千丁數科魏振華：企業AI落地“六步法”｜甲子引力

讓企業級AI 從單純的對話者進化為業務的執行者。

2025年12月3日，中國科技產業智庫「甲子光年」成功舉辦“轟然成勢，萬象歸一”2025甲子引力年終盛典。

其中，千丁數科COO兼首席科學家魏振華結合龍湖多年的數字化沉淀與最新實踐，就大型企業如何體系化落地AI進行了深度復盤。

魏振華認為，企業擁抱AI不能止步于碎片化的工具應用，而是一場從認知到組織的全面進化。他指出，隨著大模型技術的發展，Agent正在成為企業新一代的“數字員工”；但要讓這些看得見、摸不著的數字員工真正達到企業員工的水平，企業必須解決底層架構適配、業務知識構建、身份權限配置等一系列問題。

在演講中，魏振華詳細拆解了企業落地AI的“六步法則”，并分享了千丁數科如何通過“AI+數據+技術+場景”深度融合，構建起龐大的“數字員工”體系。他展示的遠程巡檢、設備智控等六大實戰場景數據，不僅驗證了AI在降本增效上的巨大潛力，也為傳統行業的智能化轉型提供了極具參考價值的“龍湖樣本”。

以下是千丁數科COO兼首席科學家魏振華演講實錄，「甲子光年」整理刪改：

1.企業落地AI的“六步法則”

大家下午好，非常榮幸能有這個機會，代表龍湖集團旗下的千丁數科，與大家分享我們在企業級AI Agent應用上的一些探索與嘗試。

首先，簡單介紹一下千丁數科。作為龍湖集團內部孵化的科技公司，千丁數科自2014年成立以來的十年間，始終伴隨著龍湖集團的數字化轉型之路共同成長。在企業榮譽與專利積累方面，我們取得了不少成績。技術上，除了大家耳熟能詳的數字孿生、AI、物聯網之外，這幾年我們也結合企業AI轉型，借鑒PBC（Packaged Business Capabilities）的理念，致力于打造企業數字化基礎設施與組裝式應用平臺。

回顧龍湖的數字化轉型歷程，我們將這十年總結為三個階段。雖然各家企業在談論數字化轉型時用的詞匯大同小異，但在具體路徑和最終效果上卻存在差距。

第一階段，我們主要解決“線下工作線上化”的問題，積累了大量業務數據。 第二階段，隨著地產行業進入下行周期，我們開啟了組織變革與業務流程變革，這是推動企業高效發展的關鍵一環。 第三階段，也就是面向2025年及未來，我們在前兩步的基礎上正式開啟了AI轉型。

針對AI轉型，我們提出了“三步三化”理論：

第一步是AI Ready，確保企業具備實踐AI技術的基本能力，

第二步是AI by side，即讓AI作為輔助工具參與業務流程和決策；

第三步，未來一定是向AI inside發展，將AI深度植入業務內核，以AI為驅動核心推動業務創新和能力變現。今年，我們聯合清華大學發布了一本數智化轉型白皮書，總結了龍湖過去十年數字化轉型的總體藍圖規劃、產品技術管理方法論，以及我們踩過的“坑”和經驗教訓。

回歸到AI這個主題，無論是龍湖還是千丁數科，我們在做企業級AI應用時，核心始終圍繞著“場景”。千丁數科不做底層基礎設施，算力和大模型通過購買成熟服務解決，我們的重心在于上層場景的探索。我們將企業AI Agent的落地應用路徑總結為六步：認知、價值、平臺、知識、應用、進化。

第一步是“認知”。這解決的是從上到下對AI轉型是否達成共識的問題。對于決策層而言，行業形勢嚴峻，轉型未必成功，但不轉大概率會死，因此需要在投入產出比和戰略決策之間做出及時判斷。對于管理層，從中層管理者的角度看，核心要做的是業務流程變革。AI代表先進生產力，如果生產力提升了，但生產關系（流程管理）沒跟上，轉型大概率會失敗。對于執行層，我們要消除“AI威脅論”。去年我們聯合人力部門做了幾十場培訓，讓員工明白AI能做什么、不能做什么。我們堅信：AI不會取代人，未來被取代的是那些不會用AI的人。

第二步是“價值”。企業做AI轉型，必須精準選中價值場景。首先要看該場景是否有高質量的數據，如果數據質量不過關，訓練出來的智能體大概率無法使用。其次，要看該場景對企業經營是否真有價值。舉個例子，我們在全國有幾萬個停車場，每天產生的異常抬桿記錄高達50萬次。以前為了查驗其中是否存在舞弊行為，人工復核的工作量巨大。現在我們嘗試用AI進行自動審計，工作量下降了90%，每年僅此一項功能，就能幫企業規避數百萬的“跑冒滴漏”損失。

第三步是“平臺”。為什么企業要自建AI智能體平臺？因為個體使用AI和企業使用AI是完全不同的邏輯。個體使用AI應用時是單點單次的，但AI Agent進入企業就像員工入職一樣，我們稱之為“數字員工”，它需要解決三個核心問題： 第一，熟悉業務。Agent需要了解企業的系統和流程，從而實現企業內業務的自主執行；第二，權限管理。Agent能讀取什么數據、能對外發布什么信息，必須有嚴格的權限控制，否則會對企業數字資產安全帶來災難性影響； 第三，成果量化。Agent干得好不好，也需要有可量化、可追蹤的成果，不僅方便升級迭代，還可以追溯風險。解決了這三個問題，AI智能體才能真正地在企業落地生根。

第四步是“知識”，即搭建企業的知識工程。隨著數字化建設，企業積累了大量結構化和非結構化數據。通用的AI就像一個聰明但沒上過學的新員工，如果沒有“老師”帶進門，它學到的知識體系就是混亂的。比如你問它“北京春節后市場怎么樣”，如果沒有企業內部的數據、策略和規則作為上下文，它給出的答案大概率是不準的，無法滿足決策層需求。因此，構建企業專屬的知識圖譜能力至關重要。

第五步是“應用”。這一步主要面向落地，核心是讓一線員工愿意用、覺得好用。這里有兩點關鍵：一是提供以對話為核心的工作臺，讓找數據、查系統變得更簡單；二是做內嵌型應用，讓AI能力無感地融入原有業務系統。例如剛才提到的異常抬桿稽核，必須與OA待辦打通，通過流程驅動業務，而不是讓員工去另一個系統里操作。

第六步是“進化”。傳統的數字化系統代碼和規則是寫死的，跑一萬次結果都一樣。但AI是由數據和知識驅動的新生產工具，它的產出是概率性的。可能第一次只能打60分，但經過訓練迭代，它可以達到80分甚至90分。我們內部建立了一套DMRE（Data數據、Model模型、Reward獎勵、Evaluation評估） 方法論，不斷迭代和評價Agent的能力，使其逐步從已有水平進化到更高的目標水平。

基于這六步方法論，我們今年刷新了龍湖的AI架構總圖。最底層是數據層，包含結構化數據和大量非結構化的文檔知識；中間是模型層，包括數字孿生、大模型調優及行業大模型；再往上是AI智能體平臺及六類核心場景；最上層是業務應用。基于PBC理念，我們將已落地的數字化產品整合為數萬個API，并支持MCP（Model Context Protocol）調用，徹底打通了系統對接和數據獲取的通路。

2.六大業務領域的智能化答卷

基于千丁數科的技術與方法論沉淀，我們首先在六個業務領域進行了智能體的探索，也在企業的投資、建造、營銷、運營、人力、財務等多個領域，針對流程、服務、數據有著不同的落地應用：

1.遠程巡檢Agent（物業場景）：以前全國項目每月收集3000萬張圖片，人工標注工作量巨大。引入多模態技術后，標注提效十幾倍。目前集團每月產生的 25 萬工單中，約四分之一由Agent自動生成、處理并閉環消單。

2.設備智控Agent（能源管理）：針對設施設備和能耗管理，從數據采集到策略生成再到執行優化。結合EMS能源管理系統，我們每年管理的電費規模達3.2億元，通過AI提效，總能耗整體降低了約27%。

3.資產經營Agent（商業/長租公寓）：多個子智能體協同運營，實現對項目資產的全面綜合診斷，輸出問題識別結果、調節建議等，并進行評審反饋校驗。

4.服務品控Agent（客戶服務）：以前靠客戶投訴來發現問題，現在利用企微每年上億條對話數據，通過Agent進行事前預測。比如識別管家回復語氣是否推諉敷衍，提前預判客訴風險。

5.流程工單Agent：借助AI實現智能合同和單據審核、任務執行、流程優化迭代等任務，將被動的基于規則的執行轉變為由AI和數據驅動的流程智能體。

6.員工培訓Agent：除了常規問答，我們嘗試用Agent進行實戰演練（Roleplay）。Agent模擬客戶與管家對話，若管家應對不當，系統會記錄并評估，幫助員工在面對真實客戶前建立起專業能力。

以上就是我今天的匯報與分享。如果大家感興趣，歡迎進一步交流，謝謝！

（封面圖及文中配圖來源：2025甲子引力年終盛典）