企业做数字人，卡在哪里
大模型进入企业视野之后，最先被反复演示的是数字人：会说话、会回答、形象逼真，看着就有未来感。真正推进到上线阶段，问题就冒出来了——开发成本高、周期长、场景分散，做出来的东西往往只能在一个部门、一个展厅里用，换个业务场景又要从头再来一遍。技术团队疲于应付各类需求，业务部门拿到的却是一堆互不相通的小工具。
行业里常见的做法是各业务单元各自找供应商，客服做一个问答机器人，展厅做一个大屏讲解员，培训部门再做一个陪练程序。形象不统一，声音不统一，知识库各存一份，后期谁维护、怎么迭代，没有人说得清。数字人越多，管理成本越高。
真正把这条路走通的企业，是把数字人AI Agent 当成企业级AI应用的一部分来做：先搭一层可复用的开发与运营底座，再让不同业务场景在上面生长。本文拆解的数商云客户案例，就来自某装备制造行业的头部集团。
客户画像：一家业务跨度很大的装备制造集团
该集团是某装备制造行业的头部企业，业务覆盖研发设计、生产制造、销售与售后服务，并延伸至海外市场。集团采取总部加事业部、区域公司的多层级组织架构，销售与服务体系中有大量经销商、代理商和服务网点，设备保有量大，客户分布广。
组织上的特点决定了它的知识形态。核心技术资料掌握在研发和工艺部门手里，故障处理经验留在资深服务工程师的现场记录和脑子里，培训教材由培训中心统一编制，经销商手里又有一套自己的销售话术。信息在多个角色之间流转，每流转一次就损耗一次。
信息化基础并不薄弱。该集团此前已经建成 ERP、CRM、产品生命周期管理、办公协同、工单与培训等系统，日常运转稳定。问题不在系统缺位，而在这些系统各自沉淀知识，彼此之间缺少一个能把知识调用起来的入口。一线人员想查一个技术参数或者一个处理流程，往往要在几个系统之间来回切换，最后还是选择打电话问人。
展厅与市场活动是另一个高频场景。集团总部和多个事业部都设有展厅，重要客户到访时需要讲解产品与技术亮点；新品上市、经销商培训、内部技能培训常年排期密集。讲解和培训高度依赖少数业务骨干，他们的时间被切得很碎。
核心需求与挑战：不是做一个数字人，而是解决一组问题
项目启动前，该集团信息中心牵头做了一轮内部调研，把各业务单元提出的诉求集中梳理。表面上看是"要不要做数字人"，落到具体场景，其实是一组彼此关联的问题。
① 服务一线的知识获取效率偏低。设备出现非典型故障时，现场服务工程师的第一反应是打电话回总部找熟悉的专家，或者翻找技术手册。专家一天被反复打断，工程师在客户现场干等，客户体验受影响。有服务负责人说得很直接：不是没有知识，是知识到不了现场。
② 知识资产碎片化，新人上手慢。制度、流程、技术文档、历史案例分散在不同系统与个人手里，检索靠关键词，能不能找到靠运气。新员工从入职到能独立处理问题，需要跟着老师傅慢慢磨，经验传承依赖人的流动。
③ 培训与讲解过度依赖人力。新品上市需要培训经销商，设备升级需要培训服务工程师，展厅接待需要专人讲解。内容在不同场合反复讲，讲的人不同，口径就有差异；骨干工程师被抽去讲课，项目进度又要往后挪。
④ 已经出现重复建设的苗头。调研中发现，有的事业部自行采购了数字人用于展厅接待，有的区域公司在试用智能客服，形象、声音、话术风格各不相同。同一款产品，在不同场景里的说法对不上。IT 部门担心，再这样下去会形成一批互不相通的数字人孤岛。
⑤ 大模型落地的成本与风险顾虑真实存在。信息中心负责人关心三件事：企业数据不能出域，不同岗位能看到的内容必须有边界，模型给出的答案不能凭空编造。同时，如果每上一个场景都要重新开发一遍数字人，投入产出很难向管理层交代。
⑥ 缺少统一的开发与运营机制。没有可供业务部门复用的AI Agent开发平台，没有内容更新与效果评估的责任人，也没有把一线高频问题回流到知识库的通道。数字人上线之后，很容易变成一个"上线即僵化"的摆设。
这些问题摆在一起，该集团内部逐渐形成一个共识：需求不是做几个数字人，而是找到一条能低成本、可复用、可控地搭建企业级AI应用的路径。
数商云数字人智能体解决方案：先搭底座，再长场景
数商云团队进场后，没有急着交付某一个数字人形象，而是先把集团的需求摊开来看。结论是：如果按传统项目制为每个场景单独开发，场景一多，维护成本会迅速失控。方案的第一条原则因此定为——平台先行，场景跟随。
整体思路：把数字人拆成可复用的能力
在数商云的设计里，一个数字人AI Agent 由几层能力组成：形象与语音的交互能力、理解与生成的语言能力、检索与推理的知识能力、调取业务系统的工具能力，以及权限、审计与运营的治理能力。传统做法把这些能力打包成一个成品交付，改一处就要动全身；数商云的做法是分层解耦，让每一层都能被不同场景复用。
落到该集团，就是先建设一套企业级AI Agent开发平台，作为统一的智能体搭建与运行底座，再由各业务单元在平台上配置自己的场景。
数字人Agent的架构分层
交互层：多个入口，一个"人格"
数字人形象、声音、表达风格由平台统一管理，对外提供网页、移动端、展厅一体机、大屏以及内部办公应用等入口。展厅里的数字人讲解员、服务工程师手机里的随身助手、内部员工的知识助手，共用同一套形象资产与语言风格。用户在不同入口感受到的是同一个企业形象，而不是几个互不相干的机器人。
智能体层：业务流程写成可编排的Agent
数商云将每个场景拆解为意图理解、任务规划、知识检索、工具调用、多轮追问、必要时转人工等环节，通过可视化编排完成配置。业务人员经过培训后，可以自己调整问答边界和话术，不必每次都提开发需求。比如服务场景里的Agent，会在判断故障类型后主动调取对应的技术资料，并在需要时创建工单；展厅场景里的Agent，则会根据访客身份切换讲解深度。
知识与模型层：知识治理是重头戏
知识质量决定数字人能不能用。项目组联合各事业部业务专家，对技术手册、服务规范、历史案例、培训材料做了系统梳理，明确每份内容的适用范围与权限归属，再通过文档解析、切片与标签体系进入知识库。答案附出处，用户可以直接跳转原文核对。模型侧统一接入与路由，涉及敏感信息的问答限定在指定知识范围内，降低模型编造答案的概率。
运行治理层：权限、审计与效果可视
平台与企业统一身份体系对接，员工看到的数字人与自己的岗位权限一致，经销商、客户看到的内容另有边界。所有问答留痕，便于回溯。管理层可以看到各场景的使用情况和未解决问题清单，知道哪里还有知识缺口。
与业务系统的集成方式
该集团原有系统运行稳定，方案没有推倒重建，而是在原有系统之上增加一层智能体编排与调用能力。数字人Agent 通过标准接口对接工单系统、客户关系管理系统、知识库、培训平台与办公协同系统，需要数据时实时调取，产生的记录回流到对应系统。原有流程不变，只是多了一个更自然的交互入口。
场景如何复用
平台上线后，该集团围绕几个高频场景分批落地：
① 服务工程师随身助手。现场描述现象，Agent 给出排查思路与备件建议，并可直接创建工单。
② 客服与坐席助手。通话或在线沟通中实时提示应答要点，常见问题由数字人先答复，复杂问题转人工。
③ 展厅数字人讲解员。客户到访时承担标准讲解，按访客关注点延伸，讲解记录沉淀下来。
④ 内部知识与流程问答。制度、报销、人事、研发规范等问题，员工直接问，不再层层打听。
⑤ 培训与陪练。新员工在模拟场景中与数字人对话练习，系统给出反馈，培训从集中面授转向随时可用。
⑥ 经销商支持。产品参数、卖点话术、售后政策的统一出口，减少口径不一致带来的沟通成本。
这些场景共用同一套数字人底座、同一套知识治理规则和同一套权限体系。上线新场景时，主要工作是导入对应知识与配置工具权限，开发量显著减少，这正是场景复用的价值所在。
实施过程：联合项目组与分批推进
项目采取联合项目组的方式推进，由该集团信息中心牵头，各事业部业务骨干参与，数商云团队提供方案设计、平台搭建与开发支持，驻场与远程协作结合。
① 场景盘点与优先级排序。项目组走访了服务、客服、培训、市场等多个部门，把可落地的场景列出来，按发生频率、痛点强度、知识成熟度排序，先做高频且知识相对完善的场景，避免一上来就啃硬骨头。
② 知识治理专项。这是耗时最长的一段。各事业部抽调业务专家，对大量历史文档做筛选、校对与权限标注。有些资料在专家眼里早已过时，正好借这次机会做了清理。
③ 平台搭建与Agent开发。数商云团队完成平台部署与系统对接，随后与业务专家一起打磨第一批Agent的问答逻辑和转人工规则，一轮一轮测试、修正。
④ 灰度试点与调整。先在单个事业部的小范围内试用，收集一线反馈。有工程师提出，答案太"教科书"，希望更贴近现场习惯，项目组据此调整了检索策略与表达方式。
⑤ 推广与运营机制。试点稳定后向其他事业部推广，同时明确每个场景的内容责任人、更新节奏和效果评估方式，让数字人上线之后有人管、能迭代。
应用成效：变化发生在一线
平台上线运行一段时间后，最直观的变化来自服务现场。过去工程师遇到疑难问题，先打一圈电话找人，找不到就先停工等待。现在他们习惯先向随身助手描述现象，拿到排查思路再动手，总部专家被打断的次数明显减少，客户侧的等待时间大幅缩短。用该集团一位服务负责人的话说，"知识开始跟着人走了，而不是人围着知识跑"。
培训和讲解的场景变化同样明显。展厅讲解不再需要提前协调业务骨干的排期，客户到访即可开展，讲解口径统一，访客关注度高的问题会被记录下来，反向推动讲解材料和产品资料的更新。经销商培训从集中面授转向随时随地，新政策、新产品一上线，数字人就能用统一口径讲清楚，省下了大量重复讲授的时间。
内部知识获取的方式也变了。新员工遇到制度和流程问题，先问数字人，答案带出处，能直接看到原文。过去靠打听、靠翻文档的方式逐渐被替代，新人熟悉业务的周期缩短，老员工也从重复答疑里抽出身来。
对管理层而言，价值不止于效率。平台沉淀的问答数据把一线的真实需求暴露出来：哪些问题被反复提问，哪些问题数字人答不上来，哪些知识已经过期。这些原本散落在电话和私聊里的信息，变成了可以用于优化的依据，知识库、技术手册和培训教材的更新因此有了明确方向，决策依据比过去更扎实。
从投入角度看，该集团避免了为每个场景单独采购一套数字人系统。场景复用带来的成本优势，随着新场景的增加逐步显现。业务部门提需求时，不必再从零开始，而是在已有底座上配置，上线节奏明显加快。
结语：数字人不是道具，是入口
这个案例里，真正起作用的不是某个数字人形象做得有多逼真，而是该集团和数商云一起选定了一条务实的路径：先把数字人AI Agent 的能力平台化、组件化，再让业务场景在上面生长。底座统一，场景才能复用；知识治理到位，数字人才敢用；运营机制清晰，系统才不会上线即僵化。
装备制造行业的特殊性在于知识密集、服务半径大、培训需求重，但它面临的处境并不独特。零售连锁的门店导购与客服、金融行业的网点服务与合规问答、能源与物流的现场作业支持、医药行业的学术推广与培训，都存在知识分散、人力紧张、场景多元的问题。对大模型落地有期待的企业，往往缺的不是模型，而是一条从场景盘点、知识治理到智能体搭建与持续运营的完整路径。
数商云在企业级AI应用方向积累的实践，正是围绕这条路径展开。如果你所在的企业也在考虑数字人AI Agent 的建设，欢迎联系数商云团队，获取专属的数字人AI Agent建设与落地咨询，从场景梳理到平台搭建，把第一步走稳。
评论