AI赋能企业：解锁创新与增长新机遇

在数字化转型的浪潮中，AI正以前所未有的深度和广度重塑企业发展的脉络，成为驱动创新与增长的核心引擎。那么，如何利用AI技术发现新的商业机会？又如何实现更高效的用户拉新、留存与转化呢？

近日，InfoQ《极客有约》携手AICon直播栏目，特别邀请了值得买科技CTO王云峰，与阿里巴巴高级技术专家梁筱武、彩讯股份AI产研部总经理邹盼湘共同探讨了企业AI提效实战复盘。本次讨论在AICon全球人工智能开发与应用大会2025北京站召开之际进行。

部分精彩观点如下：

• 创造力的源泉在于幻觉，而合理控制这种跳脱性至关重要。
• 数据治理在大模型工程中扮演着关键角色。
• 项目一号位需具备将底层AI能力转化为用户可感知、可理解、可使用的产品功能的能力。

以下内容基于直播速记整理，经InfoQ删减。

小学生与博士生的碰撞

王云峰：首先，我们来谈谈“模型使用”。百川的王小川总曾比喻，顶尖模型（如GPT-4、Gemini 3）的智商已达到“博士生”水平，但我们为其搭建的工程环境和编写的Prompt可能还停留在“小学生”水平。这种“能力错配”使得AI经常不听话。在这一年的实战中，你们是如何克服这一挑战的？

梁筱武：基于我的GUI自动化背景，我总结了三点体会。首先，要根据具体场景挑选基础模型。其次，AI Agent的架构设计需要特别考虑其与传统微服务工程体系的差异。最后，上下文工程是实现AI工程能力的核心。

王云峰：公司之前的黑客松活动中，许多同事反馈，如果没有从头到尾完整地构建过一个Agent，就无法真正理解上下文工程的重要性。没有上下文工程，模型的能力只能发挥一小部分。

邹盼湘：在B端场景中，我们需要通过工程手段让模型既发挥“博士”的智商，又遵守“小学生”的纪律。例如，在创作类场景中，幻觉有助于生成更具想象力与多样性的内容；但在B端业务场景，我们则需要尽量降低幻觉。

数据的“上下文”缺失

王云峰：接下来聊聊“数据”，这是AI的燃料。为了让AI做好消费决策，我们必须给它看大量的用户行为和社区内容。但这个过程比想象中艰难。在实际操作中，如何让AI“读懂”企业内部业务逻辑是最大的挑战之一。

邹盼湘：数据治理关系到专家经验的显性化与传递。例如，在运营商场景中，“套餐”一词具有特定含义，模型需要理解这些术语的真实含义。此外，数据治理还涉及API调用记录、系统日志等生产过程中的数据。

梁筱武：GUI Agent中图像数据的准确性至关重要。我们设计了大模型能够理解的格式，并通过数据灌入与示例教学帮助模型理解。

“真提效”还是“更累了”？

王云峰：有时候一线员工反馈使用AI后“更累了”。你们觉得真正的“提效”拐点在哪里？

梁筱武：“员工是否感觉不累”，核心在于准确率。当准确率提升到90%–95%后，团队对AI的信心显著增强，也真正看到AI在提效上的价值。

邹盼湘：AI时代，岗位不会消失，而是会转变为借助AI完成更高效的工作。例如，金融科目核对人员未来可能会基于AI输出结果进行更深入的分析。

价值与终局——算账与未来

王云峰：现在的Token成本、推理成本依然不低。什么样的业务场景是现在立刻、马上就应该用AI重构的？

邹盼湘：理想场景应具备高频、刚需和明确的付费方。同时，从数据就绪度评估数字化程度、知识结构化程度及相关文档沉淀情况。

梁筱武：建议采用快速迭代方式，小规模试点、小流量验证，持续大胆尝试。从当前的实践来看，大模型在效率层面的优势非常明显。