德益配资「AI不是替代人，是长在业务里」：一场关于“AI行动派”的广州对话

AI热潮渐退，企业如何真正落地AI？一场聚焦“AI企业级场景落地实践”的沙龙在广州揭晓答案。从多模态数据治理到物流AI应用，从产品设计方法论到智能体平台开发，四位实战专家分享了AI与业务深度融合的破局之道。本文将深度拆解这些可复用的经验，揭示AI从技术到价值的全链路实现路径。

当技术的热潮逐渐褪去，所有企业都在追问同一个核心问题：AI，究竟如何为我所用？

2026年1月31日，由“人人都是产品经理”与“快递100”联合主办的“对话AI行动派”系列沙龙登陆广州。本次活动的主题直指当前AI落地最深的痛点——“与业务结合”。作为已连续开展两年、覆盖多座核心城市的行业交流IP，本次活动聚焦“AI企业级场景落地实践”核心主题，吸引了产品、技术、运营、企业服务等领域近百位从业者线下参与，线上直播间同步联动互动热烈。

活动以“案例拆解+方法论输出+互动答疑”的务实形式，汇聚物流、招投标、教育、云服务等多领域实战专家，深度拆解AI与业务融合的成功路径，为参会者呈上了一场兼具实操价值与行业洞见的知识盛宴。

嘉宾分享：多领域实战案例，拆解 AI 落地关键

本次活动邀请四位一线专家，分别从 “企业级 Agent 构建”“物流 AI 应用”“AI 产品设计”“智能体平台开发” 四个维度，分享可落地、可复用的经验，覆盖从技术方案到业务价值的全链路。

1. 魏旭东：多模态数据治理，破解企业级 AI 落地难

分享嘉宾：矩阵起源产品总监魏旭东

面对企业界对AI“叫好不叫座”的普遍困境，矩阵起源产品总监魏旭东一针见血地指出症结所在：数据。他揭示了一个关键矛盾：通用大模型仅能触及30%的互联网公开数据，而企业核心的70%私域数据，因安全、碎片化及多模态（如图片、音频）等问题，被困在孤岛中，无法有效驱动AI。

针对这一困境，魏旭东介绍了公司核心产品 “MOI” 的解决方案：通过 “数据接入 – 治理 – 服务输出” 的一站式智能数据操作系统，结合多 Agent 协作，实现企业级 Agent 落地。他以传统制造业变压器企业招投标场景为例，展示了 AI 带来的效率革命：

传统流程痛点：企业每年处理千余次招投标，每份标书 500 + 页，从 “下载标书 – 人工理解 – 素材准备 – 编写标书” 需 20 + 天；

成果是颠覆性的：招标文件解析时间从12-24小时锐减至10分钟；素材查找从2-5天缩短到5分钟内；标书核心内容的编写在1小时内即可完成80%。魏旭东强调，AI落地不是追求“一键生成”的魔法，而是通过“任务拆解、人机协同、反馈闭环”的工程化思维，将复杂流程标准化、自动化，最终让人聚焦于最关键的价值判断环节。

面对 “业务人员排斥 AI” 的落地阻力（如担心被替代、要求 100% 准确率），魏旭东提出 “双策略应对”：

一是 “自下而上” 做观念普及，从企业领导层切入，传递 “AI 辅助而非替代” 的理念；

二是 “任务拆分 + 人机协同 + 反馈闭环”，将复杂任务拆分为原子任务提升准确率，关键环节保留人工确认，同时收集员工反馈优化模型，逐步建立信任。

2. 李朝明：AI + 物流，构建 “确定性” 服务能力

分享嘉宾：快递100 CTO李朝明

作为全球快递物流一站式数智服务平台，快递 100 CTO 李朝明的分享，展现了AI与行业深度结合后所释放的“确定性”价值。

快递100深知手机是离用户最近的智能终端，在端侧智能成为多家厂商的首批开发合作伙伴，成为AI手机智能应用样板。快递100融入华为鸿蒙生态：成为HarmonyOS Next首批开发合作伙伴，入选“首批50+鸿蒙智能体”；融入快应用与意图框架生态：成为荣耀YOYO智能体与vivo、OPPO、小米等AI手机的首选快递服务应用开发商；成功蝉联「年度人气快应用」奖项，并荣获「最佳领航奖」，是唯一一款独立第三方快递物流应用，彰显了在由主流手机厂商组成的快应用联盟生态中的独特价值。

在云侧智能方面，快递100惊喜发布快递物流行业首个大模型AI原生商业化应用「AI寄快递」,自主研发的混合智能（Hybrid AI）架构大模型应用开发平台——「百递云GPT」，平台级接入主流公有云闭源大模型和私有化开源大模型，成为大模型落地应用新范式。快递100基于「百递云GPT·大模型应用开发平台」，相继发布「AI查快递」「AI寄快递」「AI管快递」「AI客服」等AI原生应用，打通大模型到用户的最后一米。

“AI 不能脱离场景空谈。快递100查快递、寄快递、管快递三个核心场景，都结合了AI的能力”李朝明总结快递100在大模型时代做的关键事项，“快递100作为一家从事16年“传统”业务的公司，借助AI与场景的结合迎来了新增长机遇。”

“快递100在大模型时代尝试的另一件事是AI+Data，让沉淀多年的数据真正转化为可被 AI 理解、利用的核心资产。”李朝明总结道。

他指出，用户的核心需求已从“包裹在哪”的轨迹查询，升级为“何时必达”的精准预期。为了回答这个更复杂的问题，快递100启动了一场深刻的“数据觉醒”，利用AI大模型技术，攻坚海量、非结构化的物流轨迹数据。

快递100构建“中国首个快递物流网络数智图谱”的过程，本身就是一套精密的“人机协同”范式。整个体系形成了从数据到智能的闭环：

人类专家负责顶层设计，如挖掘创新机会、定义业务规则与AI作业边界；

AI智能体则承担起海量数据的处理工作，具体分为四个核心步骤：

智能采集，从原始轨迹中提取真实网点与线路；智能建模，构建节点关系图谱；智能更新，自主发现并更新网络变化；智能分析，归类异常数据。

这张动态生长的智慧图谱，使得快递网络从静态地图演变为一个可自主感知、学习和进化的“活系统”。

这张图谱孕育出的核心能力——“智能时效预估”，其价值已远远超越个人查件。目前，该能力的日调用量达千万级，深刻赋能了千行百业：

电商平台借此实现从“到哪里”向“什么时候到”的服务升级，优化库存与配送安排；品牌商售后得以从被动响应客户催问，转向基于预估时间的主动服务调度；

互联网医药、回收租赁、O2O服务等行业，它助力实现了从常规流程到精准医疗、从粗放经营到准时收费、从串行服务到并行联动的模式升级。这标志着快递100从提供物流“信息”的工具，进化为提供关键“决策”基础设施的服务商。

李朝明老师进一步指出，AI的普及正在重塑技术生态的协作模式。传统的指令式、结构化API，其消费者是开发者，本质是1对1的静态连接。而在智能体时代，快递100将API升级为 MCP协议。MCP的消费者是AI模型本身，它支持基于自然语言的动态上下文理解，实现了智能体与服务的M对N的通用、动态连接。这一变革极大降低了专业能力集成的门槛，预示着更灵活、更繁荣的“AI调用AI”的生态经济正在形成。

“最后再总结一下今天的主要内容，也是我们过去三年探索实践的成果——端云协同+两个结合+MCP化的「AI领创方法论」。”李朝明说道。

3. 四月：AI 产品设计，从 “找痛点” 到 “控边界”

“AI+营销”领域的实战派专家四月老师从 AI 产品经理视角出发，分享了 “高价值 AI 产品的设计方法论”，核心是 “不拿 AI 当锤子找钉子，而是让 AI 长在业务里”。

他提出 AI 产品设计的三大核心步骤：

识别高价值场景：优先选择 “高频 + 高价值 + 高容错” 场景 —— 如标书制作、用户评论分析（高频），避开医疗诊断等低容错领域；评估数据准备度：企业数据需满足 “高质量 + 结构化”，若数据碎片化，需先做治理再谈 AI 应用；梳理人机协作边界：明确流程中 “人必须参与的原子动作”（如 PPT 关键决策）与 “AI 可替代环节”（如数据统计），避免 “一键生成” 的幻想。

四月老师在通过四个实战案例，验证了方法论的有效性：

用户评论分析助手：用飞书多维表格 + Bitsee 搭建，自动对评论打标、提取需求、生成仪表盘，分析时间从每周 1-2 天缩至半天；AI 简历筛选：围绕岗位需求，让 AI 对简历从 “专业匹配度 – 职场经验 – 学习潜力” 评分，HR 仅需做最终邀约决策；AI 商品图生成：跨境电商通过 “扣子平台 + 豆包生图模型”，让业务人员自主生成产品图，减少对设计师依赖；高校招生智能体：结合 3D 数字人提供 7×24 小时咨询，通过 “知识图谱 + 意图识别” 解决大模型幻觉问题，非工作时间咨询占比 30%，缓解招生办压力，同时沉淀结构化招生知识库。

四月老师总结道，AI产品经理的核心能力，正转变为 “以工程化方式管理不确定性” 。通过设计提示词、快速搭建原型（Demo）并进行评测优化，能够以前所未有的速度验证需求、找准技术与业务结合的最优解。AI的终极角色是“副驾驶”，辅助人更高效、更高质量地完成工作。

4. 李聪：腾讯云智能体平台赋能：支撑AI应用从“试验”走向“生产”

分享嘉宾：腾讯云智能体开发平台产品运营李聪

来自腾讯云智能体开发平台产品运营李聪老师，从平台提供方的视角，梳理了企业AI应用进化的清晰脉络：从早期的知识问答，发展到“知识+流程”结合，再到当前的多智能体协作与端到端应用。为了支撑这一演进，智能体开发平台需要提供坚实而全面的能力底座。

她重点介绍了腾讯云智能体开发平台在复杂RAG、超大文档解析等企业级需求上的深耕。例如，在为某国际商超打造的AI审核系统中，平台集成了多种能力，将第三方商家引入的数字人视频验真流程的人工审核工作量减少了90%，并通过技术手段确保了审核准确性。

面对未来，李聪分享了平台对SuperAgent的思考与实践——通过构建“智能体门户”，实现对多个单一智能体的统一调度、管理与复用，从而应对更加复杂的业务场景。她强调，未来的AI生产力工具，必须是“可管理、可运营、可实践”的，在追求效果创新的同时，绝不能忽视企业级应用所必需的稳定性、安全性与服务保障。