场景选错，AI智能体的价值将大打折扣
维度核心问题优先信号业务价值能否优化效率、成本、质量、风险或营收水平涉及核心岗位与核心业务流程使用频次能否实现持续性使用高频次、受众范围大、可融入日常工作环节知识密度是否依托海量知识、规则与经验积累存在大量文档、案例且口径缺乏统一数据可用性相关数据能否完成获取、治理与更新数据已落地、可稳定调用、可长期同步流程嵌入性能否融入实际业务流程具备清晰介入节点、可触发业务动作风险可控性出错造成的后果是否可被承受辅助建议类、设有复核机制、配备兜底方案下篇预告：敲定场景后，一份AI智能体方案至少要阐明哪些内容？目标、角
AI智能体落地指南：六维评估法筛选高价值场景
前文我们提到一个观点：企业级智能体并非简单的对话程序。它的核心价值不在于能否与人闲聊，也不在于界面多么炫酷，而在于能否融入企业实际运营流程，在任务执行中发挥作用，帮助员工更高效、更稳妥地完成工作。但这里有个关键问题。既然智能体要嵌入业务流程，企业究竟应该从何处切入？这是许多企业在部署智能体时最容易忽视的环节。很多企业起步时就会问：采用哪个大模型？ 接入哪个智能体平台？ 是否需要构建企业知识库？ 是否要对接ERP、CRM、OA、工单系统？ 是否先行搭建统一入口？这些问题确实关键。但我认为，它们并非首要考量因
告别“虚胖”拥抱“精瘦”：美国反蒸馏联盟的焦虑
告别“虚胖”拥抱“精瘦”：美国反蒸馏联盟的焦虑AI大模型虽发展迅猛，却遭遇了瓶颈。即便投入巨资堆砌万亿参数，也未能带来质的飞跃。你是否也有同感：向它提问一个简单问题，它却绕了半天弯路，罗列一堆背景，最后给出的答案还平平无奇。正因如此，“精馏小模型”（亦称精瘦模型）和“知识密度”的概念应运而生。知识密度 = 有用信息 / 参数规模与算力消耗依据这一公式，如今许多大模型实则是个“虚胖子”，吸纳了海量无关信息。这好比你去买颗菜，它却先给你科普了一整段农业发展史。大模型固然强大，但在诸多场景中，我们未必需要如此“