AIfor

Process企業(yè)級流程數(shù)智化變革數(shù)智化時代AI在企業(yè)流程中的地位企業(yè)級AI的正確打開方式

AI原生的企業(yè)數(shù)智化技術(shù)參考架構(gòu)---

課題組成員顧世榮中國信息通信研究院泰爾終端實驗室高級工程師皇甫子喬

神州數(shù)碼中臺副總經(jīng)理孫曉臻德勤中國咨詢合伙人吳荻中國信息通信研究院泰爾終端實驗室數(shù)字生態(tài)發(fā)展部副主任謝國斌神州數(shù)碼通明湖云和信創(chuàng)研究院首席AI科學(xué)家楊柳春神州數(shù)碼通明湖云和信創(chuàng)研究院AI解決方案專家德勤中國咨詢合伙人德勤中國咨詢總監(jiān)

研究訪談專家李映Intel公司副總裁、中國軟件生態(tài)事業(yè)部總經(jīng)理盧文彥上海東方數(shù)智購商務(wù)有限公司副總裁史建華天士力集團董事局主席助理、數(shù)字創(chuàng)新中心總經(jīng)理王勁男太古地產(chǎn)中國內(nèi)地數(shù)字化及信息技術(shù)總經(jīng)理徐棟

阿里云副總裁、通義大模型業(yè)務(wù)總經(jīng)理張

鑫

火山引擎副總裁

課題顧問李晨龍神州數(shù)碼首席信息官王景堯中國信息通信研究院泰爾終端實驗室數(shù)字生態(tài)發(fā)展部主任仲

欣阿斯利康中國首席信息官周令坤德勤中國企業(yè)、技術(shù)與績效事業(yè)群全國主管合伙人*本報告編撰得到了多位行業(yè)專家的無私支持，他們無償分享的行業(yè)觀點為本報告內(nèi)容提供了重要參考，在此謹(jǐn)致誠摯謝意。需說明的是，書中專家觀點僅作行業(yè)參考之用。再次感謝各位專家的寶貴付出。

課題組名單

*貢獻者名單按姓氏首字母排序，排序不反映貢獻程度或重要性張

琦張志鋼

課題組成員顧世榮中國信息通信研究院泰爾終端實驗室高級工程師皇甫子喬

神州數(shù)碼中臺副總經(jīng)理孫曉臻德勤中國咨詢合伙人吳荻中國信息通信研究院泰爾終端實驗室數(shù)字生態(tài)發(fā)展部副主任謝國斌神州數(shù)碼通明湖云和信創(chuàng)研究院首席AI科學(xué)家楊柳春神州數(shù)碼通明湖云和信創(chuàng)研究院AI解決方案專家德勤中國咨詢合伙人德勤中國咨詢總監(jiān)

研究訪談專家李映intel公司副總裁、中國軟件生態(tài)事業(yè)部總經(jīng)理盧文彥上海東方數(shù)智購商務(wù)有限公司副總裁史建華天士力集團董事局主席助理、數(shù)字創(chuàng)新中心總經(jīng)理王勁男太古地產(chǎn)中國內(nèi)地數(shù)字化及信息技術(shù)總經(jīng)理徐棟

阿里云副總裁、通義大模型業(yè)務(wù)總經(jīng)理張

鑫

火山引擎副總裁

課題顧問李晨龍神州數(shù)碼首席信息官王景堯中國信息通信研究院泰爾終端實驗室數(shù)字生態(tài)發(fā)展部主任仲

欣阿斯利康中國首席信息官周令坤德勤中國企業(yè)、技術(shù)與績效事業(yè)群全國主管合伙人*本報告編撰得到了多位行業(yè)專家的無私支持，他們無償分享的行業(yè)觀點為本報告內(nèi)容提供了重要參考，在此謹(jǐn)致誠摯謝意。需說明的是，書中專家觀點僅作行業(yè)參考之用。再次感謝各位專家的寶貴付出。

課題組名單

*貢獻者名單按姓氏首字母排序，排序不反映貢獻程度或重要性張

琦張志鋼回歸第一性原理，深入剖析企業(yè)運行的機理，我們發(fā)現(xiàn)，其實企業(yè)的成長與

發(fā)展，就是源于業(yè)務(wù)模式、技術(shù)范式和管理方法三要素的動態(tài)交互，而

三要素的核心和交匯點是“流程”(Process)。而從福特流水線的發(fā)明，到彼得·德魯克的“概念式流水線”的提出，所有的“流程”(

Process)都是為了

支撐企業(yè)的戰(zhàn)略。從企業(yè)戰(zhàn)略到業(yè)務(wù)流程，逐層往下分解直至最底層，就會發(fā)現(xiàn)，最終支撐流程的，

是企業(yè)的技術(shù)架構(gòu)。AI

時代，技術(shù)范式的智能化是推動企業(yè)創(chuàng)新的基礎(chǔ)設(shè)施。

如果企業(yè)還是信息化時代的“煙囪式架構(gòu)”，那么就無法快速響應(yīng)AI

時代企業(yè)

業(yè)務(wù)模式的發(fā)展和管理方法的創(chuàng)新，也無法推動企業(yè)管理向“全面感知、敏捷

決策、快速迭代”的目標(biāo)進行演化。因此，企業(yè)AI落地首先要打破傳統(tǒng)技術(shù)架構(gòu)，

構(gòu)建新的技術(shù)架構(gòu)，為業(yè)務(wù)模式的持續(xù)創(chuàng)新創(chuàng)造條件。今天的AI，在泛在性和專業(yè)性兩個維度上都呈現(xiàn)出非常卓越的表現(xiàn)。但企業(yè)

AI

落地的關(guān)鍵則更在于實現(xiàn)通用性和專業(yè)性的融合，即“通專融合”。企業(yè)在

實現(xiàn)AI

落地時，需要利用通用大模型，并將其訓(xùn)練成企業(yè)的專屬模型，才能滿足數(shù)字化轉(zhuǎn)型的要求，進而推動企業(yè)戰(zhàn)略的實現(xiàn)。在這些背景下，《AI

for

Process

企業(yè)級流程數(shù)智化變革》報告應(yīng)運而生。它基于神州數(shù)碼、德勤中國、中國信通院對企業(yè)AI

場景落地的長期研究和客戶洞見，針對AI落地企業(yè)過程中面臨的認知、方法、實踐三大挑戰(zhàn)展開深度剖析。同時，構(gòu)建AI原生技術(shù)架構(gòu)體系，涵蓋智能流程工作臺、Agent

中臺等核心組件，并配套“雙驅(qū)動”模型及五級成熟度評估體系，為企業(yè)提供

從戰(zhàn)略規(guī)劃到技術(shù)落地的全周期、端到端實施指引。AI

時代的數(shù)字化轉(zhuǎn)型是一場由數(shù)據(jù)智能驅(qū)動、AI賦能的深層次躍遷式變革，是推動企業(yè)向智能敏捷型組織持續(xù)演進、形成數(shù)字

時代核心競爭力的系統(tǒng)化、長期性的工作。因此，

本報告也將持續(xù)迭代更新，持續(xù)收錄前沿實踐成果，提煉可復(fù)制的創(chuàng)新模式，

同時提出前瞻性問題，供業(yè)界同仁深入思考與討論。

.AI

for

Process

企業(yè)級流程數(shù)智化變革通專融合企業(yè)AI落地的“必由之路”流程(Process)支撐AI

時代企業(yè)戰(zhàn)略的核心AI驅(qū)動的數(shù)云融合架構(gòu)

AI

時代的基礎(chǔ)設(shè)施

序數(shù)智化時代AI

在企業(yè)流程中的地位-...............................................................................-02AI與流程結(jié)合的產(chǎn)物—AI

for

Process

...................................................................................

05AIforProcess的AI場景劃分與識別-

.............................................................................

09企業(yè)AI應(yīng)用投入產(chǎn)出ROI測算模型...........................................................................................

17第二章AI

for

Process—最佳實踐路徑舉例LTC

STNETNOCAI重塑

LTC流程的核心價值：從“效率優(yōu)化”到“模式創(chuàng)新

”

.............................................

28如何實現(xiàn)AI

for

Process

在企業(yè)的落地

....................................................................................

30第三章AI

for

Process

的技術(shù)體系第一章AI

for

Process—企業(yè)級AI

的正確打開方式AI

原生的企業(yè)數(shù)智化技術(shù)參考架構(gòu)

-...............................................................................-40AI

for

Process

技術(shù)落地

.............................................................................................................

42目錄企業(yè)知識治理：AI

的“燃料”與決策基石

..............................................................................................

64人才能力重塑：打造“業(yè)務(wù)+算法”復(fù)合型團隊......................................................................................

69組織變革重建：重塑AI

時代的管理、決策與文化.............................................................................-72行業(yè)生態(tài)協(xié)同：構(gòu)建共贏的價值網(wǎng)絡(luò)...................................................................................................-77第五章AI

for

Process

解決方案汽車行業(yè)案例：為企業(yè)賦能關(guān)鍵場景

-.......................................................................................................................................................................................................................................................................................................................................................................................-82醫(yī)藥行業(yè)案例：在質(zhì)量領(lǐng)域的AI流程賦能

.....................................................................................-83神州數(shù)碼：AI

for

Process

解決方案................................................................................................

85第六章AI

for

Process

的未來展望三年之后：智能體初露鋒芒，人機協(xié)作啟航....................................................................................

90五年之后：智能體深度融入，重塑工作格局-.........................................................................................................................................................................................................................................................................................................................................

90十年之后：智能體全面協(xié)同，開啟超級個體時代

-..............................................................................................................................................................................................................................................................................................................

91管理者的思考與應(yīng)對策略

-...................................................................................................................................................................................................................................................................................................................................................................................................................................................................

91第四章AI

for

Process

的企業(yè)就緒

.AI

for

Process

企業(yè)級流程數(shù)智化變革

01AI

在企業(yè)中的應(yīng)用已成為不可阻擋的趨勢。充分利用

AI

能為企業(yè)帶來巨大價值，因此眾多企業(yè)紛紛投身其中，期望借助AI成為行業(yè)首個受益者，提升競爭力，獨占鰲頭。經(jīng)歷了大模型的爆發(fā)式增長階段后，企業(yè)已對AI進行了初步探索。然而，

就整個行業(yè)而言，

尚未形成一套完善且能最大程度發(fā)揮AI價值的落地體系。那么，企業(yè)該如何正確運用

AI，實現(xiàn)

AI

價值的最大化呢？這已成為企業(yè)在數(shù)智時代急于突

破的重要課題。要解決這個問題，我們需回歸企業(yè)運行的本質(zhì)。無論是企業(yè)、科研機構(gòu)還是政府單位，目前都是依靠流程來運轉(zhuǎn)，最終通過人和事務(wù)的交互完成整體運作。從這個視角

來看，AI

應(yīng)以流程為核心展開能力建設(shè)，這才是企業(yè)運用AI

的最佳方式，才能為企業(yè)帶來

最大價值。第一章AIfor

Process—企業(yè)級AI

的正確打開方式

AI在企業(yè)流程中的核心價值：智能重構(gòu)、模式破局歷經(jīng)十余年數(shù)字化探索，數(shù)據(jù)治理、數(shù)據(jù)挖掘、數(shù)據(jù)分析及雙中臺（數(shù)據(jù)中臺與業(yè)務(wù)中臺）的建設(shè)，并未完全兌現(xiàn)最初預(yù)期的價值。

各個行業(yè)在持續(xù)探索中逐步覺醒—大部分企業(yè)已經(jīng)有了清晰的方向，另有小部分仍在轉(zhuǎn)型迷霧中探尋。數(shù)字化轉(zhuǎn)型必須回歸業(yè)務(wù)本質(zhì)，以業(yè)務(wù)流程為支點打破企業(yè)壁壘。這一過程中，企業(yè)流程與數(shù)字化并非簡單疊加，而是形成深度耦合、動態(tài)互構(gòu)的共生關(guān)系。隨著AI技術(shù)尤其是大模型的爆發(fā)式演進，企業(yè)流程與數(shù)智技術(shù)的協(xié)同價值被推向新高度。若將企業(yè)比作生命體，三者關(guān)系可具

象為，流程是“肌體”作為組織協(xié)作的基礎(chǔ)形態(tài)，數(shù)據(jù)是“血液”貫穿流程節(jié)點的核心要素，通過流動與循環(huán)賦予“肌體”感知

力與行動力，AI是“營養(yǎng)元素”，是“肌體”快捷、高效、靈活運行的關(guān)鍵要素。企業(yè)級AI

的落地需以業(yè)務(wù)為原點，以流程為切口，完成從效率優(yōu)化到智能重構(gòu)，從流程革新到模式破局的雙重躍遷。當(dāng)流程、數(shù)據(jù)、

AI形成協(xié)同共振

，企業(yè)方能在數(shù)智化競爭中構(gòu)建不可替代的核心壁壘。以流程為“界面”，讓數(shù)據(jù)流動更高效、AI應(yīng)用更精準(zhǔn)，

最終使企業(yè)成為具備自我進化能力的“數(shù)智生命體”。這既是對數(shù)字化轉(zhuǎn)型初心的回歸，更是數(shù)智時代企業(yè)生存的底層邏輯。

AI在企業(yè)流程中的關(guān)系與應(yīng)用傳統(tǒng)流程依賴人工經(jīng)驗設(shè)計（如銷售漏斗管理）

，AI

則通過分析歷史數(shù)據(jù)（如客戶行為、交易記錄），動態(tài)優(yōu)化流

程節(jié)點（如自動識別高價值客戶、預(yù)測成交概率）。 AI對企業(yè)流程的作用企業(yè)流程本質(zhì)上是業(yè)務(wù)邏輯的結(jié)構(gòu)化表達（如研發(fā)流程、供應(yīng)鏈流程、客戶服務(wù)流程等），其核心目標(biāo)是通過標(biāo)準(zhǔn)化協(xié)作提升效率、

降低風(fēng)險。而AI

的價值在于突破傳統(tǒng)流程的“線性邊界”，通過算法和算力實現(xiàn)本質(zhì)變革。AI對流程主要有三種作用：結(jié)合數(shù)智化當(dāng)前以及未來的應(yīng)用趨勢，AI與企業(yè)流程的關(guān)系已從“工具賦能”升級為深度重構(gòu)，二者相互依存，協(xié)同進化，共同決定企業(yè)在數(shù)智時代的

核心競爭力。從圖中可以看到，AI與企業(yè)流程的作用機制是作用和反作用的關(guān)系。數(shù)智化時代AI在企業(yè)流程中的地位作用企業(yè)流程

AI技術(shù)反作用案例：某零售企業(yè)通過AI分析用戶瀏覽路徑，將線上購物車轉(zhuǎn)化率提升30%

.AI

for

Process

企業(yè)級流程數(shù)智化變革作用1：從“經(jīng)驗驅(qū)動”

到“數(shù)據(jù)驅(qū)動”圖表1

AI與企業(yè)流程的作用機制02

作用1：從流程“變化”到AI“升級”隨著客戶企業(yè)業(yè)務(wù)流程的變化，以及客戶體驗的提升，對

AI技術(shù)升級與創(chuàng)新也有了一定的要求，迫使AI在這個過程

中不斷的自我迭代和升級。如生產(chǎn)流程中的能耗過高、質(zhì)量不穩(wěn)定等，也促使企業(yè)利用

AI

技術(shù)開展針對性研究，如開發(fā)智能能耗管理模型、質(zhì)

量預(yù)測模型，推動AI技術(shù)向更專業(yè)、更深入的方向發(fā)展。客戶對AI交互過程中也希望得到更滿意的答案，希望有一

個

AI

日常工作平臺，實現(xiàn)個性化的交互。同時，

企業(yè)用戶多元化的需求層出不窮，希望幫助完成日常的匯報文檔工作，日常數(shù)據(jù)分析工作，迫使AI生態(tài)工作鏈向前進一步發(fā)展，如AI4BI

、AI

Datadoc

、AI輿情沙盤等的誕生。在這里其實我們可以看到

AI對流程價值，但是

AI

作用于流程時我們要避免“一刀切”的局面。針對企業(yè)而言，“建

AI，如烹小鮮”，

需要結(jié)合企業(yè)現(xiàn)狀，做好整體規(guī)劃，逐步建設(shè)。未來AI作用流程的終極形態(tài)將是：企業(yè)流程從“人類設(shè)計的固定框架”演變?yōu)椤癆I驅(qū)動的動態(tài)系統(tǒng)”，實現(xiàn)“數(shù)據(jù)輸入-智能決策-價值輸出”的閉環(huán)自治。

企業(yè)流程對AI

的反作用AI

與企業(yè)流程的融合已成為當(dāng)下企業(yè)數(shù)字化轉(zhuǎn)型的重要方向，對于AI而言，企業(yè)流程對AI發(fā)展不僅有一定的促進作用，同時

也具有反作用。企業(yè)流程作為企業(yè)運營的核心載體，其自身特點、成熟度以及變革需求，深刻影響著AI

的落地效果、應(yīng)用邊界

和發(fā)展方向，對企業(yè)科學(xué)的應(yīng)用AI、實現(xiàn)高質(zhì)量發(fā)展具有重要意義。流程對AI

的反作用主要有三種：傳統(tǒng)流程優(yōu)化聚焦單點效率（如單個審批環(huán)節(jié)提速），AI則能通過跨流程數(shù)據(jù)關(guān)聯(lián)（如打通生產(chǎn)、庫存、銷售數(shù)據(jù)）

，

實現(xiàn)端到端的全局最優(yōu)（如供應(yīng)鏈智能排產(chǎn)）。傳統(tǒng)流程受限于預(yù)設(shè)規(guī)則（如人工審核閾值），AI則通過機器學(xué)習(xí)實現(xiàn)“規(guī)則自適應(yīng)”（如信貸審批中動態(tài)調(diào)整風(fēng)控

模型）。案例：某銀行用大模型解析復(fù)雜信貸數(shù)據(jù)，將中小企業(yè)貸款審批時效從3天壓縮至1小時案例：特斯拉通過AI算法重構(gòu)整車制造流程，將ModelY的生產(chǎn)周期縮短40%作用2：從“固定規(guī)則”到“智能決策”作用3：從“局部優(yōu)化”到“全局重構(gòu)”

03作用3：從流程“標(biāo)準(zhǔn)”到AI“遵循”企業(yè)流程的標(biāo)準(zhǔn)化需求推動

AI

技術(shù)的標(biāo)準(zhǔn)化進程。在金融風(fēng)控流程中，為確保風(fēng)險評估的一致性和合規(guī)性，企業(yè)需

要AI風(fēng)控模型遵循統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)、算法規(guī)范和評估流程。這促使行業(yè)內(nèi)制定AI風(fēng)險評估模型的開發(fā)標(biāo)準(zhǔn)、數(shù)據(jù)安全標(biāo)準(zhǔn)和模型驗證規(guī)范，推動AI技術(shù)在金融領(lǐng)域的標(biāo)準(zhǔn)化應(yīng)用。同時，企業(yè)流程的規(guī)范化管理也有助于AI技術(shù)在不

同企業(yè)間的快速復(fù)制和推廣，降低技術(shù)應(yīng)用成本，提高行業(yè)整體智能化水平。作用2：從流程“應(yīng)用”到AI“數(shù)據(jù)源”企業(yè)流程是AI應(yīng)用的“試驗田”和數(shù)據(jù)“寶庫”。以供應(yīng)鏈管理流程為例，從采購訂單生成、庫存管理到物流配送，

每個環(huán)節(jié)都產(chǎn)生大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，如訂單信息、庫存變動記錄、物流軌跡等。這些數(shù)據(jù)為AI

模型提供了訓(xùn)練素材，助力企業(yè)構(gòu)建需求預(yù)測模型、智能庫存管理模型和物流路徑優(yōu)化模型。通過在實際流程中應(yīng)用

AI，企業(yè)

可以不斷驗證模型效果，迭代優(yōu)化算法，實現(xiàn)技術(shù)與業(yè)務(wù)的深度融合。AI不是流程的“替代品”，而是“翻譯器”傳統(tǒng)流程以“人類可理解的規(guī)則”運行（如

Excel表格、郵件審批），AI則將其“翻譯”為“機器可執(zhí)行的智能邏輯”

（如算法模型、自動化工作流）。二者的深度融合不是“技術(shù)對流程的征服”，而是“讓流程獲得智能進化的能力”。

未來企業(yè)的競爭，本質(zhì)是“流程智能度”

的競爭—誰能讓AI更精準(zhǔn)地嵌入業(yè)務(wù)邏輯，誰就能在市場競爭的浪潮

中構(gòu)建不可復(fù)制的壁壘。

.AI

for

Process

企業(yè)級流程數(shù)智化變革04

從前文中，我們可深刻感知AI與流程的內(nèi)在關(guān)聯(lián)，以及AI在企業(yè)流程中的價值潛力。如何將AI深度嵌入業(yè)務(wù)流程，已成為企

業(yè)數(shù)字化轉(zhuǎn)型的戰(zhàn)略級命題?；诖耍覀冋教岢?/p>

"AI

for

Process"

概念—旨在以生態(tài)化、體系化行動指南的定位，助力企業(yè)從AI“工具應(yīng)用”轉(zhuǎn)向“能力架構(gòu)”建設(shè)的范式升級。以AIfor

Process

為核心視角，構(gòu)建技術(shù)能力、生態(tài)能力以及組織

適配體系，通過目標(biāo)拆解、方法論構(gòu)建、演進路徑規(guī)劃的多維度設(shè)計，實現(xiàn)企業(yè)AI

戰(zhàn)略的全景化、有序化布局。 AI

for

Process

的定義這一概念在初期提出時，與眾多行業(yè)相關(guān)人士進行過深度交流，我們觀察到一個亟待澄清的認知誤區(qū)

——

許多人將“AI

forProcess”簡單等同于流程自動化。事實上，“AIfor

Process”絕非單一技術(shù)概念，而是以AI為核心驅(qū)動力的新型流程管理范式。

它打破傳統(tǒng)流程管理的邊界，重新定義企業(yè)流程管理與執(zhí)行的新思路。我們首先來看一下AIfor

Process

的定義：AIfor

Process是通過

AI技術(shù)推動企業(yè)流程變革，實現(xiàn)價值躍遷的前沿方法體系。

它有助于企業(yè)構(gòu)建更具創(chuàng)新性和競爭力的業(yè)務(wù)模式，利用前沿的

AI技術(shù)深入理解復(fù)雜的業(yè)務(wù)邏輯之間的內(nèi)在關(guān)聯(lián)，從而實現(xiàn)流

程的自動化執(zhí)行與智能化決策，推動流程的自我優(yōu)化與持續(xù)進化。自主重構(gòu)AIWorkspaceAI

與流程結(jié)合的產(chǎn)物—AI

for

ProcessAI

for

Process

架構(gòu)藍圖可持續(xù)進化的AI

流程Owner

，自我執(zhí)行的AI

生命體算力資源云資源圖表2

AIfor

Process架構(gòu)藍圖生態(tài)服務(wù)服務(wù)應(yīng)用

05數(shù)據(jù)平臺業(yè)務(wù)平臺AI

中臺流程執(zhí)行流程優(yōu)化業(yè)務(wù)流程數(shù)據(jù)能力動態(tài)編排知識網(wǎng)絡(luò)等級等級定義描述人類角色人類權(quán)利L1基礎(chǔ)級-輔助工具AI作為輔助手段，聚焦流程中離散、單一任務(wù)(

如數(shù)據(jù)標(biāo)注、文檔檢索

)，

以工具形態(tài)提升局部效率，人類仍為流程主導(dǎo)者主導(dǎo)者工具調(diào)用權(quán)L2使能級-人機協(xié)作AI實現(xiàn)流程內(nèi)多關(guān)聯(lián)任務(wù)的自動化串聯(lián)執(zhí)行(如合同審批全流程處

理)，成為流程運轉(zhuǎn)的核心驅(qū)動力，顯著減少人工干預(yù)驅(qū)動者流程節(jié)點的執(zhí)行權(quán)L3協(xié)同級-智能執(zhí)行AI突破單流程邊界，基于預(yù)設(shè)規(guī)則實現(xiàn)跨部門、跨系統(tǒng)的多任務(wù)協(xié)同

(如銷售訂單與供應(yīng)鏈聯(lián)動)，人類角色轉(zhuǎn)向規(guī)則制定與異常監(jiān)督監(jiān)督者監(jiān)督和審核AI執(zhí)

行的內(nèi)容L4治理級-流程優(yōu)化AI通過實時分析流程數(shù)據(jù)與行業(yè)經(jīng)驗，自主識別瓶頸并提出優(yōu)化方案

(如動態(tài)調(diào)整風(fēng)控審批閾值)，深度參與流程治理與改進求知者結(jié)合AI

的建議進行流程編排和優(yōu)化L5管控級-

自主進階AI

作為流程的自主管理者(AIOwner)，不僅實現(xiàn)全流程自動化執(zhí)行，

更具備流程重構(gòu)與動態(tài)編排能力(

如根據(jù)業(yè)務(wù)變化自動重組生產(chǎn)流程)戰(zhàn)略目標(biāo)設(shè)定者與最終結(jié)果的監(jiān)

控者制定宏觀的戰(zhàn)略目標(biāo)，并對最終結(jié)果

進行監(jiān)督圖表3AIfor

Process五級評估模型 AI

for

Process

建設(shè)方法經(jīng)過多年數(shù)智化轉(zhuǎn)型實踐驗證，AI

for

Process

的建設(shè)絕非一蹴而就—如同當(dāng)年數(shù)據(jù)治理從概念到落地的演進歷程，它本質(zhì)

上是企業(yè)修煉數(shù)字化內(nèi)功的長期工程。尤其在

AI

大模型爆發(fā)式發(fā)展的當(dāng)下，我們深刻理解企業(yè)管理層對

AI

價值的迫切期待：既要響應(yīng)短期變現(xiàn)訴求與部門

KPI壓力，又要考慮AI長效價值紅利。基于此，我們提出“雙驅(qū)動”模型Twin–

Drive(TD)

，

通過

Top-Down

Decomposition

&

Bottom-Up

Emergence

頂層拆解和底層涌現(xiàn)雙擎建設(shè)模型—通過頂層戰(zhàn)略設(shè)計

與底層場景驗證的雙向協(xié)同，在快速兌現(xiàn)AI應(yīng)用價值的同時筑牢能力基座。 AI

for

Process

評估模型基于企業(yè)AI技術(shù)儲備與流程管理基礎(chǔ)的差異，AIfor

Process

的建設(shè)呈現(xiàn)階梯式發(fā)展路徑。根據(jù)其能力成熟度維度，將其劃分

為五級演進體系：AI

for

Process

五級評估模型評估模型分為

L1~L5五個等級，下面是等級定義、描述、人類角色和人類權(quán)利的描述流程融合體系技術(shù)支撐體系A(chǔ)gent

認證體系A(chǔ)Ifor

Process場景運營體系角色

工具輸入

Action

輸出標(biāo)準(zhǔn)數(shù)據(jù) AI

for

Process

企業(yè)級流程數(shù)智化變革AI

場景

從業(yè)務(wù)需求出發(fā)圖表4TD(Top-Down

Decomposition&Bottom-Up

Emergence)頂層底層雙擎從企業(yè)戰(zhàn)略出發(fā)AI

場景L1~L5流程+Action06

Bottom-UpTop-DownAG

模型AG

模型AIGene Top-Down

Decomposition

方法：以長期規(guī)劃為著力點的戰(zhàn)略方法Top-Down

Decomposition

方法以戰(zhàn)略驅(qū)動為出發(fā)的，

旨在將企業(yè)戰(zhàn)略目標(biāo)與AI

深度融合，幫助企業(yè)從一個較高的維度和

長期發(fā)展建設(shè)策略。該模型將流程逐級拆解變成可執(zhí)行的任務(wù)節(jié)點，再借助AI技術(shù)對各環(huán)節(jié)進行智能化賦能，最終實現(xiàn)戰(zhàn)略目

標(biāo)的快速和高效達成，也同時對AIfor

Process在企業(yè)的價值進行統(tǒng)計和肯定。這種Top-down

的構(gòu)建方式，不僅幫助企業(yè)高層突破對

AI

的工具化認知，更將其視為推動戰(zhàn)略達成的核心驅(qū)動力。通過系統(tǒng)化的戰(zhàn)略拆解，Top-Down

模型確保AI

應(yīng)用場景的全面覆蓋，避免出現(xiàn)場景遺漏或執(zhí)行斷點，確保各場景間形成有機串聯(lián)，

構(gòu)建起完整的AI

流程生態(tài)。盡管受限于當(dāng)前技術(shù)水平、企業(yè)內(nèi)部數(shù)據(jù)質(zhì)量與知識沉淀程度，短期內(nèi)難以實現(xiàn)大規(guī)模應(yīng)用，但該

模型從長期來看，仍是企業(yè)AI能力建設(shè)的核心發(fā)展方向。隨著企業(yè)AI能力的持續(xù)提升與數(shù)據(jù)積累，將逐步實現(xiàn)AI在業(yè)務(wù)流程

中的規(guī)?；涞?，釋放AI

的長期價值潛能。Top-Down

方法對企業(yè)提出了較高要求，企業(yè)需具備明確的戰(zhàn)略定位，同時擁有一套基本完善的流程體系（

L1-L5任務(wù)級）支撐業(yè)務(wù)戰(zhàn)略落地。同時每一層級流程都需要伴隨明確的量化和非量化指標(biāo)。這本質(zhì)上屬于企業(yè)數(shù)字化階段的核心工作，即通過高質(zhì)量數(shù)據(jù)賦能業(yè)務(wù)流程，實現(xiàn)業(yè)務(wù)、數(shù)據(jù)與指標(biāo)的打通。具備上述前提下，AIfor

Process

的建設(shè)將基本采取“流程體系

+A”的模式（其中

"Action"

指代具體執(zhí)行動作）。當(dāng)前企業(yè)

主流流程體系(

L1-L5

任務(wù)級）僅覆蓋到業(yè)務(wù)任務(wù)層面，這種顆粒度難以滿足

AI

驅(qū)動的精細化運營需求。若要實現(xiàn)

AI

技術(shù)的深度應(yīng)用，需要將流程解構(gòu)至

具體的Action

級操作單元，例如郵件撰寫、文件打印等具體執(zhí)行動作。這些微觀操作通常未被納入企業(yè)標(biāo)準(zhǔn)流程文件，但卻是AIfor

Process實現(xiàn)自動化執(zhí)行與智能決策的基礎(chǔ)單元。企業(yè)在建設(shè)前期需要有業(yè)務(wù)專家進行高價值場景篩選，輔以AI專家提供技術(shù)支持。在場景梳理的初期，切勿過度聚焦技術(shù)細節(jié)，

僅需AI

專家提供輔助，場景規(guī)劃基于業(yè)務(wù)需求展開，以此構(gòu)建企業(yè)專屬的流程執(zhí)行地圖。通常而言，場景建設(shè)需從降本增效、

提升用戶體驗、保障產(chǎn)品質(zhì)量以及推動關(guān)鍵戰(zhàn)略達成等維度構(gòu)建場景地圖體系。場景地圖應(yīng)該是覆蓋全流程、全業(yè)務(wù)域的，我們之前提過AI

for

Process

它不僅僅是流程自動化執(zhí)行，是一種新型的流程管理

理念，只有實現(xiàn)全面覆蓋，才能在未來實現(xiàn)自我進化，達到流程編排和精益化運營的目的。 Bottom-Up

Emergence

方法：以短期速贏為切入點的戰(zhàn)術(shù)方法Bottom-Up

是以業(yè)務(wù)痛點和迫切需求為切入點，通過散點式場景實現(xiàn)AI

for

Process

的快速落地。該模式可使企業(yè)迅速獲取AI價值，有效提升工作效率與用戶服務(wù)體驗，同時緩解

IT部門短期

KPI壓力。在這種方法的實施過程中，企業(yè)可沉淀AI長期建設(shè)的土壤，如：AI

文化，AI

場景梳理方法和AI初步的技術(shù)體系。通常，這種模型的實現(xiàn)方式是通過

IT或者AI部門進行調(diào)

研問卷填寫和訪談的形式。目前95%以上的企業(yè)均采用這種模式推進AI場景部署。Bottom-Up方法具備顯著的自主性與便捷性，企業(yè)憑借內(nèi)部AI

團隊的專業(yè)能力即可獨立實施，無需依賴外部資源，其實施邏輯與

BI

時代的數(shù)據(jù)應(yīng)用場景建設(shè)存在相似之處。該方法的核心實施流程如下：制定AI場景收集模板

-場景收集（各個業(yè)務(wù)部

門或者試點部門填寫）-場景分析

-業(yè)務(wù)調(diào)研

-場景地圖建設(shè)。 AG(AI

Gene，AI

基因）分析模型AG

分析模型歸屬于TD

方法框架下。在構(gòu)建企業(yè)

AI

場景地圖時，需對場景中的每個

Action（基礎(chǔ)操作單元）展開系統(tǒng)性、全方位的深度剖析。這種剖析被稱為

Action

基因分析，主要關(guān)注場景的可實現(xiàn)性，以及梳理實現(xiàn)過程所需的能力儲備。針對基因分析，主要其涵蓋六個因子：

07如果企業(yè)在戰(zhàn)略層面沒有較清晰的路徑，甚至沒有標(biāo)準(zhǔn)流程體系內(nèi)容，也可以

從日常業(yè)務(wù)運行的流程作為AI

for

Process

的切入點。并不一定必須從戰(zhàn)略出發(fā)，也不一定必須要有流程體系。企業(yè)結(jié)合自身的情況以及要達到的目的進

行

AI

for

Process

的建設(shè)。

技術(shù)實現(xiàn)評估AI

技術(shù)對該動作的實現(xiàn)可行性，并初步規(guī)劃技術(shù)

路徑。例如，采用計算機視覺技術(shù)處理圖像類動作，運用自然語言處理技術(shù)完成文本交互動作等

工具在AI

for

Process

體系建設(shè)方面，企業(yè)在運用

TD

模型推進多場景AI

forProcess落地時，需構(gòu)建統(tǒng)一的規(guī)劃框架，包括執(zhí)行的模版。若缺乏全局統(tǒng)籌，

可能導(dǎo)致Top-down

和

Bottom-up

構(gòu)建業(yè)務(wù)場景的流程顆粒度、數(shù)據(jù)維度

存在差異，進而在場景融合與流程串聯(lián)階段產(chǎn)生大量兼容性改造成本。因此，建議在項目啟動初期就建立標(biāo)準(zhǔn)化建設(shè)規(guī)范，確保各環(huán)節(jié)的一致性與協(xié)同性，

規(guī)避重復(fù)建設(shè)與資源浪費。指在任務(wù)執(zhí)行過程中作為具體操作對象的實體或抽象事物，其存在狀態(tài)、屬性或功能因任務(wù)實施而被直接作用

或改變例如：供應(yīng)商（供應(yīng)商績效評價）、需求（需求優(yōu)先級

分析）、零件（零件開模）角色

工具輸入

Action

輸出標(biāo)準(zhǔn)數(shù)據(jù)標(biāo)準(zhǔn)&

規(guī)則涵蓋動作執(zhí)行的業(yè)務(wù)規(guī)范、輸入輸出標(biāo)準(zhǔn)，以及國

家法規(guī)、企業(yè)制度等合規(guī)要求，確保動作執(zhí)行符合確定完成動作所需調(diào)用的資源，包括文檔編輯工具、

API接口服務(wù)、系統(tǒng)表單模塊、專業(yè)設(shè)計軟件等，為動

作落地提供工具層面的支持梳理動作執(zhí)行所需的數(shù)據(jù)輸入（如結(jié)構(gòu)化數(shù)據(jù)、傳感器信號）與知識參考（如行業(yè)標(biāo)準(zhǔn)、歷史經(jīng)驗庫），為動作的精準(zhǔn)執(zhí)行提供信息支撐明確執(zhí)行該動作的唯一責(zé)任主體。AIfor

Process設(shè)計過程目前是一個

Action只有一個執(zhí)行主體

.AI

for

Process

企業(yè)級流程數(shù)智化變革

執(zhí)行對象數(shù)據(jù)&

知識

在TD模型的應(yīng)用中，有兩個關(guān)鍵要點值得關(guān)注：行業(yè)規(guī)范與企業(yè)標(biāo)準(zhǔn)圖表5

AG模型08

角色 AI

for

Process

場景劃分“無場景，不AI”。場景對于AI技術(shù)的落地與應(yīng)用至關(guān)重要，企業(yè)需要梳理符合自身應(yīng)用場景的場景地圖。以下為四種應(yīng)用場

景的劃分方式：

應(yīng)用能力場景劃分從AI

for

Process

的應(yīng)用視角出發(fā)，通常不采用業(yè)務(wù)域維度劃分場景，這是因為以業(yè)務(wù)域劃分易導(dǎo)致場景成為孤島。流程的本

質(zhì)意義在于打破部門與科室壁壘，構(gòu)建高效協(xié)作體系，故場景劃分宜按應(yīng)用能力分類，一般分為以下四類：在AI

領(lǐng)域的日常交流中，場景落地實踐始終是核心議題。無論是與高層決策者還是一線業(yè)務(wù)負責(zé)人溝通，

“AI在企業(yè)中的已落地場景”幾乎是繞不開的話題，可謂是“無場景，

不

AI”。前文提到的TD

模型核心是構(gòu)建企業(yè)自身的AI

場景地圖。企業(yè)的場景地圖是一個持續(xù)迭代和優(yōu)化的過程，隨著

AI

技術(shù)以及企業(yè)

AI

成熟度的發(fā)展，場景地圖庫也不斷的在去舊增新，場景針對AIfor

Process只是一個過程，一個為了企業(yè)流程自我進化的一個階段。按照當(dāng)

前的AI技術(shù)和企業(yè)現(xiàn)狀，場景是繞不開的話題。如圖表6所示，我們可以看出在AI領(lǐng)域

中場景和流程之間的關(guān)系。AI

for

Process

的AI

場景劃分與識別通過AI

技術(shù)串聯(lián)企業(yè)核

心業(yè)務(wù)模塊與執(zhí)行節(jié)點，

構(gòu)建端到端自動化工作

流。如醫(yī)藥企業(yè)的訂單報

銷流程，AI

可自動完成信

息填報

→數(shù)據(jù)關(guān)聯(lián)

→

多級審批

→流程歸檔，實現(xiàn)全鏈路自動化，減少人工干

預(yù)與流程耗時針對業(yè)務(wù)流程中的復(fù)雜決

策環(huán)節(jié)，AI

整合多源數(shù)據(jù)（法規(guī)、歷史經(jīng)驗等）生

成分析模型，輔助業(yè)務(wù)判斷。例如在醫(yī)藥合規(guī)管理

中，AI

自動解析法規(guī)差異，

輸出合規(guī)評估報告及整改

建議基于自然語言處理技術(shù)，

搭建企業(yè)級智能問答平

臺。在醫(yī)藥場景下醫(yī)藥代

表提問

"

區(qū)域醫(yī)保政策調(diào)

整應(yīng)對策略"

時，AI

可調(diào)

用法規(guī)庫、競品數(shù)據(jù)及企

業(yè)策略，輸出定制化解決

方案以AI

自動化替代企業(yè)高頻標(biāo)準(zhǔn)化事務(wù)，如會議預(yù)

定、文檔生成等基礎(chǔ)操作。

醫(yī)藥場景下，AI

可按模板自動生成藥品說明書、隨

訪記錄，并同步歸檔至數(shù)

據(jù)庫問答類流程類分析類任務(wù)類圖表6

場景與流程關(guān)系圖流程場景

09任務(wù)動作工作流類分析類任務(wù)類問答類智能工作流生成合規(guī)風(fēng)險預(yù)警智能文檔生成政策智能問答工作流優(yōu)化建議智能審計分析數(shù)據(jù)自動錄入流程指導(dǎo)助手工作流模板決策輔助報告會議事務(wù)管理最佳實踐推薦圖表7場景表格

執(zhí)行方式場景劃分還有一種分類方式，我們打開一條流程，對這條流程進行AI基因分析，按照可執(zhí)行方式進行分類：AI

自主執(zhí)行、AI輔助+人工、

人工執(zhí)行。

.AI

for

Process

企業(yè)級流程數(shù)智化變革圖表8醫(yī)藥行業(yè)客戶旅程場景地圖示例場景表格：10

業(yè)務(wù)域&用戶旅程場景劃分由于當(dāng)前很多企業(yè)AI能力建設(shè)尚在早期，數(shù)字化階段的工作尚未徹底完成，因此，當(dāng)下企業(yè)多采用按照用戶旅程或者業(yè)務(wù)領(lǐng)域

進行場景劃分：用戶旅程場景地圖示例

患者側(cè)

患者疾病認知》》入院與疾病診斷》門診/住院治療

》》患者隨訪與健康管理 信息收集與處理數(shù)據(jù)分析與預(yù)測內(nèi)容設(shè)計與生成檢核與監(jiān)控●自動實時交互支持決策圖表9醫(yī)藥行業(yè)用戶旅程場景地圖示例示例：映射企業(yè)內(nèi)部協(xié)同網(wǎng)絡(luò)，整合研發(fā)創(chuàng)新、市場拓展、醫(yī)學(xué)支持、質(zhì)量管理等職能模塊，通過數(shù)據(jù)流與流程接口實現(xiàn)服務(wù)閉環(huán)。

場景地圖的核心價值是通過解構(gòu)C端與

B端的雙向關(guān)聯(lián)，將復(fù)雜業(yè)務(wù)轉(zhuǎn)化為可操作的場景單元，助力企業(yè)精準(zhǔn)優(yōu)化各環(huán)節(jié)價

值傳遞。

內(nèi)部運營側(cè)

研發(fā)部

》》市場與銷售部

》》醫(yī)學(xué)部

》》

生產(chǎn)與質(zhì)量管理部自動識別學(xué)術(shù)會議漏洞個性化內(nèi)容推送醫(yī)生問題自動解答自動生成銷售計劃檢查識別CRM

數(shù)據(jù)異值患教內(nèi)容生成真實世界研究報告生成藥物警戒

風(fēng)險發(fā)現(xiàn)識別醫(yī)學(xué)會議流程風(fēng)險醫(yī)學(xué)合規(guī)風(fēng)險

識別與預(yù)警調(diào)研問卷訪談

筆錄自動生成政策匯總

獲取洞察更精準(zhǔn)

客戶細分發(fā)現(xiàn)未來趨勢

和銷售預(yù)測自動生成年度活動內(nèi)容醫(yī)學(xué)信息

識別匯總文獻薈萃摘要生成藥物知識

圖譜建設(shè)生成學(xué)術(shù)會議

有效性報告MSL溝通

自動化生成聚焦用戶視角，覆蓋"認知→診斷→治療→

隨訪

"全周期，包含疾病了解、入院、治療方案實施、個性化隨訪等關(guān)鍵節(jié)點。挖掘和分析

臨床實驗數(shù)據(jù)個性化

推薦分析注冊資料整理預(yù)測藥物自動分類

篩選樣本質(zhì)量檢驗報告自動審核協(xié)助實驗試劑過往方案

分析與推薦治療方案內(nèi)容生成人工智能手術(shù)監(jiān)控治療方案輔助決策自動檢核與校對醫(yī)療設(shè)備風(fēng)險溯源入院咨詢交互式醫(yī)療

智能深度學(xué)習(xí)發(fā)現(xiàn)潛在靶點產(chǎn)生新穎的

化學(xué)結(jié)構(gòu)健康數(shù)據(jù)分析遠程醫(yī)療

聊天機器人實時醫(yī)學(xué)

聽寫和記錄醫(yī)學(xué)影像讀片醫(yī)患信息

更新與記錄異常數(shù)據(jù)

分析與預(yù)警智能化線上

隨訪溝通隨訪結(jié)果

生成與報告生命體征監(jiān)控患者教育內(nèi)容生成自動化

病例記錄輔助診斷

與預(yù)測優(yōu)化生產(chǎn)

計劃與排程預(yù)測設(shè)備問答助手個性化健康

醫(yī)療建議患者旅程視角運營支撐視角保障咨詢個人健康數(shù)據(jù)檢測預(yù)測藥物與特定

靶蛋白的作用生成供應(yīng)商

質(zhì)量評估報告分析生產(chǎn)瓶頸

和優(yōu)化空間關(guān)聯(lián)知識分類與匹配交互式醫(yī)療

保障咨詢推薦單一/

聯(lián)合治療生成質(zhì)量體系培訓(xùn)內(nèi)容自動分析診斷材料生產(chǎn)質(zhì)量體系文件疾病知識內(nèi)容生成個性化

推薦分析預(yù)測化

合物毒理醫(yī)患信息自動錄入病歷卡自動生成精準(zhǔn)篩選招募患者設(shè)備，生成報告治療方案與實施可行的合成路徑故障和預(yù)防維護

11根據(jù)診斷分級自我知識了解個性化隨訪健康管理入院診斷語音助手與購物體驗———AI工藝參數(shù)優(yōu)化 自動駕駛----圖表10汽車行業(yè)客戶旅程場景地圖示例

—AI摩天輪AI摩天輪以“AI賦能業(yè)務(wù)場景”為核心，劃分研發(fā)設(shè)計、智能座艙&

自動駕駛、生產(chǎn)制造、供應(yīng)物流、營銷售后五大業(yè)務(wù)域，

覆蓋從技術(shù)研發(fā)、產(chǎn)品生產(chǎn)到市場交付與售后的全流程。每個業(yè)務(wù)域細化具體AI應(yīng)用場景，如研發(fā)設(shè)計包含虛擬設(shè)計評審等，

營銷售后涵蓋個性化推薦等。其價值在于通過梳理

AI

在各業(yè)務(wù)環(huán)節(jié)的應(yīng)用，構(gòu)建業(yè)務(wù)

-

AI

深度融合的全景視圖，助力企業(yè)精

準(zhǔn)挖掘AI應(yīng)用潛力，優(yōu)化業(yè)務(wù)流程與價值創(chuàng)造。

業(yè)務(wù)價值與落地難度場景劃分AI

的場景落地可通過“業(yè)務(wù)價值”與“落地難度”兩個維度劃分為四大象限，通過量化評估每個潛在AI應(yīng)用場景在兩個關(guān)鍵維

度的表現(xiàn)，將其精準(zhǔn)定位到矩陣中的一個象限，從而直觀反映其優(yōu)先級，幫助企業(yè)系統(tǒng)化評估優(yōu)先級和資源分配。

業(yè)務(wù)價值：衡量該場景實施成功后，能為企業(yè)帶來的實際收益大小和戰(zhàn)略重要性。

落地難度：衡量實現(xiàn)該場景所需克服的技術(shù)、資源、數(shù)據(jù)、流程、合規(guī)等方面的挑戰(zhàn)程度。

.AI

for

Process

企業(yè)級流程數(shù)智化變革業(yè)務(wù)領(lǐng)域劃分的場景地圖示例12

摩輪天象限特征策略場景示例I：高業(yè)務(wù)價值，低落地難度-“速

贏區(qū)/優(yōu)先啟動區(qū)”投資回報率高、見效快、

風(fēng)險相對較低。容易獲

得早期成功，建立信心，

積累經(jīng)驗立即啟動，優(yōu)先投入資源?？?/p>

速試點并推廣智能客服（零售

/金融）

案例：某銀行用GPT-4處理70%常見咨詢，響

應(yīng)時間從5分鐘降至

10秒營銷文案生成（電商）

案例：某美妝品牌用Claude生成5000+商品描

述，人力節(jié)省40%II：高業(yè)務(wù)價值，

高落地難度-“戰(zhàn)

略攻堅區(qū)”潛在回報巨大，對公司

戰(zhàn)略至關(guān)重要，但實現(xiàn)

過程復(fù)雜、投入大、周

期長、風(fēng)險較高戰(zhàn)略性投入，分階段推進。需

要高層支持、充足預(yù)算和跨部

門協(xié)作。進行深入可行性研究，

制定詳細路線圖，可能從小范

圍概念驗證開始新藥分子設(shè)計（醫(yī)藥）

案例：某醫(yī)藥集團用生成式AI

縮短化合物篩選周

期

50%工業(yè)設(shè)計生成（制造業(yè)）

案例：某公司用Simcenter

AI

生成輕量化零部件III：低業(yè)務(wù)價值，低落地難度-“實驗探索區(qū)

/效率提

升區(qū)”收益有限，但實施成本

低、速度快、風(fēng)險小。

通常用于特定流程的微小改進或員工效率

工具選擇性試點，快速驗證?？捎?/p>

小團隊（如創(chuàng)新實驗室、業(yè)務(wù)

部門）利用現(xiàn)有資源快速嘗試。

關(guān)注經(jīng)驗積累和模式驗證，而

非大規(guī)?；貓??？勺鳛椤熬毐鴪觥眴T工知識助手(HR)

案例：某公司內(nèi)部GPT解答休假政策，節(jié)省HR

20%

工時代碼注釋生成(IT)

案例：某互聯(lián)網(wǎng)公司用GitHub

Copilot

自動生

成代碼文檔IV：低業(yè)務(wù)價值，高落地難度-“謹(jǐn)慎規(guī)避區(qū)

/重新定

義區(qū)”投入產(chǎn)出比低，實施困

難且風(fēng)險高。除非有特

殊原因（如合規(guī)強制要

求），否則應(yīng)避免原則上規(guī)避。若必須考慮，需

重新審視場景定義（是否能挖

掘更高價值）、尋求替代方案

（非GenAI方案）、或等待

技術(shù)

/環(huán)境成熟全自動法律合同起草（律所）

難點：責(zé)任界定模糊+錯誤容忍率<0.001%

深度偽造營銷視頻（快消）

風(fēng)險：品牌聲譽損害

+法律合規(guī)成本>收益AI

技術(shù)的場景落地評估，本質(zhì)是企業(yè)戰(zhàn)略資源優(yōu)化配置的決策科學(xué)。本框架提供的四象限矩陣（價值-難度維度）非靜態(tài)分類工具，而是需要企業(yè)根據(jù)企業(yè)基因差異和業(yè)務(wù)特性

進行動態(tài)適配——技術(shù)驅(qū)動型公司對高難度項目的容忍度必

然高于傳統(tǒng)企業(yè)；其次是資源稟賦，比如擁有高質(zhì)量數(shù)據(jù)資

產(chǎn)的企業(yè)落地難度評估就該下調(diào)；還有行業(yè)監(jiān)管特性，醫(yī)療

和金融業(yè)的合規(guī)成本權(quán)重必須特殊處理。企業(yè)在使用該框架

時特別要注意的是避免“最佳實踐陷阱”

，例如某個案例在

電商領(lǐng)域是速贏項目，放到制造業(yè)可能就變成戰(zhàn)略攻堅。之前象限

III

的會議紀(jì)要工具案例，在創(chuàng)意行業(yè)價值評分應(yīng)該上調(diào)，但在流水線工廠可能就該歸入象限

IV。綜上所述，沒有“絕對正確”的象限歸屬，只有與企業(yè)現(xiàn)狀

最匹配的資源折衷方案。而核心關(guān)注點需要重點平衡三個矛

盾：短期與長期收益的平衡、技術(shù)可行性與商業(yè)價值的平衡、

創(chuàng)新探索與風(fēng)險控制的平衡。低圖表

12四象限矩陣（價值

-難度維度）高高價值高落地難度圖表11業(yè)務(wù)價值與落地難度場景高價值低落地難度低價值低落地難度低價值高落地難度

13業(yè)務(wù)價值落地難度低高天士力在流程優(yōu)化領(lǐng)域已開展了大量系統(tǒng)性工作，其中在醫(yī)藥集團推廣的SFE(Sales

Force

Effectiveness)體系便

是典型代表。該體系管理著集團旗下5000余名銷售代表，對其日常工作、預(yù)算執(zhí)行、客戶拜訪及效果評估等全流程進

行閉環(huán)管理，我們希望通過這個體系可以推動銷售代表深度對接市場，實現(xiàn)市場動態(tài)的實時反饋與個人工作定位的精

準(zhǔn)認知。這一項目自2011年啟動以來，呈現(xiàn)出清晰的階段性發(fā)展脈絡(luò)。2011年，天士力上線了基于Oracle

CRM系統(tǒng)的

PC

端平臺，作為集團級重點項目，累計投入超1000萬元，核心任務(wù)是將分散于代表個人設(shè)備及Excel表格中的客戶信息

整合至系統(tǒng)，徹底解決以往信息分散、管理低效的問題，實現(xiàn)客戶信息的集中化管理。到2015至2016年，項目進入新

的階段，我們聚焦銷售流向分析的線上化建設(shè)，最終實現(xiàn)醫(yī)院直連率超90%、OTC藥店覆蓋率超85%，不僅完成了客

戶關(guān)系基礎(chǔ)信息的系統(tǒng)化搭建，更實現(xiàn)了銷售流向數(shù)據(jù)的實時采集，為后續(xù)數(shù)字化轉(zhuǎn)型奠定了堅實基礎(chǔ)。與此同時，我

們也開始推動業(yè)務(wù)流程向移動端遷移，支持代表通過手機實時接收拜訪任務(wù)、記錄拜訪過程、優(yōu)化拜訪路線，全面推廣

移動端應(yīng)用，讓銷售業(yè)務(wù)得以實時化、移動化開展。2019至2020年，項目進入第三個發(fā)展階段，天士力進一步將服務(wù)延伸至醫(yī)生群體，上線企業(yè)微信實現(xiàn)銷售代表與醫(yī)生的一對一精準(zhǔn)溝通，同步部署MCM(Multi-Channel

Marketing，多渠道營銷）系統(tǒng)，推動學(xué)術(shù)推廣會議線上化。

從客戶信息系統(tǒng)化，到銷售代表業(yè)務(wù)實時化，再到醫(yī)患互動線上化，這是一個逐步連接和優(yōu)化的過程，不僅在行業(yè)內(nèi)處

于領(lǐng)先地位，充分體現(xiàn)了銷售流程的數(shù)字化轉(zhuǎn)型，更清晰展現(xiàn)了天士力從信息化到數(shù)字化再到智能化的轉(zhuǎn)型路徑。我們依托于神州問學(xué)平臺搭建的伯通問答引擎，成功構(gòu)建了銷售代表與醫(yī)生通過企業(yè)微信進行專業(yè)互動的場景——當(dāng)

醫(yī)生咨詢產(chǎn)品知識時，銷售代表可借助后端引擎（如伯通問答和OpenAI）獲取信息，并結(jié)合標(biāo)準(zhǔn)化答案的回復(fù)，既提

升了溝通效率，又保障了信息準(zhǔn)確性。到人工智能的時代，我們同樣給予高度重視并積極實踐。早在2023年2-3月，便開始關(guān)注大模型相關(guān)領(lǐng)域；同年4月，

組織召開集團層面的人工智能戰(zhàn)略研討會，邀請集團70余位高管共同探討發(fā)展方向。我們始終認為，人工智能的價值

核心在于業(yè)務(wù)場景的落地，因此從“重要性（價值）”與“實現(xiàn)難易度（可行性）”兩個維度對業(yè)務(wù)場景進行評估，形成類

似魔力象限的篩選體系。截至去年，已完成初期篩選的18個關(guān)鍵場景中的16個，并在此基礎(chǔ)上擴展了1-2個，共涉及

17到18個場景，基本都已落地實施?！焓苛瘓F董事局主席助理、數(shù)字創(chuàng)新中心總經(jīng)理史建華

.AI

for

Process

企業(yè)級流程數(shù)智化變革專家訪談實錄14

專家訪談實錄以火山引擎服務(wù)的客戶為例，我們發(fā)現(xiàn)有四類場景在AI

的應(yīng)用上特別活躍：第一類是信息處理&分析類場景。這個場景背后的本質(zhì)是在于，當(dāng)前AI（包括大模型）天然擅長對海量數(shù)據(jù)和知識

進行梳理、分析、總結(jié)與生成，這與該場景的需求高度契合；第二類是營銷和客服類場景。這類場景涉及到“研產(chǎn)供銷服”中銷售、服務(wù)兩個環(huán)節(jié)，

能直接作用于業(yè)務(wù)增長與用戶

滿意度提升，產(chǎn)生顯著的實際效益；第三類是端側(cè)和硬件結(jié)合的場景。我們已與手機廠商、主流汽車廠商及各類

IoT

設(shè)備（如平板、可穿戴設(shè)備等）有

較多合作。因此，我們發(fā)現(xiàn)，用戶觸點及流量來源正逐步分散到不同端側(cè)，不再局限于Web和APP

時代。此類場

景用戶量大、訪問頻率高，通過AI優(yōu)化可有效提升效率與體驗；第四類是與AI

工具相關(guān)的場景。這類場景也是直接能通過局部采用

AI

的技術(shù)手段，能直接為企業(yè)提升效率的一類

場景。從我們自己實踐來看，以下幾類流程或場景特別適合AI重構(gòu)：第一類是數(shù)據(jù)密集型的場景，這是

AI比較擅長的領(lǐng)域；

第二類是人力密集型的，這樣的場景通過

AI重構(gòu)可以解決人工協(xié)作的效率瓶頸的問題；第三類是IT密集型的場景，

這類場景數(shù)字化、信息化基礎(chǔ)較好，為AI

改造升級提供了有利條件(AI

應(yīng)用的基礎(chǔ)是信息化與數(shù)字化，缺乏此基礎(chǔ)

則難以發(fā)揮新技術(shù)價值）。所以，以上三類的流程，或者前面四個較為具體的場景是比較適合用AI進行重構(gòu)的。從具體行業(yè)實踐來看，AI

在不同類型場景中的重構(gòu)價值已逐步顯現(xiàn)。以金融行業(yè)為例，個人信貸審批、智能客服、

精準(zhǔn)營銷等人力密集型場景，通過AI技術(shù)改造能帶來明顯成效——我們與銀行等機構(gòu)合作，在智能外呼、數(shù)字人客

服等場景試點大模型應(yīng)用后，營銷轉(zhuǎn)化率和客戶滿意度均實現(xiàn)顯著提升。醫(yī)療領(lǐng)域作為典型的數(shù)據(jù)與知識密集型行業(yè)，AI更能實現(xiàn)

“知識普惠”，借助技術(shù)手段將資深專家的經(jīng)驗沉淀并輻

射到更廣泛的場景中。比如我們與國內(nèi)頭部三甲醫(yī)院的合作，通過AI優(yōu)化患者導(dǎo)診、隨訪等環(huán)節(jié)，既提升了服務(wù)效

率，也讓優(yōu)質(zhì)醫(yī)療知識得以更高效地應(yīng)用。教育領(lǐng)域同樣屬于知識密集型場景，借助AI可實現(xiàn)兩方面突破：一是課程內(nèi)容的自動化生成，二是為學(xué)生提供個性

化教育服務(wù)，讓教學(xué)更具針對性。而在

IT密集型場景中，研發(fā)領(lǐng)域的編程環(huán)節(jié)是典型代表。綜上，數(shù)據(jù)密集型、人力密集型、知識密集型及

IT

密集型等流程或場景，均適合通過AI

進行重構(gòu)，且已在實際應(yīng)

用中展現(xiàn)出顯著價值?！鹕揭娓笨偛脧場?/p>

15我們內(nèi)部會把AI在企業(yè)的應(yīng)用劃分為兩類。第一類是企業(yè)內(nèi)部的AI應(yīng)用，并將其定義為“企業(yè)+大模型”，它是

圍繞流程的，代表的是對生產(chǎn)力的提升；另一個是“產(chǎn)品+大模型，它是圍繞產(chǎn)品交互或者功能的。以下主要圍繞

前者展開說明。過去，企業(yè)內(nèi)部各業(yè)務(wù)流程都是獨立的業(yè)務(wù)系統(tǒng)，無論是

ERP

、CRM或其他系統(tǒng)，其部署形態(tài)或分散或統(tǒng)一，但

業(yè)務(wù)系統(tǒng)間的數(shù)據(jù)始終處于割裂狀態(tài)。同樣，無論過往是否搭建過數(shù)據(jù)中臺或業(yè)務(wù)中臺，這一問題也未能根本解決。

而如今，隨著企業(yè)數(shù)據(jù)與大模型的結(jié)合逐漸加深，數(shù)據(jù)在多個業(yè)務(wù)流程中展現(xiàn)出極大地應(yīng)用價值。目前較為明確且應(yīng)用廣泛的場景是客服系統(tǒng)相關(guān)的流程，可分為簡單與復(fù)雜兩種情形。簡單的如導(dǎo)購，屬于大客服

場景下的一種類型；復(fù)雜的則涵蓋退款等業(yè)務(wù)，此時會與CRM

、ERP等業(yè)務(wù)流程形成緊密耦合。另一類應(yīng)用廣泛的是與

OA

門戶或

IM

相關(guān)的業(yè)務(wù)流程。當(dāng)前，大模型在知識問答場景的應(yīng)用已較為普遍，這恰好

能與OA

門戶、IM形成較多耦合。這些系統(tǒng)的觸點覆蓋所有員工，

企業(yè)期望通過某種特定的交互邏輯直接與員工溝

通和探討。當(dāng)然，其他業(yè)務(wù)系統(tǒng)也有應(yīng)用但相對較少。例如HR

招聘系統(tǒng)，包括阿里巴巴在內(nèi)的部分公司正借助大模型進行改造，涉及人才組織盤點等環(huán)節(jié)；財務(wù)領(lǐng)域亦有涉及，如阿里巴巴內(nèi)部撰寫財報時需要消耗大量人力，通過大模型能在

一

定程度上緩解這一情況。還有一類與前述兩類差異較大，如

HR、財務(wù)、法務(wù)等垂直的職能部門，或者部分第三方

SaaS公司的自行改造。

如果說前兩類與業(yè)務(wù)耦合的更為緊密，這類的流程則更具垂直屬性、更偏向職能范疇。—阿里云副總裁、通義大模型業(yè)務(wù)總經(jīng)理徐棟

.AI

for

Process

企業(yè)級流程數(shù)智化變革專家訪談實錄16

內(nèi)涵：包括

AI訓(xùn)練服務(wù)器、推理服務(wù)器、高性能計算集群、專用

AI芯片、高速網(wǎng)絡(luò)設(shè)備、大容量存儲設(shè)備等配套成本。測算方法：

自購設(shè)備：采購成本（設(shè)備原價、稅費、運輸、安裝調(diào)試），考慮多年分?jǐn)偟恼叟f。

租賃設(shè)備：按租賃合同約定的周期性租金計算。

云服務(wù)資源：根據(jù)云服務(wù)提供商的計費模式和實際資源消耗計算。數(shù)據(jù)來源：采購合同、固定資產(chǎn)清單、發(fā)票、付款憑證、云服務(wù)賬單。內(nèi)涵：包括AI開發(fā)與運行所需的各類軟件和平臺。測算方法：

一次性購買：軟件采購成本，若使用年限較長，可進行年度攤銷。

訂閱模式：按年度或月度訂閱費用計算。

按使用量付費：根據(jù)實際使用量和單價計算。數(shù)據(jù)來源：軟件采購合同、服務(wù)訂閱協(xié)議、云服務(wù)商賬單。

AI應(yīng)用投入的全面量化與測算準(zhǔn)確、全面地量化AI應(yīng)用的投入是進行有效

ROI分析的前提。本部分將詳細拆解企業(yè)在AI應(yīng)用全生命周期中可能發(fā)生的各項

投入，并提供相應(yīng)的量化與貨幣化方法指引，特別強調(diào)區(qū)分初始投入與持續(xù)運營投入。

技術(shù)與數(shù)據(jù)成本:AI

能力的基石技術(shù)與數(shù)據(jù)成本是構(gòu)建和運行AI應(yīng)用的核心物質(zhì)基礎(chǔ)，涵蓋了從硬件基礎(chǔ)設(shè)施到數(shù)據(jù)處理、算法模型及系統(tǒng)運維的各個方面。企業(yè)AI應(yīng)用投入產(chǎn)出ROI測算模型軟件與平臺成本硬件基礎(chǔ)設(shè)施成本

17內(nèi)涵：獲取和保護AI算法模型相關(guān)的成本。測算方法：

外購/外包：按合同金額計算。

內(nèi)部研發(fā)：根據(jù)項目成本核算制度，歸集相關(guān)研發(fā)支出。

知識產(chǎn)權(quán)：按實際發(fā)生的申請費、代理費、年費等計算。數(shù)據(jù)來源：采購合同、技術(shù)服務(wù)合同、研發(fā)項目立項書與決算報告。內(nèi)涵：AI應(yīng)用高度依賴高質(zhì)量數(shù)據(jù)，相關(guān)成本包括數(shù)據(jù)采集、預(yù)處理、標(biāo)注、存儲與管理等方面。測算方法：

數(shù)據(jù)采購/眾包：按合同金額或?qū)嶋H支付費用計算。

數(shù)據(jù)標(biāo)注：若外包，按標(biāo)注量和單價計算；若內(nèi)部標(biāo)注，按人力成本和工具費用計算。

數(shù)據(jù)存儲：根據(jù)存儲容量、存儲類型和成本計算。數(shù)據(jù)來源：數(shù)據(jù)購買合同、標(biāo)注平臺賬單、人力成本核算記錄。內(nèi)涵：將開發(fā)完成的AI應(yīng)用或模型模塊有效地集成到企業(yè)現(xiàn)有的業(yè)務(wù)系統(tǒng)和

IT架構(gòu)中。測算方法：

項目外包：按集成服務(wù)合同金額計算。

內(nèi)部團隊實施：按參與項目的相關(guān)工程師的人力成本計算。數(shù)據(jù)來源：系統(tǒng)集成合同、項目實施方案、項目工時記錄表。

.AI

for

Process

企業(yè)級流程數(shù)智化變革算法模型與知識產(chǎn)權(quán)成本數(shù)據(jù)獲取與處理成本系統(tǒng)集成與部署成本18

內(nèi)涵：組建和維持AI

專業(yè)團隊所需的成本。包括數(shù)據(jù)科學(xué)家、算法工程師、機器學(xué)習(xí)工程師等核心技術(shù)和管理人才的薪酬與福利。測算方法：根據(jù)企業(yè)人力資源部門提供的各崗位標(biāo)準(zhǔn)人年

/人月綜合成本，乘以項目實際投入的各崗位人力數(shù)量和投

入時長。數(shù)據(jù)來源：人力資源部門提供的薪酬數(shù)據(jù)、項目人員構(gòu)成與工時分配表。內(nèi)涵：為確保AI技術(shù)能與業(yè)務(wù)深度融合并發(fā)揮作用，需要對現(xiàn)有業(yè)務(wù)團隊進行賦能和相應(yīng)的組織調(diào)整。測算方法：

培訓(xùn)費用：按實際發(fā)生的課程費、講師費等計算；機會成本可估算為工時成本。

咨詢費用：按咨詢合同金額計算。

人員安置成本：根據(jù)企業(yè)

HR政策計算。數(shù)據(jù)來源：培訓(xùn)合同與預(yù)算、咨詢服務(wù)合同、人力資源部門的記錄。內(nèi)涵：AI應(yīng)用上線后的持續(xù)性技術(shù)投入，確保其穩(wěn)定運行和價值持續(xù)發(fā)揮。測算方法：

運維團隊人力成本：按運維工程師、數(shù)據(jù)工程師等的人力成本計算。

云資源消耗：持續(xù)推理、周期性再訓(xùn)練、數(shù)據(jù)存儲等產(chǎn)生的云服務(wù)費用。

第三方服務(wù)費：如購買專業(yè)的安全運維服務(wù)、模型監(jiān)控服務(wù)等。數(shù)據(jù)來源：運維團隊薪酬數(shù)據(jù)、云服務(wù)賬單、第三方服務(wù)合同。

人力與運營成本:AI賦能的保障除了直接的技術(shù)和數(shù)據(jù)投入，AI應(yīng)用的成功落地和價值實現(xiàn)還需要相應(yīng)的人力支持和運營管理投入。業(yè)務(wù)團隊賦能與轉(zhuǎn)型成本技術(shù)運維與迭代升級成本專業(yè)團隊人力成本

19AI內(nèi)涵：AI項目在實施和運營過程中產(chǎn)生的管理和協(xié)調(diào)成本。測算方法：

項目管理人力成本：按項目經(jīng)理投入工時和單位人力成本計算。

其他費用：按實際發(fā)生額歸集，如采購合同、差旅報銷等。數(shù)據(jù)來源：項目預(yù)算與決算報告、采購合同、差旅報銷記錄。內(nèi)涵：確保AI應(yīng)用的開發(fā)和使用符合法律法規(guī)要求，并有效管理相關(guān)風(fēng)險。測算方法：

安全軟硬件采購：按合同金額計算。

第三方審計/咨詢/認證服務(wù)：按服務(wù)合同金額計算。

內(nèi)部合規(guī)團隊人力成本：按相關(guān)人員投入工時計算。數(shù)據(jù)來源：安全產(chǎn)品采購合同、咨詢服務(wù)合同、法務(wù)部門賬單。內(nèi)涵：AI項目可能引發(fā)的一些不易直接歸類的間接費用，如場地、能源消耗增加、特定保險等。測算方法：根據(jù)企業(yè)財務(wù)部門的成本分?jǐn)傄?guī)則進行合理分?jǐn)?，或按實際發(fā)生的增量費用計量。數(shù)據(jù)來源：財務(wù)賬簿、租賃合同、水電費賬單、保險合同。

.AI

for

Process

企業(yè)級流程數(shù)智化變革合規(guī)?風(fēng)險與治理成本運營與管理成本其他間接成本20

關(guān)鍵業(yè)務(wù)流程處理時間縮短：

量化方法：年化價值

=

(原平均單筆業(yè)務(wù)處理時長

-AI

賦能后平均單筆業(yè)務(wù)處理時長)

×

年業(yè)務(wù)

處理總量×

單位工時價值。

數(shù)據(jù)來源：業(yè)務(wù)系統(tǒng)日志、BPM系統(tǒng)數(shù)據(jù)、員工工時記錄、人力資源薪酬數(shù)據(jù)。人工任務(wù)自動化率提升：

量化方法1（基于人力替代）：年化價值=被AI替代或優(yōu)化的人工工時總量×單位工時價值。