智构未来：AI赋能业务全链提效实战研修营

一、AI的本质：它能做什么、不能做什么

1. AI的核心本领图谱

1）模式识别和预测：从资料中发现规律、做出预测

2）内容生成和创作：文本、图像、视频、代码的自动生成

3）领会和推理：自然语言领会、意图识别、推演推理

4）决策辅助和精进：在多约束条件下寻找最 优方案

2. AI的本领边界

1）AI擅长什么：重复性、规则性、大规模资料处理、模式匹配

2）AI不擅长什么：真正的创造性突破，复杂情境下价值判断、缺乏资料领域

3）AI的幻觉问题：何时相信AI、何时质疑AI

4）资料倚重：没有高质量资料，就没有高质量AI输出

二，哪些交给AI、哪些人工把关——人机协同的分工要则

1. 差事四象限拆解法

1）高频+规则明晰→优先交给AI

2）低频+规则明晰→可交AI但需人工复核

3）高频+复杂判断→AI辅助+人工决策

4）低频+复杂判断→人工主导+AI参考

2. 人工把关的要害节点

1）安全性和合规性把关：涉及施工安全、合同条款的要害输出必须人工审核

2）价值观和伦理把关：涉及公司品牌、买方关系的敏感内容

3）最终决策权归属：AI提供方案，人做最终选项

三、AI提效的三大构成要素

1. 资料要素：公司资料的采集、清洗、结构化和学识库建设

2. 模型要素：通用大模型和专用小模型的选项和组合

3. 人力要素：从“会用AI”到“善用AI”的本领阶梯

四、标杆实例深度拆解（一）Doka——全球模架巨头的AI物料计数和回场预测系统

• 来由痛点：回场租赁物资数量庞大、规格多样，人工清点耗时费力并且差错率高；网点库存资讯孤立，回场时间无法预判，装置闲置和短缺并存，影响资产周转效率

• 施行方案：自主训练适配建筑工地恶劣环境的AI图像识别模型，从实践看，支持手机拍照即可自动识别20余种模架构件并建议数量，同时构筑“图像留存-数字确认-云端归档”的不可篡改流程；另搭建基于历史项目和施工进度的“回场预测”算法，换个角度看，预判物资回归时间窗

• 成效：系统已覆盖全球超50个网点，从实践看，累计处理超150万件物料，识别准确率超98%，实操中，回场处理周期大幅压缩，库存预测精度显著拉升

• 启示：AI的价值不仅在于替代肉眼计数，执行层面，更在于将模糊的“心得流”转化为精准的“资料；流”，达成从被动盘查到主动预测的供给链升级

五、交流研讨01：我的岗位，AI能帮我做什么？

列出自己日常事务中最耗时、最重复的3项差事，小组碰头哪些能够交给AI、哪些需要人工把关，具体来看，点评

一，AI文本处理：从“写出”到“生成”

1. 提示词工程的核心理念

1）清晰定义定位：让AI知道“你是谁”

2）明晰差事标的：让AI知道“要做什么”

3）提供来由和约束：让AI知道“在什么条件下做”

4）指定输出格式：让AI知道“做成什么样”

2. 公文和报告写作

1）会议纪要智能生成：录音转文字+要点提取+待办事项梳理

2）事务报告自动撰写：资料输入→结构生成→内容填充

3）技艺方案和施工方案辅助编制

4）邮件和商务交流的AI辅助

3. 实操上手01：用AI在5分钟内生成一份完整的模架施工专项方案大纲

二、AI资料处理：从“统计”到“洞察”

1. AI辅助资料拆解的事务流

1）资料清洗和预处理：AI自动识别异常值、缺失值

2）资料可视化：自然语言指令生成图表

3）资料洞察：AI自动发现资料中的模式和异常

2. 报表自动化

1）Excel/CSV资料的AI问答式拆解

2）周报、月报的自动生成和智能摘要

3）经营资料的趋势拆解和预警

3. 实操上手02：上传一份还原的物资周转资料，用AI完成资料清洗，趋势拆解和可视化报告

三，AI图视频处理：从“制作”到“创造”

1. AI图像生成和运用

1）方案成效图的迅速生成

2）货品展示图的智能精进

3）施工实地图的标注和拆解

2. AI视频处理

1）短视频的AI脚本生成和自动剪辑

2）培训视频的智能字幕和分段

3）施工实地监控视频的AI拆解

3. AI演示文稿制作

1）从文字大纲到PPT的自动生成

2）PPT的智能美化和排版精进

四、标杆实例深度拆解（二）：志特新材，模架上市公司的全链路数智化工厂

• 来由痛点：业务贯通规划、生产、施工、翻新全链条，但CRM、ERP、MES等等核心系统相互割裂，资讯传递倚重人工表格，导致研发周期长、排产效率低、订单交付压力巨大

• 施行方案：投入逾2500万元，以“系统深度集成”为核心方略，自研GTMS管控系统打通六大系统，从BIM智能配模、自动排产到施工回厂达成全流程线上闭环；车间部署全自动化流水线、AGV智能物流以及立体仓库，推行“一码一物”全流程追溯

• 成效：要害装置数控化率从24%拉升至74%，货品研发周期缩短50%，订单交付率达成100%

• 启示：AI和智能制造的根基在于“资料通”。打通系统孤岛比引入单一智能装置更具方略意义，从实践看，全流程资料贯通是规模化AI提效的前提

五，实战工作坊1：用AI完成一份跨部门协同报告

给定还原业务情境（某项目模架物资盘查资料+施工进度资料+成本资料），分组采用AI抓手完成资料整合、拆解洞察和报告撰写，限时30分钟，各组展示结晶、点评

一、财务部门的AI运用

1. 票据和报销处理

1）发票的AI自动识别和验真

2）报销单据的智能审核和异常检测

3）费用报销流程的自动化

2. 财务拆解和报告

1）财务报表的AI自动生成和解读

2）成本结构和利润驱动的智能拆解

3）预算执行情况的实时监控和预警

3. 隐患将控

1）应收账款的智能催收和隐患评核

2）合同条款的财务隐患AI审查

二、销售部门的AI运用

1. 买方开发和维护

1）标的买方的AI画像和精准筛选

2）投标文件的智能编写和精进

3）买方交流邮件的AI辅助撰写

2. 方案呈现和报价

1）货品方案演示文稿的迅速生成

2）基于历史资料的智能报价辅助

3）竞争对手拆解的AI资讯整合

3. 销售预测和管控

1）销售资料的趋势拆解和预测

2）买方离职隐患的AI预警

三、人力资本部门的AI运用

1. 招聘和英才管控

1）岗位说明书的AI生成和精进

2）简历的智能筛选和匹配

3）面试题库的自动生成

2. 培训和演进

1）培训课程的AI辅助规划和内容生成

2）员工本领画像和个性化研习路径推荐

3. 日常人事管控

1）规章制度的AI问答和解读

2）员工关怀消息的自动生成和推送

四、标杆实例深度拆解（三）：钉钉“悟空”,制造业AI原生事务台组织赋能

• 来由痛点：资深工程师的规划心得、采购专家的选型学识高度倚重“师徒传承”，一旦英才离职，核心隐性学识即告断层，新员工成长周期漫长

• 施行方案：公司级AI原生事务台“悟空”，借助构筑AI智能体将老师傅的专精心得（规划推演，选型规则、排产常识）代码化、结构化，从实践看，形成可被全员随时调用的“数字分身”，落地时，沉淀为7×24小时在线的公司公共学识资产

• 成效：分散在个人头脑中的专家心得转化为组织级共享本领，新员工上手周期明显缩短，要害决策不再倚重单一个人，组织韧性显著增强

• 启示：模架公司最宝贵的资产是心得。AI不仅是效率抓手，更是组织本领的“存储器”和“放大器”，让个体智慧升维为组织智慧

五、交流研讨03：部门AI落地的第 一站应该在哪里？

分组碰头：本部门当前最痛的一个业务环节为何？AI能否介入？怎样介入？需要什么前提条件？形成小组共识后分享

一，模架业界图纸管控的核心痛点

1. 图纸量大，格式多样：CAD、PDF、扫描件多种格式并存

2. 物料清单和图纸脱节：规划图纸和BOM的对应倚重人工

3. 图纸查找和复用困难：历史图纸难以迅速检索和复用

4. 规划变更传递滞后：图纸修改后物料清单更新不及时

二、AI图纸识别和物料匹配的技艺路径

1. 多模态AI图纸领会

1）CAD图纸的自动拆解和结构化

2）扫描图纸的OCR识别+语义领会

3）图纸中构件，尺寸，标注的自动提取

2. 物料清单（BOM）的智能生成

1）从图纸到BOM的自动化转换

2）相似构件的智能归并和准则化

3）物料编码的自动匹配和建议

3. 图纸和物料的双向关联

1）以图找料：上传图纸自动匹配物料

2）以料找图：输入物料编码自动关联图纸

3）变更影响拆解：图纸修改自动关联受影响的物料

三，实操上手03：用AI在3分钟内完成一份模架图纸的物料清单提取

四、标杆实例深度拆解

实例4：构力科技×中国海诚——AI智能体驱动的脚手架规划抓手

• 来由痛点：脚手架专项规划需建模、受力拆解、规范校验、方案比选，传统人工操作需数日，并且高度倚重工程师对GB50666、JGJ130等等复杂规范的熟稔程度，在实际应用里，规划质量参差不齐

• 施行方案：搭建“Agentic Scaffolding”多智能体架构，借助中央协调器分解规划标的，调度参数化建模、有限元力学拆解、规范自动校验、多标的精进等等专精AI代理协同作业，用户仅需输入自然语言诉求即可触发端到端推理，内置国家以及业界规范库达成合规性自动审查

• 成效：某工业厂房项目中，传统需数日的规划方案缩短至10分钟，规划周期降幅超95%；盘扣式方案虽单价略高，但凭借智能精算达成整体节材15%，搭拆效率拉升40%

• 启示：工程规划AI化的核心不是“画图自动化”，具体来看，而是“合规推理和方案寻优”的自动化。将力学，材料、规范的多重约束交由AI协同处理，落地时，释放工程师的高阶创造力

实例5：京东工业“AI智采管家”——图纸到采购的一键贯通

• 来由痛点：从图纸到采购需经历“识图-拆BOM-找型号-比价-下单”的冗长链条，实操中，人工转换极易出错，并且供应商匹配效率低下，错配隐患高

• 施行方案：基于自研工业大模型，支持手写便签、CAD图纸、装置铭牌照片等等多模态输入，AI自动完成识图找货、拆解物料清单、智能匹配替代件，实时比价寻源直至一键下单全流程，达成“规划即选型，落地时，选型即采购”

• 成效：在东莞某精密五金加工厂实测中，在实际应用里，三个班组的不同格式诉求在1分钟内完成全单拆解，选型决策时长缩短70%，错配隐患下降60%

• 启示：多模态AI打破了图纸和供给链之间的“次元壁”，达成了端到端的业务重构，为模架业界物资迅速响应提供了成熟的技艺范式

五、实战工作坊2：模架图纸物料匹配挑战赛

每组发放一份还原的模架规划图纸（含复杂构件），30分钟内采用AI抓手完成：图纸要害构件识别→物料清单生成→物料编码匹配→简单成本估算。提交结晶，从准确性、完整性、效率三个维度点评

一、模架租赁和周转管控的核心痛点

1. 资产盘查难：成千上万的构件分散在多个工地，人工盘查耗时耗力

2. 损耗将控弱：构件丢失，损坏难以追踪和定责

3. 流转效率低：回场物资的清点，分类，入库周期长

4. 调度决策难：哪个工地缺什么、哪个仓库有什么，资讯不透明

二、AI驱动的物资识别和智能盘查

1. 基于计算机视觉的构件识别

1）模架构件的图像采集和标注

2）构件类型、规格、状态的AI自动识别

3）污损，老旧构件的鲁棒识别技艺

2. 移动端AI盘查事务流

1）手机拍照→AI识别→自动计数→云端同步

2）回场物资的迅速验收和分类

3）盘查差异的自动标记和预警

3. 物资全生命周期追踪

1）从出厂→工地→回厂→翻新→再出厂的完整轨迹

2）基于AI的损耗拆解和异常检测

3）构件健康度评核和翻新建议

三、AI辅助的周转调度精进

1. 诉求预测和智能调配

1）基于历史资料和项目进度的物资诉求预测

2）多工地之间的物资智能调拨建议

3）紧急诉求的迅速响应和就近匹配

2. 回场预测和库存管控

1）项目进度驱动的物资回场时间预测

2）库存水平的动态预警和补货建议

3）淡旺季的物资储备打法精进

四、标杆实例深度拆解

实例6：Doka AI物料计数系统深度拆解——从效率抓手到信任纽带

• 来由痛点：回场物资因污损、变形严重，RFID或者通用视觉系统难以准确识别；缺乏客观记录导致租赁方和承租方在丢失，损坏定责上纠纷持续，买方信任度低

• 施行方案：专门针对建筑工地恶劣环境训练AI模型，确保能识别重度污损或者采用过的租赁物资。在识别计数后强制构筑“图像留档-数字确认-云端存证”的不可篡改流程，执行层面，形成完全客观，可追溯的交接档案

• 成效：大幅缩短回场处理周期，让装置更快再流转。更要害的是彻底消除了因“说不清”导致的买方扯皮现象，实操中，实操中，就一线经验说，显著巩固了商务信任关系

• 启示：AI在模架租赁业务中的深层价值，是构筑“基于资料的客观信任制度”。技艺破解效率问题，往细里说，信任制度破解商业关系问题，执行层面，后者更具护城河效应

实例7：中建二局“鹏翼云端”——AI大脑指挥的智能顶模平台

• 来由痛点：超高层施工中，运行层面，从实践看，传统顶模（爬架/造楼机）爬升倚重人工操作多套液压系统，各工序（钢筋，混凝土、幕墙）交叉作业调度混乱，在实际应用里，落地时，安全隐患高并且单层工期漫长

• 施行方案：在深圳湾金融中心项目部署“鹏翼云端”平台，往细里说，从实践看，将20套智能液压顶升系统统一联网，实操中，由AI算法统一调度900㎡堆料区以及各层作业面，并配备位移监测、超载预警等等6种传感器实时扫描隐患，异常时自动报警停机

• 成效：平台自重仅为传统顶模五成，借助AI统筹达成多工序并行作业，单层施工时间压缩4天；AI实时监控异常，达成安全从“人防”向“技防”升级

• 启示：AI在施工端的运用从“软件辅助”走向“硬件将控”，成为实地调度的中枢神经。模架公司应关注AI和液压、传感等等硬控技艺的结合，这将重塑施工效率和安全准则

五、实战工作坊3：还原物资盘查和调度决策

某模架租赁公司有3个在建项目、2个仓库，给定各工地物资诉求、各仓库库存、回场物资清单。分组采用AI抓手完成：回场物资迅速盘查和分类→各工地物资缺口拆解→智能调拨方案拟定→调度报告生成。限时30分钟，具体来看，各组展示方案并接受质询

一、AI落地的常见挑战和化解

1. 资料挑战

1）资料质量不足：历史资料不完整、不规范

2）资料孤岛问题：各部门系统不打通

3）化解打法：从“小资料”开始，渐次完善

2. 组织挑战

1）员工抵触和畏难情绪

2）缺乏AI英才和本领

3）化解打法：先试点、树标杆、再推广

3. 安全和合规挑战

1）公司资料泄露隐患

2）AI输出内容的合规性

3）化解打法：构筑AI采用规范和审核制度

二、AI落地的四步走路线图

1. 第 一步：情境识别（第1-2周）

1）盘查各岗位高频、重复、规则明晰的事务

2）评核AI介入的可行性和收益

3）选定1-2个“低垂的果实”作为试点

2. 第二步：抓手选型和试点（第3-6周）

1）通用AI抓手的选型和部署

2）试点情境的AI运用规划

3）小范围测试和成效验证

3. 第三步：心得沉淀和推广（第7-12周）

1）试点成功的心得收束和准则化

2）培训更多员工掌握AI本领

3）渐次扩大AI运用范围

4. 第四步：系统集成和规模化（第3-6个月）

1）AI本领嵌入现有业务系统

2）构筑公司级AI运用规范

3）持续精进和迭代

三、AI落地的要害成功要素

1. 一把手工程：高层的重视和促成

2. 业务驱动：从业务痛点出发，而非技艺炫技

3. 小步快跑：迅速试点、迅速验证、迅速迭代

4. 持续研习：AI技艺在迅速演进，组织本领需同步升级

四、标杆实例深度拆解（八）：南京“以房管安”系统——AI大模型的业界级隐患分级管控

• 来由痛点：传统建筑安全监管倚重人工巡查和事后处置，落地时，面对海量建筑场所无法精准分级，监管力量严重分散，隐患防控缺乏针对性

• 施行方案：全国首个“以房管安”系统，引入应急管控AI大模型“宁安晴”，以建筑场所为单元，借助算法自动将隐患划分为红，橙、黄、蓝四色等级，具体来看，动态生成个性化隐患排查清单，实操中，落地时，具体来看，促成监管从“漫游式”向“靶向式”转变

• 成效：系统已覆盖重点建筑5.8万余幢，达成了隐患的事前预防和精准干预，监管效能显著拉升

• 启示：对于具备海量租赁物资和大量在建项目的模架公司，可借鉴此“分级管控”思路：利用AI对物资状态和项目隐患开展智能分级，将有限的管控资源精准投放到最 高隐患节点，达成精细化的风控闭环

五、交流研讨04：公司AI落地的第 一步应该怎么走？

结合两天所学，思索并分享：回到事务岗位后，第 一个能够用AI提效的情境为何？需要什么准备？预期什么成效？回应并给予建议

一、个人行动规划拟定

参训者根据自身岗位和两天所学，拟定一份“30天AI运用行动规划”，包含：

• 标的情境：选项1个最 优先的AI运用情境

• 具体差事：每天/每周要做什么

• 抓手准备：需要安装/注册什么AI抓手

• 成功准则：怎样衡量成效

• 时间节点：30天内的里程碑

二、公司AI运用推进建议

1. 组织层面

1）成立AI运用推进小组或者指定负责人

2）构筑AI抓手采用规范和安全准则

3）定期组织AI运用分享和复盘

2. 技艺层面

1）评核并选项适合公司的AI抓手组合

2）构筑公司学识库和资料资产

3）关注业界AI运用趋势和新技艺

3. 信念层面

1）鼓励试错、容忍失败

2）树立AI运用标杆和榜样

3）将AI本领纳入岗位本领要求

三、课程收束

1. 两天课程核心要点回顾

2. 课后持续研习资源

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|蔺军老师