推进与现有业务系统的连接。这样，不同应用可以利用共同的基础能力，也需要根据新闻生产流程处理好数据和安全问题。
进入流程后，还要明确 Agent 和人的分工。
广东台在合同审查中，让智能体根据预设立场提示条款风险、检查错漏，法务人员则把重点放在法律条款和责任判断上；在日常运维中，智能体先筛选、分析问题，人员负责进一步判断和应急处理。
这些实践说明，Agent 落地需要与企业原有的数据、系统和工作职责衔接起来。哪些信息可以使用、哪些动作可以执行、哪些结果需要人工确认，都应结合具体场景提前明确。
03
让组织用起来，需要业务和技术人员共同参与
Agent 建好之后，还要面对一个实际问题：员工为什么愿意用，又能不能用好？
东北证券的肖金伟提出，过去业务部门习惯向 IT 提需求，现在希望业务人员自己参与建设。如果这件事与工作职责和绩效没有直接关系，他们为什么要投入时间？即使愿意尝试，业务人员也未必熟悉工具、流程设计和效果判断。
因此，东北证券一方面由管理层推动，通过大模型创意大赛、敏捷项目创意大赛，以及激励和绩效机制鼓励员工参与；另一方面，IT 团队为业务提供平台、数据、模型和插件等共性能力，降低使用门槛。
培训也不追求把平台功能从头到尾讲一遍，而是围绕知识问答、文档生成等具体场景开展实操，让业务人员从自己熟悉的工作入手。
与此同时，技术人员的工作方式也在变化。东北证券要求应用开发人员更多参与需求沟通，从具体试点开始，学习知识问答、工作流编排和智能体构建，逐步增强对业务和技术的综合理解。
云南白药则从员工和管理者两个角度推动使用。
对员工来说，入口要直接、方便，能够在需要时找到应用。云南白药正在规划统一的智能体入口，同时通过内部活动吸引业务人员自己动手，参与应用建设。
对管理者来说，关键是应用能否解决实际问题、带来业务价值。业务部门本身也有考核压力，只有看到智能体对工作有帮助，管理者才更有动力在团队中推广。
华润信托 CIO 苏南也强调，推动 AI 需要组织、机制和资源保障，其中一把手支持尤其重要。管理层确定方向之后，仍需要业务部门和技术团队围绕具体工作共同推进，才能让应用进入日常使用。
让组织真正用起来，既需要员工有意愿参与，也需要他们获得解决实际问题的工具和支持。
04
上线之后，持续改进和复用
Agent 上线，只是进入业务的第一步。员工用起来之后，企业还需要关注：结果是否符合要求，业务规则变化后如何调整，以及一个场景的建设经验能否用于其他工作。
在质检应用中，东北证券 IT 团队与业务部门一起梳理规则、制定案例，再通过平台进行测试，案例中既包括正常情况，也包括容易出错的情况，帮助技术和业务人员共同判断结果是否符合要求。
这种方法先被用于企微聊天质检，随后又用同样的方式推进到投顾营销素材质检。肖金伟介绍，质检应用已经上线，整体准确率达到 90% 以上。
应用场景拓展后，已有的工具和建设方法可以作为起点，但业务规则、数据权限和测试案例仍需结合新任务重新确认。企业也需要根据员工使用中发现的问题，持续更新知识和规则，调整应用效果。
近期厂商征集
AI 数据基础设施研究项目征集
截至时间：11 月 20 日
2026 爱分析 · 企业 AI 平台竞争力榜单
截至时间：11 月 30 日
2026 爱分析 · 企业 AI 100 强榜单征集
截至时间：12 月 15 日