AI news

模型越来越强,企业AI为什么还卡在「最后一公里」?

By 机器之心1 viewsSource: 机器之心
模型越来越强,企业AI为什么还卡在「最后一公里」?

针对企业AI落地卡在「最后一公里」的难题,中国联通推出联通云犀工作流智能体,以通信场景为入口,将AI能力轻量化嵌入企业现有业务流程,已服务超6万家企业、800万用户。

The full text has not been translated yet. The Chinese original is shown below.

过去两年,大模型快速跃迁。

从百亿级参数模型,到复杂逻辑推理、多模态理解,到自主 Agent,技术边界不断突破,一切似乎都在宣告:AI 已经准备好接管一切。

然而,如果把视线从实验室拉回产业一线,一个反差正在出现:大量企业的 AI 探索仍停留在试点和演示阶段,并没有真正进入业务流程。

麦肯锡的研究曾指出,企业数字化转型长期面临「试点容易、规模化难」的挑战。

问题随之浮现:为什么一个能够完成复杂任务的 AI,进入企业之后却依然「不好用」?

文章配图

答案可能并不在模型本身,而在企业固有的「顽疾」:数据丰富,却分散在不同系统和业务环节中;AI 应用能解决单点任务,却无法连接完整流程;老旧系统改造成本高;企业还要考虑安全、合规等现实约束……

最终指向同一个结论:企业 AI 的核心矛盾,正在从「有没有 AI 能力」,转向「AI 能不能低成本、低风险、高效率地嵌入现有业务流」。

而在这场转变中,有一个长期被低估的入口正在浮现 ——「通信」。

原因在于,企业大量业务围绕「沟通」展开,但电话中的需求、反馈和经验,过去往往随着通话结束而被留在线下交互中,难以进入业务流,也难以被 AI 理解和复用。

因此,相比推动企业进行大规模系统重构,当前更现实的路径是在已有业务体系之上,引入能够快速融合的轻量化 AI 能力,让智能化逐步渗透到真实业务现场。

基于这一判断,中国联通推出了联通云犀工作流智能体。它从企业每天已经发生的通信场景切入,将过去难以利用的沟通信息转化为可以被 AI 理解和使用的数据,让 AI 真正进入业务流程。

三个行业场景的真实卡顿:「通信数据正在沉睡」

理解通信为何会成为企业 AI 落地的重要入口,需要先回到真实业务现场。

在物流、金融保险、汽车销售等行业中,电话是连接企业与客户的重要方式,大量关键业务判断,就发生在一次次沟通之中。

首先是快递物流行业:看得到轨迹,却看不到问题原因

其实物流行业已经完成大量数字化建设,GPS 定位、电子面单、智能分拣等能力,让企业能够实时掌握包裹状态。但实际运营中仍存在核心痛点:站点失败揽收原因不明、投递成功率波动无法追溯。

原因在于,快递员每天与客户大量通话,沟通细节在挂断后全部流失。出现异常时,管理者只能看到抽象结果,既无法查明现场症结,更无法指导精细化运营。因此,企业真正需要的是通过大模型解析通话,定位问题根因,并辅助优化运营。

类似难题在金融保险行业也同样存在:「盲打式」外呼的转化困局。

金融保险行业每天产生海量外呼电话,但从触达客户,到理解需求,再到完成转化,中间仍存在效率瓶颈。

数据显示,相关案例中,企业人均每日外呼超过 120 通,但有效转化率不足 5%。大量时间耗费在空号拨测与机械重复上。销冠的应对策略无法被组织沉淀,而客户在通话中透露的预算、偏好等高价值通信数据随着通话结束而流失,导致新人培训长达数周,成单效率难以为继。

汽车销售也是典型场景:个人经验无法变成组织能力。

汽车销售高度依赖沟通判断,销售顾问需要快速判断客户预算、竞品关注和购买意向,并据此调整邀约策略,而这些能力往往来自长期经验积累。但经验难以复制,新人成长周期长。而市面上的 AI 工具往往要求额外手动操作或事后上传,容易打断原有沟通节奏,难以在销售发生的第一现场将个人经验转化为组织能力。

总的来看,三个行业,三个场景,却都指向同一个问题:通信数据持续产生,却没有进入业务闭环;AI 具备理解能力,却缺少连接业务动作的入口;员工积累了经验,却难以沉淀为组织资产。

但解决这些问题,并不意味着要重建一套全新数字化体系,经过多年数字化建设,企业已经形成复杂的系统和业务流程,大规模改造成本高、周期长。

因此,企业 AI 的「最后一公里」,需要一种更加轻量化的方式:如何在不改变原有业务方式的前提下,让 AI 理解通信数据,并自然融入下一步业务决策。

重新定义标准:轻量化 AI 平台至少要过这五道关

既然问题在于系统割裂、数据孤岛和流程脱节,那么解决方式就不应该只是增加更多孤立的 AI 工具,企业需要的是能够融入现有工作流的智能平台。

而在联通云犀看来,一套真正进入企业现场的轻量化 AI 平台,需要迈过五道核心门槛:

  • 数据整合能力:连接企业已有系统和通信数据,为 AI 理解业务提供完整上下文,不需要像「推土机」一样推倒重建;
  • 智能数析能力:通过大模型理解语音、文本等非结构化数据,将沟通内容转化为业务洞察,让沉睡的通信数据从「噪音」变为可分析的业务「信号」;
  • 内容生成能力:根据业务场景生成标签、建议、报告和行动指引,让 AI 从理解走向辅助决策;
  • 场景嵌入能力:低成本、免二次开发为目标,以底层通信为天然入口,在不改变员工操作习惯的前提下,将 AI「无感」内嵌到员工已有工作流程;
  • 安全可控能力:满足企业对于数据安全、合规和规模化部署的要求。

文章配图

联通云犀平台正是围绕这些需求打造。按照其系统架构设计,联通云犀以通信能力为入口,以数据能力为中枢,以场景化应用为载体,连接线上线下营销与服务流程,并进一步连接数据服务和业务系统。

换句话说,联通云犀不是为了「让通话声音更清楚」,而是进一步挖掘通话背后的业务价值,让每一通电话「对企业更有用」。

目前,联通云犀重点布局三类核心 AI 应用:

  • AI 数析:帮助企业分析过去难以利用的通信数据。

通过大模型分析通信数据,提取用户需求、服务质量、业务趋势等信息,帮助企业从海量沟通中发现业务增长点。

  • AI 助销:帮助销售人员提升成交率。

通过实时语音转写、知识推荐、客户标签识别等能力,让销售经验能够被沉淀和复制,并辅助后续营销跟进。

  • AI 助手:帮助企业员工降低信息整理成本。

对企业员工提供通话、摘要、现场速记三类音频智能转写纪要与待办,一键串联生成事件,形成个人知识库,全面提升企业员工工作效率。

文章配图

可以看出,从架构标准到产品矩阵,联通云犀探索的核心问题始终是:如何让通信数据进入企业业务流程。

而这套轻量化逻辑能否真正产生价值,还需要回到真实业务中验证。下面,就通过两个真实案例来展示联通云犀的轻量化思路是如何落地的。

落地验证,当「通话」成为数据起点

首先是快递物流行业,实现从「结果分析」到「原因定位」。

针对快递物流行业的核心痛点,联通云犀平台通过采集快递员与客户之间的沟通信息,帮助企业进一步理解业务现场。

通过大模型进行语义分析,企业可以发现失败揽收背后的原因、影响投递成功率的关键因素、客户反馈集中的服务问题等,并将分析结果实时推送至站点管理员,从而,过去隐藏在电话里的信息,开始成为运营优化的重要依据。

数据显示,某头部快递品牌在采用联通云犀的「AI 数析」方案后,签收类投诉显著下降,异常件响应时长从小时级压缩至分钟级。

在金融保险行业,则实现从「盲打」到「精准触达」。

针对外呼效率低、新人成长慢、客户意向判断依赖经验等问题,联通云犀围绕外呼前、中、后三个环节提供辅助:

  • 外呼前:快速回顾历史沟通记录,给出沟通建议和开口话术,分析客户价值;
  • 外呼中:AI 实时推荐话术节点,根据客户应答动态调整策略;
  • 外呼后:自动生成「客户意向标签」。

数据显示,某团队人均转化率提升 2.3 倍,新人培训周期从 2 周缩短至 3 天。更关键的是,销售人员没有改变原有工作方式,AI 是在原有流程中提供辅助。

两个案例共同说明:企业 AI 落地的关键,并不是增加一个新的工具,而是在已有业务流程中找到 AI 真正能够发挥作用的位置。

企业 AI 真正进入深水区,拼的是「最后一公里」

如果把视野从具体的行业案例,拉长到整个商业数字化演进的纵深历程来看,中国企业的技术升级正在经历一场根本性的范式跃迁。

过去,企业数字化的核心命题是「业务有没有进入系统」,而在大模型快速发展、落地的当下,企业 AI 的命题已演变为「AI 能不能顺畅进入业务」。

模型能力继续提升当然重要,更大的模型、更强的推理能力,无疑会推动 AI 向前发展。但对于企业来说,更关键的问题是,AI 是否真正减少重复劳动?是否帮助员工提升效率?是否让经验可以复制?是否让管理更加精准……

而联通云犀探索的方向,正是将通信数据、AI 与业务流程连接起来,让 AI 从一个独立工具,成为企业工作流的一部分。

过去,通话是通信的终点。现在,通话是数据的起点。

文章配图

当每一次通话都能被正确的解读和分析,成为推动业务决策的重要依据,通信就不再只是连接工具,而成为企业智能化的重要入口。

数据显示,历经5 年系统化技术打磨,联通云犀服务超6 万家企业、800 万用户。这一实践无疑表明:不依赖大规模系统重构,而是在真实业务现场中以轻量化方式引入 AI,正在成为企业选择用大模型提升价值的重要路径。

AI 时代,联通云犀想重新定义「打电话」这件事……

文章来自于微信公众号 “机器之心”,作者 “机器之心”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)