共计 1017 个字符，预计需要花费 3 分钟才能阅读完成。
华为首发企业 AI 白皮书:AI 让员工更快了, 怎样让整个企业受益?
过去一年,AI 正从回答问题的工具逐渐走进企业真实业务 。办公助手、代码生成、营销内容制作、供应链分析, 越来越多工作开始有 AI 参与。但一个现实问题随之浮现: 某个岗位提效了, 整条业务流程是否真的跟着受益?
📌 背景: 单点提效不等于流程优化
一位为电商商家提供 AI 方案的彭经理向媒体透露, 其团队已将 AI 生图、换模特、换背景等能力接入商品上架流程 。按他的估算, 商品负责人完成素材处理、商品上架等操作的速度可达原来的约 20 倍。目前该系统已被 8 家店铺采用, 单家店铺每月付费约 2 万元。
不过, 操作提速并不意味着整条流程已自动化。“最好还是人工看一遍 。”彭经理表示, 生成的素材是否符合要求仍需人工检查。目前这套 AI 能力主要集中在商品型录制作环节, 与审核、选品、运营等后续流程的衔接尚未完全打通。
当被问及企业是否应自建模型和 AI 团队时, 他的回答很直接:“包亏钱 。”随后补充, 这笔账取决于业务规模。没有足够业务量支撑, 模型训练、数据整合和持续 Token 消耗都难以通过业务收益覆盖。
🔍 核心信息: 华为提出 DIMAK 与 H 型双塔
华为 AI 应用首席专家李宏恺指出, 局部提效可能导致瓶颈转移:“你这个环节提效了 , 导致下一个环节成了堵点了。”因此企业需从完整业务流程出发, 找到真正制约整体产出的关键环节。
💡 行业观察: 能力沉淀比模型选择更关键
白皮书中的电网设备评价实践展示了能力积累的具体形态。 某电网企业将原先供人阅读的专业导则整理为来源明确、版本有效、适用范围清晰的知识资产 。运检智能体结合设备台账、缺陷和监测数据, 依据导则生成评价建议, 由专业人员审核确认。评价依据与结果一并保存, 人工修订、缺陷处置结果和设备状态变化持续反馈, 成为下一轮评价的依据。
银行理财到期案例则展示了智能体系与原有系统的协同。 手机银行智能体在获得授权后 , 结合产品到期状态、账户资金、风险等级和现有持仓形成多套方案。客户确认并完成适当性确认和强认证后, 智能体才能在授权范围内调用资金划转、理财购买等业务能力。交易校验、账户变更和持仓记录仍由银行原有系统完成。
📊 总结: 从参考方法走向企业实践
- 起点: 从经营目标出发, 而非从模型能力出发。
- 路径: 先跑通边界清晰、指标明确的场景, 再沿价值业务流扩展。
- 关键: 把一次项目的成果沉淀为可复用、可演进的企业能力。
- 协同: 企业、华为与生态伙伴共同推进, 各自承担明确责任。
