《愛分析：2024智慧燈塔：照亮企業AI Agent實施的明路應用實踐報告（35頁）.pdf》由會員分享，可在線閱讀，更多相關《愛分析：2024智慧燈塔：照亮企業AI Agent實施的明路應用實踐報告（35頁）.pdf（35頁珍藏版）》請在三個皮匠報告上搜索。

1、12|2024 愛分析AI Agent 應用實踐報告報告編委報告編委報告指導人報告指導人張揚愛分析聯合創始人&首席分析師報告執筆人報告執筆人李進寶愛分析高級分析師外部專家（外部專家（按姓氏拼音排序按姓氏拼音排序）岑潤哲數勢科技數智產品總經理于鴻磊火山引擎HiAgent產品負責人3|2024 愛分析AI Agent 應用實踐報告特別鳴謝特別鳴謝（按拼音排序）（按拼音排序）4|2024 愛分析AI Agent 應用實踐報告目目錄錄1.報告綜述.62.市場洞察.83.數據分析 AI Agent 市場.134.AI Agent 開發管理平臺市場.245.結語.31關于愛分析.32產品服務.33法律聲明

2、.345|2024 愛分析AI Agent 應用實踐報告報告綜述報告綜述6|2024 愛分析AI Agent 應用實踐報告1.1.報告綜述報告綜述AIAI AgentAgent 是能夠感知環境，基于目標進行決策并執行動作的智能化應用。是能夠感知環境，基于目標進行決策并執行動作的智能化應用。隨著大模型能力增強以及RAG 等技術的成熟，AI Agent 的能力得到了質的飛躍。這些模型賦予了 AI Agent 更接近人類的思維能力，再聯動各類工具和組件，使得 AI Agent 在處理復雜任務時表現出前所未有的靈活性和效率。從智能助手、個性化推薦系統到自動化客戶服務，AI Agent 的應用案例層出不

3、窮，它們在各行各業中展現出巨大的潛力和價值。AIAI AgentAgent 具備三個核心能力：獨立思考、自主執行、持續迭代。具備三個核心能力：獨立思考、自主執行、持續迭代。獨立思考能力使得 AI Agent 能夠根據任務目標和約束條件，進行任務規劃和問題拆解，形成清晰的執行步驟；自主執行能力則允許AI Agent 調用必要的組件和工具，按照既定的工作流依次執行任務；而持續迭代能力則確保了 AIAgent 能夠基于任務執行的反饋，不斷優化自身的性能和效率。AIAI AgentAgent 作為這股浪潮中的新星正在取代作為這股浪潮中的新星正在取代 CopilotCopilot，成為大模型應用的主流形

4、態之一成為大模型應用的主流形態之一。自 2023 年 6月以來，愛分析系統對百余家大型企業的 IT 負責人進行了深入調研，發現降低運營成本已成為企業用戶落地大模型的首要目標。知識庫管理、數據分析、營銷與客戶服務等場景，已成為企業用戶落地大模型的主要應用領域，而這些場景的智能化解決方案，無一例外地指向了 AI Agent。AI Agent 相關市場眾多，其中數據分析數據分析 AIAI AgentAgent 和 AIAI AgentAgent 開發管理平臺開發管理平臺是企業在 2024 年關注度最高的兩個特定市場。本報告將重點研究上述兩個特定市場，通過對它們的深入分析，本報告旨在為企業用戶提供落地

5、 AI Agent 項目時的策略指導和實踐洞見。|2024 愛分析AI Agent 應用實踐報告7市場洞察市場洞察|2024 愛分析AI Agent 應用實踐報告82.2.市場洞察市場洞察在愛分析對多家大型企業 IT 負責人的深入調研中，我們發現 AI Agent 項目的落地與應用普遍面臨兩大挑戰：“落地難”與“應用難”?！奥涞仉y落地難”現象分析現象分析企業在 AI Agent 項目上的進展緩慢，周期拉長。面對新經濟局勢，企業普遍采取節流降本的策略，IT 支出亦受到顯著影響。在此背景下，一些企業對 AI Agent 的價值認識不足，導致投入意愿低迷。然而，企業亦擔心錯失智能化轉型的機遇，加之政

6、策導向的推動，使得企業不得不推進 AI Agent 項目。這種糾結狀態導致 AI Agent 項目雖已立項，卻因驅動力不足而進展緩慢。具體表現在，企業在市場調研到正式簽約階段，會進行過度的廠商調研，并要求多家意向廠商進行 POC 驗證，其用時大約是同金額傳統 IT 項目的兩倍?！皯秒y應用難”現象分析現象分析盡管企業通常選擇在某個部門先行試點 AI Agent，期待取得成效后再擴大使用范圍，但實際情況并非總是如預期般順利。許多員工更傾向于沿用傳統工作方式，對 AI Agent 的采納并不積極。這并非因為 AI Agent 的能力不足，而是企業文化缺乏必要的變革。企業需要在變革管理、激勵措施或培

7、訓活動等方面進行投資，以促進員工對新技術的接納和應用。企業應結合自身特性，建立 AI Agent 與新質生產力、數據要素的內在聯系，實現價值升華，以及建立 AI 文化，增強員工對 AI 的信任和基礎技能。市場洞察市場洞察 1 1：AIAI AgentAgent 是由模型、數據、算力、專家知識組成的新質生產力是由模型、數據、算力、專家知識組成的新質生產力|2024 愛分析AI Agent 應用實踐報告9新質生產力是以全要素生產率大幅提升為標志，本質是先進生產力，代表生產力迭代升級的方向。從現代生產力變革看，科學技術越來越成為生產力最主要推動力量，科技創新是發展新質生產力的核心要素。大模型作為當前

8、科技創新的重要組成部分，以大模型為代表的新“智”技術是新質生產力的重要生產工具。圖表 1 AI Agent 與新質生產力的關系AI Agent 作為大模型技術的重要應用，具備推理規劃、記憶存儲、知識沉淀、執行工作等能力，是智能化時代的新型勞動者，是新質生產力的代表。AI Agent 生產過程需要算力、數據、模型、專家知識等核心要素的支撐。市場洞察市場洞察 2 2：AIAI AgentAgent 是激發數據要素價值的重要手段是激發數據要素價值的重要手段AI Agent 作為智能化應用，是激發數據要素的重要手段。一方面是豐富數據應用場景，數據應用不再僅僅是數據報表、數據看板、自助分析等基礎數據分析

9、工具，還涌現出智能運維、營銷助手、數字員工等諸多數據應用場景；另一方面，AI Agent 大幅提升數據應用價值，特別是沉淀專家知識等非結構化數據，有助于企業內部數據資產化，提升數據要素流通效率。|2024 愛分析AI Agent 應用實踐報告10圖表 2 AI Agent 與數據要素的關系AI Agent 對數據基礎設施提出新需求。除了要滿足國家數據要素建設標準（四大設施（網絡設施、算力設施、流通設施、安全設施）和六大能力（數據匯聚、數據處理、數據流通、數據應用、數據運營和數據安全保障）之外，企業數據基礎設施建設還需要充分考慮到 AI Agent 等大模型應用落地需求，在記憶存儲、專家知識沉淀

10、等方面提供支撐。同時，AI Agent 與數據開發治理工具結合，在數據治理、數據運營等場景有非常豐富的落地潛力，能夠極大提升數據開發效率，減少數據工程團隊和數據運營團隊的工作量，提升企業用戶綜合數據能力。市場洞察市場洞察 3 3：企業應從：企業應從 AIAI 信任與數據素養著手，建立信任與數據素養著手，建立 AIAI 文化文化德勤一項調研結果顯示：“與其他企業相比，大力投資變革管理的企業稱人工智能舉措超出預期的可能性是平均水平的 1.6 倍，實現預期目標的可能性是平均水平的 1.5 倍以上?！眧2024 愛分析AI Agent 應用實踐報告11建立 AI 文化需要從 AI 信任和數據素養兩方面

11、著手。AI 信任是指員工對企業構建強大人工智能系統的能力及其為他們帶來利益的意愿的信任。數據素養則要求企業提升員工的數據意識，鼓勵他們建立批判性思維技能，以正確提出問題并找到解決問題所需的數據。|2024 愛分析AI Agent 應用實踐報告12數據分析數據分析 AIAI AgentAgent 市場市場|2024 愛分析AI Agent 應用實踐報告133.3.數據分析數據分析 AIAI AgentAgent 市場市場數據分析 AI Agent 作為企業智能化轉型的關鍵工具，其落地實施需遵循以下三個核心要點：第一個要點：滿足用戶端到端需求，直接生成工作報告。第一個要點：滿足用戶端到端需求，直接

12、生成工作報告。落地數據分析 AI Agent 需要堅實的數字化基礎和較充足的預算，因此以央國企落地居多。央國企有大量匯報場景，包括日報、周報、月報、專項匯報等。央國企用戶使用數據分析 AI Agent，不止需要取數、圖表和結論生成功能，更需要自動生成各類工作報告的功能。用戶期望數據分析 AI Agent能夠簡化報告準備工作，將原本耗時數小時的任務縮短至數分鐘，從而顯著提升工作效率。一個數據分析 AI Agent 的生命力在于用戶是否愿意使用。因此，基于用戶需求端到端地直接生成報告更能打動他們。取數、圖表生成、單點結論生成之類的“半成品”對用戶而言價值度較低。第二個要點：分項目推進，并優先落地面

13、向企業高管的項目。第二個要點：分項目推進，并優先落地面向企業高管的項目。數據分析 AI Agent 應用范圍廣泛，可實現企業全員賦能。由于企業各群體需求不同，因此需要拆分出多個項目進行落地。以銀行為例，分支行長、理財經理、數據運營團隊對數據分析 AI Agent 的需求便存在明顯差異，如果合并推進，難度較大。在數據分析 AI Agent 子項目中，應優先落地面向企業高管的項目。其核心考量在于，設定 AI Agent項目業務收益時，需要從頂層開始進行考慮。AI Agent 本身需要獲得來自管理層的大力支持，以及在公司范圍內推動這項工作，那么針對管理層的賦能，或探討如何使 AI Agent 為管理

14、層帶來價值，無疑是更為有效的切入點。第三個要點：數據分析第三個要點：數據分析 AIAI AgentAgent 有三條技術路徑，企業應結合自身特性進行選擇。有三條技術路徑，企業應結合自身特性進行選擇。|2024 愛分析AI Agent 應用實踐報告14在大模型應用的早期階段，一些企業試圖通過大模型直接與企業內部數據對話，本質上是Text to SQL，由于大模型可能產生幻覺，反饋的結果往往不夠準確。發展至今，已出現三條技術路徑用于提升數據分析準確率，并融入 AI Agent 方案之中。1)數據倉庫+寬表：企業采用“讓大模型在數據倉庫寬表中進行查詢”的方式。該方式下，企業需要通過建模生成一張寬表，

15、以便縮小查詢范圍來提升查詢準確率，以及提升查詢效率。其優勢在于最大程度利用企業現在數據系統，改動和投入較小。2)指標語義層：企業通過構建企業的標準化語義層，預設數據指標和標簽的定義與管理，避免業務理解對不齊，讓大模型可以更準確地理解用戶需求。某城商行綜合使用大模型、Agent 和指標語義層，讓非技術人員實現靈活取數用數。3)圖模型：純粹的大模型方案僅改造了交互層，而未觸及數據層。通過圖模型表示數據層，可以提升準確率和問答及時性。某大型國有企業基于圖模型方案搭建數據自服務平臺，用數效率大幅提升。|2024 愛分析AI Agent 應用實踐報告15案例案例 1:1:大模型大模型+Agent+Age

16、nt+指標語義層：賦能某城商行非技術人員實現靈活取數用數指標語義層：賦能某城商行非技術人員實現靈活取數用數銀行業邁向“數據驅動”，靈活取數用數的情況愈發多見。銀行領導在決策會議上可能需要查看某項指標變動；業務團隊在復盤會議上希望尋找業績下滑的原因；客戶經理在撰寫月報時需要進行各項指標的同比環比分析。盡管銀行經營分析團隊擁有 BI 系統的支持，但在實時、靈活地取數用數方面仍有進一步優化的空間。2024 年，大模型技術在各行各業加速落地，推動了銀行業數據分析場景的全面升級。01.01.某城商行存在某城商行存在 40%40%的臨時性數據分析需求，打造實時分析能力迫在眉睫的臨時性數據分析需求，打造實時

17、分析能力迫在眉睫某頭部城商行的內部統計數據顯示，2023 年臨時性數據分析需求占總需求的 40%，每天大約有20 多個工單。這一現象揭示了該銀行在數據分析領域存在巨大的即時響應潛力和優化空間。面對這一挑戰，銀行經營分析團隊通過靈活調整工作計劃，積極應對數據分析需求的增長。然而，為了進一步提升數據分析的效率和響應速度，銀行正在探索如何通過技術創新和流程優化，減少對加班的依賴，確保數據分析工作的可持續性和團隊的工作生活平衡，并避免可能出現的工單積壓情況。工單積壓的根本原因在于“分析資源供不應求”。該城商行中高層人數眾多，業務團隊更加龐大，經營分析團隊資源供不應求。擴大團隊規模并非最優選擇，首先是因

18、為經營分析崗位門檻和薪資都較高，其次該團隊屬于成本類部門，對于銀行機構降本增效并無助益，增加人力投入內驅力不足。工單積壓的問題困擾著領導層、業務團隊和經營分析團隊。他們試圖通過各種方式擺脫這一困境，大模型的興起為其提供新范式。應用大模型是該城商行的戰略目標之一，由副行長牽頭，大力推動大模型在應用場景的落地。在大模型落地初期，該城商行選擇了幾個重點場景，數據|2024 愛分析AI Agent 應用實踐報告16分析就是其中之一。他們希望通過大模型技術升級數據分析工作，以滿足靈活數據分析的需求。02.02.指標語義層指標語義層+Agent+Agent 架構架構+反問機制反問機制+加速引擎加速引擎+主

19、流國產模型適配，數勢科技脫穎而出主流國產模型適配，數勢科技脫穎而出該城商行認為大模型項目具備強創新屬性，更傾向與技術型創業公司聯合共創，而不是傳統銀行 IT 服務商。經過對互聯網大廠、大模型企業、數據分析企業等多類供應商的調研，最終選擇了數勢科技合作。數勢科技是一家數據智能產品提供商，旗下產品包括基于大模型增強的智能指標平臺（SwiftMetrics）、智能分析助手（SwiftAgent）、多實體標簽平臺（SwiftXDP）及智能營銷平臺（SwiftMKT）。SwiftAgent 產品定位與該城商行需求高度契合。該城商行看重 SwiftAgent的五項優勢：指標和標簽語義層讓指標和標簽語義層讓

20、 SwiftAgentSwiftAgent 輸出更精準的結果。輸出更精準的結果。許多企業試圖通過大模型直接與企業內部數據對話，本質上是 Text to SQL，由于大模型可能產生幻覺，反饋的結果往往不夠準確。數勢科技通過構建企業的標準化語義層，預設數據指標和標簽的定義與管理，避免業務理解對不齊，讓大模型可以更準確地理解用戶需求。|2024 愛分析AI Agent 應用實踐報告17圖表 3 SwiftAgent 通過增加指標和標簽語義層幫助企業實現自主取數的工作原理AgentAgent 架構讓架構讓 SwiftAgentSwiftAgent 可以解決復雜任務?？梢越鉀Q復雜任務。SwiftAgen

21、t 采用 Agent 架構，具備任務拆解和工具調用能力，能夠自動解決復雜問題，無需過多人力介入。用戶提問會由 Agent 基于問題目標，基于此類問題的最佳實踐進行任務拆解，然后再去對應到具體的工具，到底是指標查詢還是圖表生成，還是歸因分析。具體來說，某支行長告訴 SwiftAgent：“幫我看一下最近 7 天理財產品銷售情況，哪個渠道最多以及為什么，最后再來個總結?！眰鹘y方法下，該支行長通常需要先獲取數據，核實數據情況，進行歸因分析，最后以報告形式呈現結論。這涉及到多方面的技能，包括解釋數據、歸因分析、報告撰寫等。而通過雙方合作，他可以直接應用 SwiftAgent 產品高效、自動應對此類分析

22、場景，為后續決策提供更加精準的分析支持，推動銀行數字化進入更為智能、高效的階段。|2024 愛分析AI Agent 應用實踐報告18圖表 4 SwiftAgent Agent 架構工作原理反問機制讓反問機制讓 SwiftAgentSwiftAgent 生成更可用的結果。生成更可用的結果。人與人之間工作交流時常常出現語義不清的情況，需要“進一步溝通”或“對齊”，人與大模型之間同樣需要這個步驟。當前，多數大模型產品不具備反問能力，而是直接回答，答案往往是不可用，很可能答非所問。SwiftAgent在產品設計環節，增加反問模塊，讓大模型更好地理解用戶需求，一步一步把需求“精細化”，提升正確結果概率，

23、生成更可用的結果，而不是先生成一個錯誤答案，再溝通修改。例如用戶提問：“幫我看下資產情況?！盨wiftAgent 會進行反問：“希望查詢哪個時間段的總資產情況?例如，是最近 7 天、最近 1 個月，還是今年年初至今的統計數據?您也可以自定義時間窗口?！盨wiftAgent 的反問問題也不是基于固定模板生成的，而是根據該用戶過往的使用習慣，由大模型生成。加速引擎讓加速引擎讓 SwiftAgentSwiftAgent 交互體驗更好交互體驗更好。用戶能不能用起來，有一個關鍵點，就是結果生成的|2024 愛分析AI Agent 應用實踐報告19用時。用戶問完一個問題，“干等”數十秒必然降低使用體驗。數

24、勢科技自研指標加速引擎，可以讓生成用時降低至 10 秒左右。又準又快，才能讓用戶真正用起來。主流國產模型適配讓主流國產模型適配讓 SwiftAgentSwiftAgent 更安全。更安全。多數銀行采用私有化部署大模型，即使采用 API調用的方式，也是優先主流國產模型。部分數據分析廠商推出自己的基礎模型，或者偏向適配國外模型，不能滿足該城商行需求。SwiftAgent 已適配主流國產模型，包括智譜 GLM、Baichuan、百度文心一言和阿里千問等。03.03.數勢科技基于數勢科技基于 SwiftAgentSwiftAgent 為該城商行打造智能分析解決方案為該城商行打造智能分析解決方案數勢科技

25、為銀行提供智能分析解決方案，以 SwiftAgent 產品為核心，利用行業知識和數據分析模型，理解策略目標，將銀行經營矩陣實現從數據到價值的快速轉化。解決方案技術架構包含五個部分：|2024 愛分析AI Agent 應用實踐報告20圖表 5 銀行智能分析解決方案技術架構基座大模型：基座大模型：數勢科技選擇了經過實際應用驗證的國產大模型，并對其進行了進一步的Prompt 微調和模型微調，以確保其在銀行數據分析場景中的高效應用。這樣的定制化處理不僅滿足了銀行對數據安全性的高標準要求，還會顯著降低大模型可能產生的幻覺問題，提高數據分析結果的準確性。企業數據源：企業數據源：待到項目實施過程中，數勢科技

26、首先對該城商行的各類數據源進行詳細梳理和整合，包括業務系統數據庫、數據倉庫和數據湖等。這一過程可以確保所有數據的規范化和標準化管理，為后續的指標語義層構建和大模型應用奠定堅實基礎。指標語義層：指標語義層：數勢科技計劃為該城商行構建統一的指標語義層，明確定義各類指標的計算口|2024 愛分析AI Agent 應用實踐報告21徑和業務含義。這不僅提高數據指標的管理效率，還確保不同業務部門在數據使用上的一致性，避免了因口徑不統一而導致的數據分析偏差問題。SwiftAgentSwiftAgent 產品產品：作為智能分析解決方案的核心，SwiftAgent 通過與用戶的交互式問答，能實現數據指標的靈活查

27、詢、自動歸因分析、可視化報告自動生成以及指標全生命周期的預警分析。用戶只需通過自然語言輸入需求，SwiftAgent 便能智能識別并反饋精準的分析結果，可以明顯提升數據分析的效率和準確性。數據分析應用：數據分析應用：在一期建設中，數勢科技將重點落地企業經營分析、企業營銷復盤和業務團隊日常用數三大應用場景，旨在為銀行的各級管理層提供高效、精準的數據支持，助力其在決策和運營中更加靈活和敏捷。未來，數勢科技將繼續擴展更多的數據分析應用場景，進一步滿足銀行多元化的數據分析需求。同時，數勢科技根據該城商行需求進行定制開發，包括開發移動端、打通 SSO 統一登錄、集成權限系統等。04.04.用戶意圖識別率

28、用戶意圖識別率98%98%，復雜任務規劃準確率復雜任務規劃準確率95%95%，好用的智能分析應用讓取數用數排隊情好用的智能分析應用讓取數用數排隊情況成為過去式況成為過去式智能分析系統建成后，該城商行經營分析團隊負責人、大數據部門負責人以及多位中高層領導參與驗收，從多方面進行評估與打分，主要結果如下：1.1.準確性：準確性：用戶意圖識別率98%，復雜任務規劃準確率95%。2.2.效率提升：效率提升：分析工作處理時長減少 80%，每人每周減少 10+小時數據處理工作。3.3.用戶滿意度：用戶滿意度：使用者滿意度 9.3+分。|2024 愛分析AI Agent 應用實踐報告224.4.交互友好度：交

29、互友好度：用戶界面友好度 9.5 分。該城商行各相關方均對智能分析系統高度評價，系統正式上線。如今，基于 SwiftAgent 打造的智能分析應用，在該城商行中高層領導及業務團隊中已常態化使用，取數用數排隊與工單積壓情況成為過去式。項目收益具體如下：1.1.降低人工成本：降低人工成本：智能分析系統的上線，顯著減少了手工數據處理的工作量，降低了對人工的依賴，節省了人力成本。2.2.提高決策效率：提高決策效率：系統能夠快速響應用戶的查詢請求，提供準確的分析結果，顯著提高了決策和運營效率。3.3.增強數據利用率增強數據利用率：通過構建標準化的指標語義層，系統能夠充分挖掘和利用銀行的數據資產，提升了數

30、據利用率。4.4.優化業務流程：優化業務流程：系統的自動化和智能化功能，優化了業務流程，提高了工作效率和質量。5.5.提升員工滿意度提升員工滿意度：系統的易用性和高效性，讓員工告別取數用數排隊，員工滿意度得到提升。未來，該城商行計劃與數勢科技深化合作，利用智能分析賦能私人銀行理財師，強化用戶洞察與營銷能力，讓數據價值在業務層面得到更多體現。|2024 愛分析AI Agent 應用實踐報告23AIAI AgentAgent 開發管理平臺市場開發管理平臺市場|2024 愛分析AI Agent 應用實踐報告244.4.AIAI AgentAgent 開發管理平臺市場開發管理平臺市場AI Agent

31、開發管理平臺在企業 AI 戰略中扮演著至關重要的角色，其落地實施要點如下：第一個要點：第一個要點：AIAI AgentAgent 開發管理平臺是企業開發管理平臺是企業 AIAI 戰略的核心承載與全員賦能引擎。戰略的核心承載與全員賦能引擎。大型企業正積極探索其落地實施的有效途徑，而“自上而下”的推進策略已成為眾多企業的共同選擇。這種策略強調由企業高層領導牽頭，自頂向下地制定和執行 AI 戰略。其中，全員賦能不僅是一項核心目標，更是衡量 CIO 工作績效的關鍵指標之一。CIO 們應尋求 AI Agent 開發管理平臺的支撐作用，來實現這一目標。通過為每位員工配備個性化的AI 助手，以技術賦能全員，

32、激發組織潛力。第二個要點：第二個要點：企業追求的不只是企業追求的不只是 AIAI AgentAgent 開發管理開發管理平臺，更需配套的應用規劃與初期應用開發。平臺，更需配套的應用規劃與初期應用開發。在大模型技術的落地之旅中，企業不僅是探索者，更渴望找到能夠并肩前行的良師益友。對于 AIAgent 開發管理平臺的引入，企業期望得到的不僅是一套軟件系統，而是希望平臺廠商能成為其應用規劃和實施的得力伙伴。在這一過程中，企業迫切需要解決的問題涵蓋了應用場景的選擇、優先級排序、以及各場景預期的投資回報率（ROI）等關鍵咨詢領域。咨詢服務的核心，在于幫助企業明確 AI Agent 的應用藍圖，識別和評估

33、那些最需要智能自動化的業務場景，并制定出切實可行的實施路線圖。這不僅涉及到技術層面的規劃，更包括業務流程的梳理和優化。在咨詢服務的基礎上，企業同樣需要廠商提供的應用開發服務，以確保平臺的落地和應用生態的初步構建。在初期采購平臺時，企業期望廠商能夠示范性地提供 1-2 個定制化的 AI Agent，這不僅驗證了平臺的技術實力和業務適配性，也展現了 AI 技術在實際工作場景中的價值和潛力。然而，企業的最終目標是建立起自主可控的 AI 應用生態。因此，在首批 AI Agent 開發之后，企業將逐步過渡|2024 愛分析AI Agent 應用實踐報告25到由內部 IT 和業務團隊自行開發和維護 AI

34、Agent 的模式。這要求平臺不僅要提供強大的技術支撐，還需配備相應的培訓和文檔資源，確保企業團隊能夠順利接管 AI Agent 的開發和迭代工作。|2024 愛分析AI Agent 應用實踐報告26案例案例 2 2:飛鶴：飛鶴：AIAI 引領的數字化轉型，從試點到全局引領的數字化轉型，從試點到全局在數字化浪潮的推動下，企業正尋求通過技術創新來重塑業務流程和提升服務質量。飛鶴作為中國乳制品行業的先鋒，正積極擁抱這一變革，致力于通過人工智能技術來推動其數字化轉型。本案例將深入探討飛鶴如何通過構建 AI 能力中臺，實現從傳統運營模式到智能化服務的轉變，以及這一轉型如何為飛鶴帶來新的價值。01.01

35、.飛鶴開啟以飛鶴開啟以 AIAI 為核心的數字化轉型新篇章為核心的數字化轉型新篇章中國飛鶴于 1962 年創立，是中國最早的奶粉企業之一。根據市場調研數據，飛鶴在 2019 至 2023年間保持了銷量的領先地位，這一成就體現了其品牌實力和市場認可度。2018 年起，飛鶴著手實施全面數字化轉型，提出了“3+2+2”戰略布局，旨在通過智能制造、ERP系統和智能辦公等 IT 項目，結合數據中臺和業務中臺，來推動新零售和智慧供應鏈的發展。這一戰略布局體現了飛鶴對數字化轉型的重視和對未來發展的規劃。在數字化轉型的過程中，飛鶴信息化中心對新興技術保持敏銳的洞察力。2023 年，隨著大語言模型技術的興起，飛

36、鶴信息化中心認識到 AI 技術在提升業務效率和優化交互體驗方面的潛力。他們預見到，將 AI 技術整合到現有業務流程中，無論是內部管理還是外部客戶服務，都可能帶來顯著的效益?；趯夹g趨勢的分析，飛鶴信息化中心計劃構建 AI 能力中臺，將數字化戰略布局由“3+2+2”擴展為“3+3+2”模式。這一擴展意味著飛鶴將 AI 技術作為新的支柱，與數據中臺和業務中臺并列，共同支撐集團發展。02.02.飛鶴與火山引擎：共創飛鶴與火山引擎：共創 AIAI 賦能的數字化轉型之路賦能的數字化轉型之路飛鶴攜手火山引擎，共同打造了一個三步走的 AI 建設方案，旨在將 AI 技術深度整合到企業的|2024 愛分析AI

37、 Agent 應用實踐報告27數字化轉型中。這一方案從試點項目開始，逐步擴展至全面的能力建設和最終的全局 AI 應用實施。飛鶴 AI 能力中臺架構詳見下圖，它通過四層結構實現了從基礎設施到具體應用場景的全方位覆蓋。圖表 6 飛鶴 AI 能力中臺建設規劃底層（基礎設施層）：底層（基礎設施層）：這一層次是整個中臺的基石，包括了先進的云架構、業務中臺和數據中臺。它們共同構成了支撐 AI 應用運行的堅實基礎，確保了數據處理的高效性和業務流程的靈活性。能力層：能力層：在能力層，可以看到了飛鶴 AI 能力中臺的核心組成部分，它們是：大模型能力：大模型能力：提供包括自有大語言模型、算力支持、AIGC 安全風

38、控等能力。|2024 愛分析AI Agent 應用實踐報告28數字人：數字人：提供 3D 形象定制和音色定制，使數字人能夠更好地融入企業服務和營銷活動。數字孿生：數字孿生：提供 3D 數字孿生建設和異構數據整合等能力。智能推薦：智能推薦：提供商品推薦和內容推薦等能力。音視頻：音視頻：提供視頻/圖像分析和 NLP 分析等能力。創新能力：創新能力：提供云 VR 大空間和 AR 云平臺等能力。接入層：接入層：接入層是能力層與具體應用之間的橋梁，包括了大模型能力類型、服務形態、接入形式，以及飛鶴大模型內容風控模型，確保了 AI 能力能夠安全、高效地被集成和使用。場景層：場景層：場景層根據企業的具體業務

39、需求，將應用場景分為三大類：用戶運營觸達、渠道銷售和企業管理。每個類別下都包含了多個具體的應用場景，如追溯問答、消費者咨詢、優選客服等，以滿足不同業務環節的需求。StepStep 1:1:數字人試點與價值認同數字人試點與價值認同飛鶴將某智能問答項目（數字人）作為試點，這一選擇基于數字人的直觀價值和對 AI 技術易于形成共識的特點?；鹕揭嫣峁┑亩拱竽Ｐ?，以其在字節跳動內部的廣泛應用和每日千億級tokens 的使用量，為飛鶴提供強大的語言模型支持。同時，火山引擎的公有云 GPU 資源池確保了模型的即時可用性和業務的穩定性。此外，火山引擎還引入了新技術和工程化改造，包括知識庫構建、定制化提示詞服

40、務、工程化服務以及內容安全審核過濾，以滿足飛鶴的具體需求。StepStep 2:2:能力建設與能力建設與 HiAgentHiAgent 平臺應用平臺應用在能力建設階段，HiAgent 平臺發揮了核心作用。HiAgent 針對企業級市場進行了深度定制，提供了成熟的解決方案。通過“段位”劃分策略，HiAgent 幫助企業員工逐步掌握 AI Agent 的使|2024 愛分析AI Agent 應用實踐報告29用，同時通過原廠輕咨詢、內置最佳實踐和應用效果評測，確保了 AI Agent 達到生產級標準。StepStep 3:3:全局全局 AIAI 規劃與應用生態構建規劃與應用生態構建在全局 AI 規劃

41、和應用建設的第三階段，飛鶴計劃基于 HiAgent 平臺，讓全體員工掌握 AI 能力，并梳理企業的應用地圖。這一階段的目標是構建一個全面的 AI 應用生態，涉及所有業務部門，實現從試點到全局的擴展。飛鶴將利用 HiAgent 平臺的能力，將 AI 技術融入到各個業務流程中，從而提升整體運營效率和市場競爭力。通過這一系列的步驟，飛鶴展現了其在 AI 技術應用和數字化轉型方面的前瞻性和決心?；鹕揭娴募夹g支持和專業服務，為飛鶴提供了實現這一轉型的堅實基礎。03.03.智能問答：飛鶴數字化轉型的亮點與新起點智能問答：飛鶴數字化轉型的亮點與新起點作為飛鶴 AI 能力中臺的關鍵構成，第一步（某智能問答項

42、目）的實施標志著飛鶴在數字化轉型道路上邁出了堅實的步伐。該項目通過整合“數字人+大模型”服務，成功地將先進的大模型技術應用于實際業務場景中。智能數字人能夠處理廣泛的消費者咨詢，實現了 100%的問答響應率，同時保持了超過 95%的高準確率，這在客戶服務領域是一個令人矚目的成就。飛鶴預計在 2024 年完成第二、三步的建設工作。隨著項目的深入，飛鶴有望成為乳制品行業在新一輪數字化轉型中的 AI 技術應用典范。|2024 愛分析AI Agent 應用實踐報告30結語結語|2024 愛分析AI Agent 應用實踐報告315.結語結語AI Agent 正逐漸成為企業轉型的核心力量。通過本報告的分析，

43、我們得以一窺 AI Agent 的應用潛力與實踐挑戰。本報告旨在為企業決策者提供一個全面的視角，幫助他們在智能化轉型的道路上識別機遇、規避風險，并制定出切實可行的策略。我們強調，成功的 AI Agent 落地不僅需要技術的支持，更需要企業文化的適應和員工能力的培養。展望未來，隨著技術的不斷進步和應用場景的拓展，AI Agent 有望成為企業持續創新和增長的強勁引擎。我們期待與業界同仁一道，共同探索 AI Agent 的無限可能，攜手推動企業乃至整個社會的數智化進程。|2024 愛分析AI Agent 應用實踐報告32關于愛分析關于愛分析愛分析致力于成為中國領先的數字化市場專業服務平臺，為企業用

44、戶提供數字化規劃與落地全流程服務。愛分析以咨詢為牽引，依托實踐經驗、專家建議和方法論工具，為企業提供最適配的解決方案和落地服務，幫助企業提高項目成功率、優化投資收益，以及控制風險。愛分析深耕數字化市場 10 余年，在央國企、金融、消費品、制造等行業積累諸多標桿案例和豐富實踐經驗。|2024 愛分析AI Agent 應用實踐報告33產品服務咨詢咨詢匹配企業培訓規劃咨詢廠商選型咨詢業務落地咨詢需求分析定向招募專家workshop 交流培訓主題設定愛分析專家外部招募專家研究報告活動媒體數字化實踐報告廠商全景報告市場洞察報告網絡研討會行業高峰論壇數字化大會數字化行業資訊專家訪談專家分享實錄|2024

45、愛分析AI Agent 應用實踐報告34法律聲明法律聲明此報告為愛分析制作，報告中文字、圖片、表格著作權為愛分析所有，部分文字、圖片、表格采集于公開信息，著作權為原著者所有。未經愛分析事先書面明文批準，任何組織和個人不得更改或以任何方式傳送、復印或派發此報告的材料、內容及其復印本予任何其它人。此報告所載資料的來源及觀點的出處皆被愛分析認為可靠，但愛分析不能擔保其準確性或完整性，報告中的信息或所表達觀點不構成投資建議，報告內容僅供參考。愛分析不對因使用此報告的材料而引致的損失而負上任何責任，除非法律法規有明確規定?？蛻舨⒉荒軆H依靠此報告而取代行使獨立判斷。北京愛分析科技有限公司 2024 版權所有。保留一切權利。|2024 愛分析AI Agent 應用實踐報告35