课程背景
当前，机器智能正在从"抓手"进化为"协同者"，从Copilot（副驾驶）迈向Agent（智能体）时代。麦肯锡研究显示，从实践看，AI有望为全球经济贡献高达15.7万亿美元，而95%的公司仍在探索怎样将AI从试点转化为真正的生产力。对于公司而言，最 大的挑战不是"要不要用AI"，而是"怎样让每个部门都能找到AI提效的情境"。
本课专为各部门负责人以及核心主力规划，第 一天锁住AI认知重建——领会AI能做什么、不适合做什么，构筑对AI Agent和数字员工的正确认知；第二天锁住情境落地——借助真实实例启发部门找到属于自己的AI运用方向。
课程收益
1. 认知升级：构筑对当前AI演进阶段的客观认知，领会从大模型到AI Agent的技艺演进推演
2. 运用边界：清晰判断哪些差事适合AI、哪些不适合，防止投入误区和期望错位
3. 情境启发：借助对标实例，激发各部门主动思索本岗位、本部门的AI提效情境
4. 抓手掌握：弄懂怎样迅速搭建数字员工/智能体，降低技艺队伍和员工的采用门槛
5. 落地路径：领会公司AI落地的常见挑战和化解打法，构筑"试点-迭代-扩展"的思路
1. 领会AI：从技艺原理到商业运用，构筑对AI Agent和数字员工的完整认知
2. 判断力拉升：掌握判断"AI适合做什么"的思索轮廓，减少被忽悠的可能
3. 情境发现：获得启发和办法论，能够识别本岗事务中的AI提效机会
4. 抓手本领：学会采用零代码/低代码平台搭建基础智能体，立竿见影提效
课程大纲
第 一天：AI认知和趋势（通识日）
第二天：情境拆解和运用（实战日）
公司收益
1. 统一认知：让各部门负责人对AI形成客观、一致的认知，防止各自为政的盲目探索
2. 激发情境：启发各部分主动思索AI运用情境，形成AI落地诉求清单
3. 加速试点：减少试错成本，支援公司找到适合自身阶段的AI落地路径
4. 信念构筑：促成"AI信念"建设，拉升员工对AI的信任感和资料素养
一、AI演进全景：从大模型到智能体的演进
1.AI技艺演进现况
(1) 从ChatGPT到Agent：生成式AI的三年狂飙
(2) 2025年技艺格局：全球AI竞争态势和投资热潮
(3) "高采纳率、低转化率"悖论：为何95%的AI投资没有回报？
2.全球主流技艺趋势
(1) 大模型本领边界：推理成本下降280倍，换个角度看，模型参数缩减142倍意味着什么
(2) 多模态融合：文本，图像、视频，代码的边界正在消失
(3) Agent架构：感知、规划、记忆、抓手——智能体的四大核心本领
(4) 编程和定位担当：AI采用情境的真实分布
二、国内AI生态：主流厂家、技艺和运用领域
1.国内大模型格局
(1) 百度文心，阿里通义、字节豆包、DeepSeek、华 为盘古等等主流模型对比
(2) 从"追赶"到"革新"：国产模型的本领边界和差异化优势
(3) 模型选项的底层推演：情境匹配比参数规模更要害
2.AI运用领域分布
(1) 金融、医疗、教育、制造的垂直运用现况
(2) 公司级AI运用：学识库管控、资料拆解、营销客服成为三大主战场
(3) 数字员工：AI Agent在公司情境中的落地形态
三、AI能做什么？构筑对AI运用边界的客观认知
1.AI擅长做的事
(1) 重复性、规则明晰的差事：资料录入、报表生成、文档整理
(2) 资讯检索和学识管控：智能问答、内容收束、海量文档领会
(3) 创意辅助：文案撰写、方案脑暴、PPT生成
(4) 资料拆解：趋势洞察、异常检测、预测性拆解
2.AI不适合做的事
(1) 需要深度业界心得判断的复杂决策
(2) 需要情感共鸣和人际交流的高关系差事
(3) 涉及合规隐患、伦理判断的高敏感性事务
(4) 需要长期记忆和跨情境泛化的差事
3.AI运用的常见误区
(1) 误区一：AI能替代人——实际上是"增强人"而非"替代人"
(2) 误区二：买了AI就能提效——抓手需要和流程重构结合
(3) 误区三：AI是万 能的——当前的"智能"有明晰边界
(4) 正确心态：将AI当作"超级助理"，而非"自动驾驶"
四、AI Agent和数字员工：概念详解和价值定位
1.AI Agent（智能体）为何？
(1) Agent公式：LLM + 感知 + 规划 + 记忆 + 抓手
(2) Agent四种事务方式：反思、抓手调用、规划、多智能体协同（吴恩达四大模式）
(3) 从Copilot到Agent：从"建议者"到"执行者"的范式转移
2.数字员工为何？
(1) 数字员工的定义：样貌、人设、本领、交互四要素
(2) 数字员工vs传统自动化（RPA）：不只是流程执行，落地时，而是智能决策
(3) 数字员工的公司价值：7x24小时不间断、成本低、效率高，可规模化
3.问答智能体vs龙虾智能体（OpenClaw）：到底有什么区别？
(1) 问答智能体：基于学识库的智能问答，适用于客服、售后、内部学识库
(2) 龙虾智能体（OpenClaw）：多模态交互+抓手调用+私有化部署，适合公司级复杂情境
(3) 运用方式对比：情境适配才是选型的要害
(4) 实例成效：不同智能体类型带来的实际效率拉升对比
五、公司AI落地路径：从试点到规模化
1.公司AI运用的三大挑战
(1) 落地难：价值认知不足，执行层面，驱动力缺失，POC验证周期过长
(2) 运用难：员工采用率低，缺乏变革管控，流程重构缺失
(3) 规模难：从试点到生产环境的鸿沟，从实践看，90%的AI项目止步于试点
2.成功公司的共性特征
(1) 自上而下：高管控层牵头，将AI纳入方略考核
(2) 情境驱动：从业务痛点出发，而非技艺炫技
(3) 小步快跑：迅速MVP验证，迭代精进而非一步到位
(4) 信念建设：构筑AI信任和资料素养，减少员工恐惧感
3.部门负责人能够做什么？
(1) 从本部门的"高频、低脑力"差事开始寻找AI情境
(2) 成为AI Champion：带动队伍尝试，形成示范效应
一、日常办公情境：AI让重复性事务消失
1.智能文档处理
(1) 会议纪要自动生成：语音转文字+智能摘要+待办提取
(2) 邮件自动分类和回复建议
(3) 合同审查和隐患提示
2.智能日程和差事管控
(1) 跨部门会议智能协调：根据参与者时间自动排期
(2) 差事分解和提醒：一句诉求，自动生成差事清单
(3) 周报/月报自动生成：从系统资料自动汇总
3.实例：某公司行政部门的AI提效实践
(1) 情境：每周处理100+份内部审批文档
(2) 方案：OCR+AI摘要+自动归档
(3) 成效：耗时从4小时降至20分钟
二、员工服务情境：从"人工客服"到"智能员工"
1.智能HR助手
(1) 政策咨询：员工指引、假期制度、报销流程等等常见问题秒答
(2) 入职带出：新员工第 一天，一问全知道
(3) 绩效反馈：自动拆解绩效资料，提供改进建议
2.内部学识库问答
(1) 分散学识的聚合：从"找IT问IT"到"问AI"
(2) 历史心得的沉淀：老员工心得可被AI研习复制
(3) 实例：联想"小咖"智能问答机器人
3.员工关怀和交流
(1) 智能聆听：情绪识别+主动关怀
(2) 职业演进建议：基于本领画像的成长路径推荐
三、供给链和物流情境：AI让资料"活"起来
1.供给链管控的AI运用
(1) 诉求预测：从历史资料预测未来采购诉求
(2) 库存精进：智能补货建议，减少库存积压
(3) 供应商隐患评核：舆情监控+隐患预警
2.物流作业的智能化
(1) 智能调度：运输路径精进
(2) 异常检测：物流延误的提前预警
(3) 实例：某钢铁公司的燃气能源拆解诊断系统
3.资料驱动决策
(1) 从"心得判断"到"资料洞察"
(2) 实时资料看板+AI拆解建议
四、资料拆解情境：让每个员工都能"用资料说话"
1.资料拆解AI Agent的价值
(1) 自然语言取数：不再需要写SQL，具体来看，一张报表分钟级生成
(2) 指标语义层：统一资料口径，防止"资料打架"
(3) 预测性拆解：不仅看过去，更看未来趋势
2.公司资料拆解的常见痛点
(1) 资料分散在N个系统，取数效率低
(2) 资料口径不统一，部门间资料可信度差
(3) 倚重IT队伍，业务诉求响应慢
3.资料拆解AI Agent的落地路径
(1) 指标平台+AI：构筑公司统一的"资料语言"
(2) 实例：某城商行非技艺人员借助AI Agent达成灵活取数用数
五，智能体搭建实战：从0到1搭建你的第 一个AI员工
1.智能体搭建平台概览
(1) 百度AgentBuilder，字节Coze，阿里钉钉AI助理
(2) OpenClaw（小龙虾）：从个人助理到公司级私有化智能体平台
(3) 选型建议：公开情境用Coze，在实际应用里，公司内部探索OpenClaw
2.零代码搭建智能问答机器人（演示）
(1) 第 一步：准备学识库（文档清洗和结构化）
(2) 第二步：配置问答推演（多轮对话规划）
(3) 第三步：发布和集成（接入飞书/微信/网站）
(4) 实例：30分钟搭建一个部门学识问答助手
3.低代码搭建业务链路助手（演示）
(1) 事务流规划：用自然语言描述业务链路
(2) 抓手集成：让AI能够调用内部系统API
(3) 实例：合同审批流程的智能助手
4.避坑指南
(1) 学识库质量决定AI成效：垃圾进，垃圾出
(2) Prompt工程：问得好才能答得准
(3) 持续迭代：AI需要"喂养"和精进
六、情境工作坊：各部门的AI运用头脑风暴
1.研讨规则
(1) 每个部门分组碰头
(2) 每人提出3个本岗事务中"高频、低效、重复"的差事
(3) 判断：哪些差事适合AI？优先级排序
2.研讨输出
(1) 本部门的AI运用情境清单（至少3个）
(2) 每个情境的"Quick Win"方案
(3) 试点建议：先做哪个？为何？预期收益？
收束和答疑
一，课程回顾：两天课程的五大核心要点
1.AI是"增强抓手"而非"替代抓手"：人的判断力、创造力，交流力不可替代
2.Agent是AI落地的主流形态：从Copilot到Agent的范式转移已到来
3.情境驱动而非技艺驱动：找到本部门的"高频低效"情境才是要害
4.小步快跑、迅速迭代：5%的成功率，源于迅速试错和持续精进
5.AI信念是成功的基石：构筑信任，拉升资料素养才能让AI真正落地
二，行动建议：从今天开始的三件事
1.本周：梳理本部门的"高频低效"差事清单，选出TOP3的AI情境
2.本月：选项一个情境，用Coze或者OpenClaw搭建一个MVP智能体
3.本季度：收集采用反馈，执行层面，迭代精进，形成可复制的部门AI最 佳实践
三，Q&A
预留30分钟，解答参训者在课程中的疑问，以及各自部门情境落地的问题
说明1：本课实例都来自2024-2025年最 新公司AI落地实践，包括爱拆解、德勤、麦肯锡等等权威报告。
说明2：第二天涉及动手实操环节，建议参训者携带电脑，并提前安装Coze或者注册OpenClaw账号。
说明3：本课可根据公司实际诉求定制化调整，建议在课前开展部门调研，精准匹配业务情境。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|焦波老师
适合谁听
各部门负责人、部门主力员工 （注：第二天涉及动手搭建环节、建议技艺队伍派代表参加）。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。