通信工程建设项目通常跨区域展开,设计、采购、施工、监理、验收等环节交错推进。项目人员遇到问题时,常在文档、表格、会议纪要和系统页面之间来回查找,现场人员又很难随时联系到后台专家。数商云在服务某‘通信工程建设’头部集团时,把知识库、问数、数字人现场协同放在同一套AI智能体方案里考虑,目标很直接:让资料可查、数据可问、现场可协同。这个客户案例关注的是把工程管理中的高频动作重新梳理,让智能体进入项目日常。
一、项目背景
某‘通信工程建设’头部集团的业务分布在多类场景,项目现场分散,参与方多,建设周期跨度长。设计变更、施工组织、安全交底、物资到货、质量检查、验收整改等信息,往往由不同角色掌握。项目越复杂,信息传递越依赖会议、电话和群聊,管理人员很难快速掌握全貌。
集团已有项目管理、合同、物资、财务、质量安全等系统,流程数据并不缺。真正影响效率的,是知识散落在个人电脑、历史项目、制度文件和经验判断里。新员工查不到,老员工重复讲,现场问题处理容易受个人经验影响。
集团启动通信工程建设AI智能体建设时,管理层没有把它当成演示工具。他们更关心智能体能否进入真实流程,能否帮助项目人员查知识、问数据、处理现场问题。数商云参与这个客户案例后,先做场景盘点,再讨论技术路线。
1. 现场问题响应依赖个人经验
施工现场经常出现临时问题,比如施工条件变化、材料替代、质量整改、安全检查口径不清。现场人员需要在短时间内得到可执行答复,电话和群聊只能解决一部分问题。答复过程缺少记录,相同问题在后续项目里还会重复出现。
2. 数据分散且口径难对齐
项目进度、成本、合同、物资、质量安全等数据分布在多个系统。管理层想看项目整体情况,经常需要业务人员临时汇总。不同部门对相同指标的理解存在差异,报表口径与现场感受不一致,讨论容易停留在解释数据上。
3. 智能体要进入真实流程
集团对智能体的要求不是做一个聊天窗口,而是能接入项目日常动作。项目人员要在移动端提问,管理人员要按权限查看数据,现场人员要能获得清晰指引。系统边界、数据权限、内容审核和终端条件,都需要在方案里提前考虑。
二、需求拆解
1. 工程知识库要回答现场问题
(1) 工程资料类型复杂,包含制度、标准、施工方案、设计文件、监理日志、验收记录和历史案例。知识库不能只做全文检索,还要把条款、场景、项目阶段和作业类型关联起来,方便项目人员按问题查找。
(2) 现场提问不会像制度文件那样规范,常见的是口语化描述和片段信息。智能体需要理解问题背景,主动追问缺失条件,再给出可执行答复,不能只返回一段原文。
(3) 工程答复需要依据,知识库回答时要带出来源文件和适用条件。涉及安全、质量、合同边界的问题,还要提示复核责任,避免项目人员误用一般经验处理特殊场景。
2. 智能问数要服务经营和项目
(1) 问数需要覆盖项目进度、成本、合同、物资、质量安全等主题。管理人员用自然语言提问,智能体要把问题转换为可查询条件,并在结果中说明口径和范围。
(2) 不同角色看数据的权限不同,项目经理、区域管理人员、职能部门和集团管理层各有边界。问数能力要继承系统权限,不能因为使用智能体而绕开数据管理要求。
(3) 数据结果不能只给一张表,还要给出简明解释。哪些项目存在延期风险,哪些合同节点需要关注,哪些物资到货影响施工,智能体要帮助管理人员快速定位问题。
3. 数字人现场协同要贴近作业
(1) 现场人员不一定有耐心逐层点菜单,数字人交互要直接。语音提问、短文本输入、常用问题入口和作业场景卡片,都比复杂页面更适合现场使用。
(2) 施工现场网络条件和终端条件差异明显,数字人需要支持移动端使用,并考虑弱网环境下的响应方式。关键资料可以提前缓存,现场记录可以在网络恢复后同步。
(3) 数字人不能替代项目负责人的判断。它更适合承担查资料、做提醒、记录问题、推送流程和连接专家这些动作,把现场人员从重复查找中解放出来。
4. 部署与交付要符合集团边界
集团对数据安全、系统边界和后续运维有明确要求。数商云在方案沟通中给出私有化部署和混合云方案选项,核心数据留在集团可控范围内,部分能力按场景灵活部署。对于需要自主掌握技术栈的客户,数商云支持源码交付;对于希望尽快看到业务效果的场景,数商云可以通过快速交付方式先跑起高频应用。
三、解决方案
1. 总体思路:知识库、问数、数字人现场协同相互支撑
数商云为某‘通信工程建设’头部集团设计的通信工程建设AI智能体,围绕知识库、问数、数字人现场协同展开。知识库解决“怎么查、怎么答”的问题,问数解决“怎么看、怎么判”的问题,数字人解决“现场怎么用、问题怎么流转”的问题。
三者共用权限体系和内容治理机制。项目人员从数字人入口提出问题,知识库负责给出依据,问数能力负责补充项目数据,后台专家负责处理超出智能体边界的复杂问题。这样设计的目的,是让智能体成为项目协同入口,减少多头查找。
2. 工程知识库:从文档管理转为知识服务
(1) 数商云团队先梳理高频问题,把制度条款、施工方案、质量安全要求、验收要点和历史案例按场景重新组织。文档上传只是起点,关键在于标签、适用范围、项目阶段和责任部门的整理。
(2) 知识库建设过程中,业务专家参与内容审核。智能体回答问题时优先引用已审核内容,遇到依据不足的情况会提示补充信息或转交专家。这样既保留大模型的自然语言能力,也守住工程管理的严谨边界。
(3) 对历史项目中的经验记录,团队没有直接堆进知识库。与当前制度冲突、适用条件不清、缺少审批依据的内容,会先做清理和标注。知识库宁可少一些,也要让项目人员敢用。
3. 智能问数:把数据口径讲清楚
问数能力建设先做指标梳理。项目进度、合同履约、成本执行、物资到货、质量安全检查等指标,需要明确业务含义、统计范围、责任部门和权限规则。数商云把这些口径整理成智能体可理解的数据语义层,让自然语言提问能够落到稳定查询上。
项目人员提问时,智能体会结合角色权限返回结果,并说明数据范围和统计口径。遇到模糊问题,智能体会追问项目、区域、业务类型或时间范围。管理人员看到的不是孤立数字,而是与项目上下文相关的解释。
在结果呈现上,智能体把查询结果转成简明摘要,帮助管理人员判断风险。需要继续下钻时,可以回到业务系统查看明细。这种做法让问数贴近管理动作,也避免智能体给出缺少依据的判断。
4. 数字人现场协同:把专家经验带到作业面
数字人现场协同方案部署在移动端入口,现场人员可以用语音或短文本提问。常见问题包括安全交底要求、施工工序衔接、质量检查要点、验收资料准备和整改闭环要求。数字人用简短语言给出步骤,并附上知识来源。
当问题涉及现场变化、合同边界或安全风险时,数字人会引导现场人员补充照片、位置、工序和质量记录,再转交后台专家。处理过程形成记录,后续可以沉淀为知识条目。现场人员不用反复描述相同背景,专家也能看到更完整的信息。
数字人还承担提醒和协同动作。比如施工前提示资料准备,检查前推送要点,整改后提醒复核。它不是把制度原文念一遍,而是把项目需要做的动作拆成现场能执行的提示。
5. 部署与交付:给出可选择的技术路径
数商云在实施中根据集团系统边界安排私有化部署,把知识库、问数服务和数字人入口接入集团可控环境。对于需要连接多个区域系统的场景,混合云方案可以把敏感数据和通用能力分开部署,兼顾安全与使用体验。
交付方式上,数商云提供源码交付选项,方便集团后续按自身技术规范维护和扩展。项目推进没有追求大而全,先围绕高频场景快速交付,再根据使用反馈扩展知识范围和问数主题。这种做法降低了启动难度,也让业务部门更早参与验证。
四、实施过程
1. 从高频场景切入
项目启动后,数商云与集团业务部门一起梳理问题清单。团队优先选择现场提问多、资料查找频繁、数据核对耗时的场景,比如施工方案查询、安全交底、质量整改、合同节点跟踪和物资到货查询。场景选择看使用频率,也看问题是否容易验证。
首批场景没有铺得太开,目的是让项目人员尽快形成使用习惯。智能体回答是否准确、问数结果是否可信、数字人交互是否顺畅,都能在真实使用中暴露出来。业务部门看到问题被解决,后续推广阻力会小很多。
2. 知识治理先行
知识库建设需要业务专家投入,不能只交给技术团队。集团安排各专业条线梳理制度、标准和典型案例,明确内容责任人和审核人。数商云提供知识加工方法、标签体系和审核流程,帮助业务团队把经验转成可维护的知识条目。
对于过期文件、冲突条款和适用条件不清的内容,团队先做清理。知识库上线后还要持续更新,设计变更、新规范、新工艺和项目复盘都会带来新内容。治理机制不建立,知识库很快会变成另一个资料堆放点。
3. 数据口径和责任人对齐
问数能力推进时,数商云与集团数据管理部门、项目管理部门逐项对齐指标。相同指标在不同系统里的取数逻辑要说明清楚,权限范围要落到角色。业务人员参与结果校验,发现问题及时修正。
数据问题往往不是技术问题,而是责任边界问题。哪个部门维护口径,哪个部门确认权限,哪个部门处理异常,都需要明确。智能体只是把问题呈现出来,背后仍要依靠数据治理机制。
4. 数字人试点放在真实现场
数字人现场协同没有停留在会议室演示。项目团队选择真实施工现场做试点,让现场人员用日常语言提问,观察交互是否顺畅、答复是否可执行、网络条件是否影响使用。试点中发现的问题,直接进入优化清单。
现场人员更关心答案是否省事,后台专家更关心信息是否完整。数商云在交互流程中增加条件追问和记录字段,让数字人既能快速答复,也能在复杂问题上收集足够信息。试点过程还验证了移动端入口和权限控制。
5. 培训、运营和反馈处理
智能体上线后,培训重点放在使用场景和提问方法上。项目人员需要知道什么问题适合问知识库,什么问题适合问数,什么问题要转专家。培训不追求一次讲全,而是结合项目阶段推送短指南和常见问题。
运营团队定期查看提问记录、未命中问题、转专家记录和问数异常。高频问题补充进知识库,口径不清的问题回到数据责任人处理,数字人交互不顺畅的环节做优化。反馈处理形成固定节奏,智能体才能持续可用。
五、应用价值
1. 项目协同效率明显改善
项目人员查找制度、方案和历史案例的时间减少,很多问题可以在现场直接获得指引。需要专家介入时,数字人已经收集了背景信息,沟通更聚焦。项目协同从多头询问转向共同入口,信息传递更顺畅。
2. 现场问题处理更从容
现场人员遇到安全、质量、验收问题时,可以通过数字人快速核对要点。答复附带依据和适用条件,减少了凭印象处理的情况。复杂问题转交专家后留有记录,后续复盘更方便。
3. 知识沉淀更可持续
智能体使用过程中产生的问题和答复,为知识库更新提供了线索。高频问题、典型整改、项目复盘可以持续沉淀,新项目不必从零开始摸索。业务专家从重复答疑中腾出精力,更多投入复杂问题判断。
4. 数据使用更有规矩
问数能力把指标口径和权限规则前置,项目人员按角色获取数据,减少线下反复要报表的情况。管理人员查看结果时能看到范围和解释,讨论更容易聚焦业务本身。数据部门也能通过提问记录发现口径问题。
5. 管理决策更有依据
管理层通过智能体了解项目进度、合同履约、物资到货和质量安全情况,能够更快发现异常。问数结果与知识依据结合,决策讨论不再只依赖口头汇报。对于跨区域项目较多的集团,这种能力有助于提升管理透明度。
六、客户评价
客户项目负责人表示,通信工程建设AI智能体能否用起来,关键看它是否贴近项目日常。知识库回答要有依据,问数结果要能解释,数字人现场协同要适应现场条件。数商云在项目中没有只讲模型能力,而是把业务场景、数据权限和内容审核放在前面。
他提到,智能体承担了查找资料、核对口径、记录问题的重复工作,项目人员可以把精力放在判断和处置上。现场人员对数字人入口接受度较高,专家也更愿意通过转交记录处理复杂问题。
集团更看重后续运营机制。知识库需要持续更新,问数口径需要有人维护,数字人内容需要随项目阶段调整。数商云提供的部署方式和交付方式,为集团后续自主维护留出了空间。
七、项目总结
1. 高频刚需是启动关键
这个客户案例说明,通信工程建设AI智能体不宜从大而全开始。先选项目人员天天遇到、回答错了会影响作业的问题,容易验证价值,也容易形成使用习惯。场景越贴近现场,业务部门参与度越高。
2. 知识治理不能省
知识库不是把文件集中上传就结束。内容责任人、审核机制、适用范围和更新节奏,决定了智能体回答是否可靠。工程管理对依据要求高,知识治理做得粗,使用范围就会受限。
3. 数据口径要有人负责
问数能力要把指标含义、权限边界和异常处理讲清楚。智能体可以降低查询门槛,数据质量仍要靠管理机制保障。业务部门、数据部门和系统运维方需要共同参与。
4. 数字人要把复杂问题接得住
数字人现场协同的价值,在于把简单问题快速答复,把复杂问题完整转交。现场人员不需要重复描述背景,专家能看到项目、工序、位置和记录。这样的协同方式更容易在项目中长期使用。
对正在规划通信工程建设AI智能体的企业来说,这个客户案例的借鉴意义在于:从真实场景出发,把知识库、问数、数字人现场协同放在同一套业务入口里考虑,再匹配私有化部署、混合云方案、源码交付或快速交付等路径。企业如果正在评估相关方案,可以结合自身系统边界、数据权限和现场作业流程,与数商云做更细的场景沟通。


评论