一、智能化需求真实落地时，企业常被什么卡住
企业在推进智能化转型时，常常遇到一种尴尬：业务部门想要一个能对话、能办事的助手，IT部门评估下来却发现周期长、成本高、场景碎。采购的标准化数字人产品，大多只能回答预设问题，接不进业务系统；而完全定制开发，又容易做成一个个孤岛——客服一套、培训一套、展厅一套，重复投入，后续维护还找不到人接手。
真正的难点不在于能不能做出一个数字人，而在于能不能让它嵌入业务流程，被一线员工和客户持续使用。大模型落地也不是把模型接进来就结束了，背后还牵着知识治理、系统集成、权限管理、运营机制等一连串工程问题。
能源行业的情况尤其典型。这类集团业务链条长、区域分布广、安全与合规要求高，内部知识沉淀多年，却散落在文档、工单、培训平台和老师傅的经验里。一线员工遇到设备操作、安全规程、客户服务的问题，往往要打几通电话、翻几份文件才能确认。管理层想借助数字人AI Agent把这些分散需求收拢到一个统一入口，却担心重蹈“系统建了不少、用得不多”的覆辙。
近期，数商云与某能源行业头部集团合作，围绕数字人智能体搭建，走完了从平台到场景的完整落地过程。这个过程或许能为正在寻找企业级AI应用路径的团队提供一些参考。
二、从分散系统到统一入口：一家能源行业头部集团的现实处境
该集团是能源行业的头部企业，业务覆盖资源开发、生产加工、物流运输与终端服务等环节，旗下拥有多家区域子公司与专业板块。总部承担战略、安全、财务与信息化等统一管理职能，各子公司则根据所在区域和业务类型自主经营。
组织特点上，该集团呈现“总部统一管控、板块相对独立”的格局。总部制定标准与规范，板块在具体执行上保留一定灵活性。这样的结构在传统信息化阶段是合理的：各板块围绕自身需求建设了办公、生产、工单、培训、客服等系统，解决了当时的业务问题。
到了智能化阶段，分散建设的方式开始显出局限。员工在办公系统里查不到的规程，要去培训平台找；客户在服务热线提的问题，和工单系统里的记录对不上；培训平台上的课程，与现场最新的安全要求存在时间差。该集团信息中心负责人说，集团不缺知识和数据，缺的是把知识与业务动作连接起来的方式。
原有信息化基础方面，该集团已完成主要业务系统建设与数据集中，具备较为完整的权限体系与数据治理规范。这为数字人AI Agent接入业务系统提供了条件，也意味着新平台必须尊重既有架构，不能另起炉灶、推倒重来。
三、核心需求与挑战：谁在什么场景下被卡住
需求并不少，难的是把需求理清楚、排好序。项目启动后，数商云团队与集团信息中心、各业务部门进行了多轮沟通，逐渐梳理出几类核心诉求与阻力。
① 知识散、找得慢，一线员工的时间消耗在“搜索”上。
在生产现场，员工遇到设备参数、操作规程、安全注意事项等问题时，需要打开多个系统、翻阅不同版本的文档。有人凭经验处理，有人打电话问老师傅，信息不一致时只能等待。集团希望数字人成为统一的知识入口：员工用自然语言提问，就能拿到有依据、可追溯的答案，而不是模棱两可的回复。
② 场景多、诉求杂，各部门都在提，但没人说得清优先级。
客服部门希望数字人接住高频咨询；培训部门希望它做安全规程的随问随答；展厅希望它承担接待讲解；采购与招标部门希望它辅助整理常见问题。这些需求单独看都有价值，合在一起却容易变成“什么都想做、什么都做不深”。集团需要一个既能承载多场景、又能分步推进的架构。
③ 标准化产品接不进业务，定制开发又难以复制。
该集团此前接触过一些数字人产品，形象和语音效果不错，但只能回答预设问题，无法调用业务系统里的实时数据，也完不成工单查询、流程引导这类动作。如果每个场景都单独定制，开发成本和后期维护压力都难以承受。集团希望找到一条平台统一、场景分建的路径。
④ 安全与合规的红线不能碰。
能源行业对数据安全、生产安全和内容合规有严格要求。哪些知识可以对外，哪些只能内部使用，哪些回答必须转人工，都需要在系统层面控制。项目负责人强调，数字人上线的前提是边界清晰、责任明确，不能为了效果牺牲安全。
⑤ 业务人员想参与，却缺少可用的工具。
各部门最了解自身场景，但过去每一次对话流程调整都要提需求给IT，响应速度和积极性都受影响。集团希望有一个AI Agent开发平台，让业务人员在受控范围内自行配置智能体的知识和对话流程，把一线经验沉淀到系统里。
⑥ 效果怎么衡量、后续谁来运营，缺乏共识。
数字人上线之后，回答是否准确、哪些问题没有解决、知识库多久更新一次，需要有持续的运营机制。没有明确的责任人与评估方式，再好的系统也会慢慢被闲置。这个问题在项目初期就被提出来，成为方案设计的重要约束。
四、数商云的落地解法：平台统一，场景分建
面对这些需求，数商云团队没有急于做单个场景的演示，而是先与集团信息中心及各业务部门一起梳理知识、场景与系统之间的关系，确认哪些问题最痛、哪些知识最全、哪些系统能打通，最终确定以统一平台、多个智能体、集中运营的思路推进。
（一）平台选型：统一底座，多模型适配
平台选型上，数商云以自有的AI Agent开发平台为底座，同时保留对多种大模型的接入能力。这样安排的原因在于，能源行业不同场景对模型能力、响应速度和部署方式的要求并不相同：内部知识问答更看重准确与可追溯，展厅接待更看重交互体验，客服场景则要兼顾并发与成本。统一底座、多模型适配，可以避免被单一模型绑定，也方便后续根据场景变化灵活调整。
整体架构分为几层：
- 接入层：面向员工、客户、访客等不同角色，提供网页、移动端、大屏、热线等入口。
- 智能体层：每个场景对应一个数字人AI Agent，拥有独立的角色设定、知识范围、技能组合与对话策略。
- 平台能力层：包括知识库管理、检索增强、意图识别、多轮对话、语音识别与合成、数字人形象驱动等能力。
- 系统集成层：通过接口与集团办公、知识库、工单、培训等系统连接，让数字人不仅能回答，还能办事。
- 运营管理层：提供对话记录、问题聚类、知识更新、效果分析等能力，支撑智能体持续运营。
从形态上看，它既是面向用户提供交互的数字人，也是能够调用业务系统、完成具体任务的AI智能体。
（二）数字人AI Agent的搭建顺序
具体搭建上，数商云与集团共同确定了先知识、后技能、再形象的顺序。
其一，知识治理。团队把分散在不同系统中的文档、规程、问答记录进行梳理，按业务域分层归类，明确每类知识的适用范围与更新责任人。知识入库后，通过检索增强的方式与大模型配合，让回答有出处、可追溯，降低模型随意发挥的风险。
其二，技能编排。数字人AI Agent不能只会问答，还要能完成查询和引导。员工询问工单进度时，智能体可以调用工单系统接口返回状态；客户咨询业务办理时，智能体按流程逐步引导，遇到超出范围的问题及时转人工。
其三，角色与形象设计。不同场景需要不同的语气与形象：内部知识助手偏专业简洁，安全培训教官偏严谨，展厅讲解则更亲和。数商云提供多种数字人形象与语音配置，集团可以根据场景选择，也可以后续替换。
（三）与业务系统的集成思路
系统集成是这个项目的关键。数商云没有采用推倒重来的方式，而是通过标准接口与集团既有系统对接，尽量降低对原有架构的影响。具体做法包括：
① 单点登录与权限打通。员工通过原有账号进入数字人入口，智能体根据其角色与权限返回相应内容，避免越权访问。
② 知识与数据分离。静态知识进入知识库统一管理，动态数据通过接口实时获取，减少数据不一致带来的误答。
③ 人工协同。当智能体判断问题超出知识范围或涉及敏感内容时，自动转人工，并把对话上下文一并传递，减少用户重复描述。
④ 操作留痕。关键问答与流程操作留有记录，便于审计、复盘和后续优化。
（四）面向能源行业的场景设计
结合能源行业特点，项目优先落地了几类场景。
内部知识助手是最先上线的智能体。一线员工用自然语言提问，就能获得规程、参数、操作步骤等答案，并看到知识来源。遇到模糊问题，智能体会追问澄清，而不是给出一个看似合理却不准确的回答。
安全培训数字教官面向新员工和转岗人员。它把安全规程、事故案例、应急处置等内容组织成可对话的形式，员工随时可以提问，培训部门也能看到高频问题，用于优化课程内容。
客户服务智能体承担高频咨询的初步应答。它能识别客户意图，完成常见问题解答与业务引导，复杂问题转给人工客服处理，减轻一线压力。
展厅接待数字人面向来访客户与合作伙伴，承担讲解与互动。它可以根据访客关注点调整讲解内容，也能与展厅设备联动，让接待过程更连贯。
这些场景共用同一平台的能力，知识、权限和运营机制集中管理，新场景上线时不需要从零搭建，避免了重复建设。
五、实施过程与关键动作
项目实施分为几个阶段。
前期是调研与规划。数商云团队进驻集团，与信息中心及多个业务部门进行访谈，梳理知识资产和场景优先级。这个阶段没有急于谈技术方案，而是先把最痛的问题、最全的知识、能打通的系统确认清楚。集团项目负责人回顾时说，前期把边界谈清楚，后面开发反而快。
中间是开发与共创。数商云采用小步迭代的方式，先搭建平台底座与试点智能体，跑通知识管理和系统集成链路，再逐步扩展到其他场景。每个场景开发时，业务人员都会参与对话流程的设计与测试，把一线经验直接写进智能体。业务同事从“提需求的人”变成了“一起搭的人”，这是项目推进顺利的重要原因。
后期是上线与运营。试点场景上线后，团队通过对话记录分析、问题聚类等方式持续优化知识库与回答策略。同时，数商云为集团培训内部运营人员，使其能够独立完成知识更新与流程调整，减少对外部团队的依赖。
协作方式上，双方建立了定期沟通机制。技术问题由数商云团队处理，业务判断由集团各部门负责，需求在提出与实现之间不再层层转述，减少了失真。
六、应用成效与价值：变化发生在谁身上
变化最直接体现在一线员工身上。以前遇到设备操作或安全规程问题，员工需要翻文档、打电话、等回复；现在通过数字人入口提问，当场就能得到有依据的答案。查找知识的时间明显缩短，回答的一致性也提高了，不同班次、不同区域对同一问题的理解趋于统一。
客服场景的变化同样明显。高频、重复的咨询由智能体先接住，人工客服可以专注于复杂问题和情绪安抚。客户等待时间缩短，客服团队的工作节奏更从容。工单与咨询记录打通后，问题的闭环管理也更加清晰。
培训场景中，安全培训从集中授课变成随时可问。新员工可以在实际操作前反复确认步骤，培训部门通过高频问题发现课程中的薄弱环节，课程更新更有针对性。培训效果也从“是否听完”转向“是否真正理解”。
展厅接待则改变了访客的体验。数字人能够根据访客关注点调整讲解节奏，接待人员从重复讲解中释放出来，可以专注于深度交流与商务沟通。
从管理视角看，价值不止于效率。该集团信息中心负责人提到，数字人智能体让分散的知识有了统一入口和统一运营方式。哪些知识被频繁调用、哪些问题始终没有解决、哪些流程需要优化，这些信息过去很难获得，现在可以通过运营后台持续观察。决策从凭经验转向看数据，企业数字化转型也有了更具体的抓手。
平台化带来的另一个价值是可复制性。新场景上线不再从零开始，知识、技能、权限和运营机制都可以复用。集团内部多个板块提出新的智能体需求时，响应速度明显提升，IT部门的压力反而比以前小。
七、案例启示与延伸
这个案例的启示在于，企业引入数字人，难的不是形象和语音，而是把知识、业务系统与运营机制串起来。底座搭好之后，场景可以逐步扩展，价值也会随着使用深入而累积。
对能源、制造、金融、医疗等知识密集、合规要求高的行业来说，类似的痛点普遍存在：知识散落、系统割裂、场景碎片化、缺乏统一运营。数字人AI Agent的价值，正是把这些分散的能力收拢到一个可持续演进的平台上。
数商云在项目中积累的经验，包括知识治理方法、多模型适配架构、与业务系统的集成方式，以及业务人员参与搭建的机制，都可以迁移到其他行业。企业不必一次性铺开所有场景，从高频、刚需的试点开始，跑通闭环，再逐步扩展，往往是更稳妥的路径。
如果您的企业也在思考数字人AI Agent的建设与落地，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，数商云愿意与您一起，把智能体真正用起来。
评论