企业KPI如何实现？施耐德森马钉钉的智能体实践解析

头图｜AI生成

当硅谷仍在为开源框架的Star数量而兴奋时，国内企业的决策者们已将目光投向了更本质的问题：AI Agent如何突破简单的对话交互，真正融入业务系统、接管复杂流程、调用关键权限，并对最终经营结果负责？这已成为企业智能化转型的核心挑战。

近期，在虎嗅智库举办的一场线上研讨会上，来自施耐德电气、森马集团及钉钉的多位实战专家，从工业制造、消费零售与协同平台三大视角，分享了AI深入业务“深水区”的具体路径与真实案例。这不仅是趋势探讨，更是关于“AI如何重构企业运营”的实战路线图。

以下是本次研讨的核心观点梳理。

施耐德电气：工业AI的“反泡沫”逻辑，让知识资产化

对许多企业而言，AI应用仍停留在辅助办公层面。但对于业务覆盖全球的施耐德电气而言，AI的主战场必须位于生产一线。

施耐德电气数字化总设计师毛春景开宗明义：“AI普惠的前提，必须是价值创造。”这一理念的背后，是施耐德上海“灯塔工厂”的实践支撑——AI已深度融入采购、物流、质检、计划、运维等六大核心供应链环节。

企业的目标更为深远：将AI构建为所有产品的底层能力。毛春景以“BuildingGPT”为例，介绍了在楼宇自动化领域，如何将大模型与深厚的行业知识图谱结合，使其能像资深专家一样快速响应暖通设备故障咨询。关键在于，该系统能将散落在手册、经验中的非结构化“隐性知识”，与实时现场数据融合，为运维人员提供全生命周期的智能决策支持。

为管理庞杂的模型资产，施耐德自研了覆盖模型管理、Agent构建与运行监控的全流程AI平台，并已在全球数十个站点部署，产生显著经济效益。毛春景指出，工业AI成功的关键在于将通用AI技术与能源管理、工业自动化领域独有的“行业诀窍（Know-how）”深度融合。

他也直言当前瓶颈：当AI激活“沉睡数据”并使其流动时，企业现有的权限体系、审计规则与责任框架往往滞后。AI的敏捷性已超越传统治理体系，这种“治理时差”成为现阶段的主要障碍。

森马：当设计师遇上AI，零售业的“快反”如何重构？

服装行业的核心痛点在于消费者需求快速变化与产业链条刚性之间的矛盾。森马集团AI应用专家林建霞形象地比喻：“若只在旧马车上换轮子，效率提升终有天花板。有时，你需要的是换一辆汽车。”

因此，森马推进AI的着眼点并非单一工具，而是三个根本方向：流程再造、组织激活与数据驱动。

其中，流程再造是重点。林建霞分析，服装行业许多流程高度重复且相互割裂。例如，设计师寻找灵感、商品部门分析趋势、市场部制作素材、电商部调整详情页——这些环节往往各自为政。

为此，森马内部构建了“设计大脑”系统。它远不止是接入文生图工具，而是将企业内部的设计素材库、版型数据、面料信息、品牌风格指南、历史商品资料乃至完整的设计工作流，整合进统一的工作台。

林建霞特别提及“无限画布”功能的设计初衷：设计师的实际工作状态是非线性的，需要同时拼贴素材、调整色彩、比对款式、构思系列搭配，多个灵感方向并行推进。因此，AI不能仅“生成一张图”，而必须适配这种发散、并行的真实创作流程。

这一点至关重要。当前许多企业AI项目难以落地，核心原因正是工具逻辑与业务逻辑脱节。森马的思路恰恰相反：不是简单“为业务嫁接AI”，而是让AI主动适配并融入现有业务链路。

她也解释了为何森马未完全依赖外部平台：服装行业的数据、素材与权限体系极为特殊，例如不同品牌间需共享部分素材库，又必须严格权限隔离。这种行业特性决定了，许多垂直领域的AI应用，最终将走向企业自建的专属体系。

钉钉：为什么企业级Agent需要完整协同体系？

“高效的个人，永远拼不出高效的组织。”钉钉资深解决方案架构师何欣在研讨会上提出的这一观点，引人深思。

她指出，目前许多企业的AI应用呈“点状”分布，沿用“+AI”思路，为原有系统打上AI补丁。这种做法虽能提升局部效率，却难以引发范式跃迁。

何欣认为，企业更应思考“AI+”，即以AI重构组织形态、业务流程乃至商业模式。而当前最热门的实践方向正是数字员工（Agent）。

她特别强调，当前大量流行的Agent工具本质上仍偏向个人使用。这类产品功能强大，但一旦置于企业环境中，立即面临权限、安全、审计、日志、技能管理等系列挑战。例如：

谁在调用Agent？调用了哪些系统权限？操作是否可追溯？技能如何统一分发与管理？企业如何进行全局治理？

这些能力并非个人Agent天生具备。一个合格的企业级Agent必须具备三大核心特质：权限感知、安全审计与统一配置。因此，钉钉重点推进其企业级数字员工平台，旨在将Agent深度嵌入企业协同体系，并提供可靠的安全保障。

何欣展望，未来企业的竞争力或许不再取决于文档库的规模，而在于其“技能广场”的丰富度。她建议企业应有意识地将资深专家的经验、标准作业流程（SOP）沉淀为Agent可随时调用的技能库。如此，即便人员流动，宝贵经验也能以“数字员工”形式留存，实现生产力的可持续传承。

最终共识指向一点：企业未来的核心竞争力，或许不只在于数据规模，更在于谁能率先将组织经验与业务规则，转化为可灵活调用、高效协同的“智能技能”。

结语

在最后的互动环节，来自万和新电气、金山办公、东鹏饮料、思谋科技、蔚来汽车、长城汽车、全棉时代、字节跳动等多家企业的参会者，与嘉宾展开了多轮深入探讨。

研讨会部分讨论截图

全场讨论最终收敛于一个核心共识：在真实的商业逻辑中，AI的价值绝不能仅用“对话次数”衡量。如果AI不能像正式员工一样，独立完成完整的业务闭环，并切实承担具体KPI，那么其对企业的商业价值将十分有限。

AI如何持续赋能企业运营并推动组织自动化？这一命题的探索仍在继续。虎嗅智库也将通过系列研讨会与深度案例研究，持续追踪这一进程。