模块一：AI能力跃迁——我们站在哪个拐点上？
1.1 AI三次能力跃迁
阶段 | AI是什么 | 人的角色 |
感知/ 生成阶段 | 工具 | 使用者 |
自主行动阶段 | 执行者 | 指挥者与规则制定者 |
1.2 智能体核心特征与技术架构
四层认知闭环
层级 | 智能体在做什么 | 人类类比 |
感知层 | 读取文件、浏览网页、接收系统数据 | 员工"看"与"听" |
规划层 | 拆解任务、制定步骤、选择工具 | 员工"想"与"计划" |
执行层 | 操作系统、调用API、生成内容、发送指令 | 员工"做" |
反思层 | 检验结果、识别错误、优化策略、持续迭代 | 员工"复盘" |
智能体三大核心能力：
l自主性：无需人工逐步干预，自主完成多步骤复杂任务
l工具调用：可连接企业内外部系统（ERP、CRM、MES、数据库、外部API）
l持久记忆：跨任务积累上下文与业务知识，越用越"懂"企业
1.3 产业拐点信号：为什么是现在？
1.开源生态爆发：OpenClaw数周内GitHub星标突破27万，超越Linux成为全球最热门开源项目，百万开发者涌入
2.政策强力背书：国家"人工智能+"行动明确目标——2030年智能体等应用普及率超90%；多地出台专项扶持政策
3.企业级产品成熟：腾讯WorkBuddy、阿里通义智能体、字节Coze等企业级产品集中上线，部署门槛大幅降低
4.政府率先示范：临汾市政府以市委层面主导OpenClaw专项培训，政务场景率先规模化落地
5.人才市场验证：协作机器人领域智能体应用人才缺口超3万人；相关岗位薪资中位数高出同类20%–30%
1.4 模块一互动讨论
分组讨论（4–5人一组，20分钟讨论 + 10分钟全员分享）：
讨论题一：在你的业务领域，哪个环节最符合"重复性强、规则明确、大量消耗人力"的特征？
讨论题二：如果这个环节被智能体承担80%的工作量，你的团队结构和管理方式会发生什么变化？
模块二：企业AI智能体顶层设计与Agent开发路线
模块导入：为什么需要顶层设计？
一个真实的失败模式vs 正确路径：
1 ❌ 常见错误路径： ✅ 正确路径：
2 某部门看到演示很兴奋 管理层统一认知与战略定位
3 ↓ ↓
4 自行采购一个AI工具 评估组织准备度，明确责任主体
5 ↓ ↓
6 数据调不通、系统对不上 选择匹配的技术路线
7 员工不会用 ↓
8 ↓ 用黄金标准选出第一个试点场景
9 项目搁置 ↓
10 得出结论"AI不适合我们" 90天内跑出可见结果
11 ↓
12 横向复制，系统集成
核心结论：Agent开发不是技术问题，70%是管理问题——战略不清、组织不齐、场景选错，是失败的三大根源。
第一维度：战略定位——我们为什么做，做到什么程度？
三种战略定位，选择适合自己的：
定位类型 | 核心逻辑 | 典型表现 | 适用企业 |
效率工具型 | 降本增效，解放人力 | 用Agent替代重复性人工操作 | 数字化基础薄弱、先求生存的企业 |
竞争壁垒型 | 建立数据与能力护城河 | 用Agent积累专有数据和业务知识 | 行业竞争激烈、需快速拉开差距的企业 |
业务模式型 | 创造新的收入来源 | 将Agent能力产品化向外输出 | 有平台化野心、探索AI商业化的企业 |
第二维度：组织准备——谁来做，怎么协作？
Agent项目的四类角色分工：
1 ┌──────────────┬──────────────────────────────────────────┐
2 │ 战略决策者 │ 高层管理者：定方向、给资源、做取舍 │
3 │（你们） │ 核心职责：确保战略一致性，排除组织阻力 │
4 ├──────────────┼──────────────────────────────────────────┤
5 │ 业务场景专家 │ 熟悉具体业务流程的一线骨干 │
6 │ │ 核心职责：定义痛点、描述流程、验收结果 │
7 ├──────────────┼──────────────────────────────────────────┤
8 │ 技术实现者 │ IT工程师或外部技术团队 │
9 │ │ 核心职责：系统集成、Agent开发与部署 │
10 ├──────────────┼──────────────────────────────────────────┤
11 │ 变革推动者 │ 部门管理者或专项负责人 │
12 │ │ 核心职责：员工培训、流程再造、持续优化 │
13 └──────────────┴──────────────────────────────────────────┘
启动前必须确认的三个关键信号：
l ✅有人负责— 明确负责人，且被赋予足够决策权与资源调配权
l ✅有人懂业务— 熟悉目标场景流程的核心人员全程参与
l ✅有人能执行— 内部IT团队或可信赖的外部合作方
第三维度：技术路线——用什么工具，怎么选？
四种技术路线与决策树：
路线 | 典型工具 | 适用场景 | 优势 | 主要风险 |
采购SaaS平台 | 腾讯WorkBuddy、字节Coze | 通用办公、快速启动 | 部署快、无需技术团队 | 定制化弱、数据依赖外部 |
私有化开源部署 | OpenClaw本地部署 | 数据敏感、深度定制 | 数据安全、灵活扩展 | 需技术团队持续支撑 |
行业专属平台 | 某工业智能体平台 | 制造业专属场景 | 深度行业适配 | 绑定特定生态 |
自研Agent | 基于大模型API开发 | 核心竞争力场景 | 完全自主可控 | 周期长、投入大 |
技术选型三个不要：
l ❌不要被演示Demo迷惑——必须要求在真实数据环境下做POC验证
l ❌不要先买工具再找场景——场景明确之后才选工具
l ❌不要忽视系统集成成本——与ERP/MES的集成往往是最耗时的环节
第四维度：试点选择——从哪里开始？
l 高价值试点的黄金三角标准：痛点刚需/数据可及/价值可量化
l场景筛选RICE评分：Reach 覆盖范围/Impact 价值影响/Confidence 可信度/Effort 实施难度
2.5 企业专属Agent完整开发路线图
以下12步路线图，是管理者拿回去就能推动团队执行的操作手册。
1 阶段一 阶段二 阶段三 阶段四 阶段五
2 场景定义 → 数据准备 → Agent构建 → 测试上线 → 持续优化
3 （第1–2周） （第3–4周） （第5–8周） （第9–11周） （第12周起）
4 ↓ ↓ ↓ ↓ ↓
5 产出： 产出： 产出： 产出： 产出：
6 场景设计书 数据就绪报告 可运行原型 正式上线Agent 优化迭代版本
2.6 现场工具演练：企业AI就绪度自评
评估维度 | 核心评估问题 | 得分 |
数据基础 | 核心业务数据是否结构化、可被系统调用？ | ／5 |
系统集成 | 现有IT系统是否具备API接口与开放能力？ | ／5 |
人才储备 | 是否有能理解并推动AI项目的复合型人才？ | ／5 |
管理意愿 | 高层是否有明确推进意志与资源承诺？ | ／5 |
模块三：制造业核心场景落地与真实案例拆解
3.1 统一案例拆解框架
1 ① 业务痛点 ── 原来这件事有多痛？（时间/成本/质量/风险）
2 ② 智能体方案 ── 具体部署了什么？如何与现有系统集成？
3 ③ 执行过程 ── 智能体的工作流是什么？人的角色如何变化？
4 ④ 可量化价值 ── 效率提升X%、成本降低X万、错误率下降X%
3.2核心场景案例
▌ 场景一：美的集团工业智能体矩阵
l业务痛点：产线损失依赖人工每隔数小时盘点，难以迅速定位原因；供应链突发情况响应慢；HR与法务流程高度重复耗人力
l智能体方案：美云智数发布工业智能体矩阵，从内部上万个智能体中筛选出40多个对外发布，覆盖158个核心业务场景
▌ 场景二：AI融入北汽福田研产供销服全链路
l业务痛点：产品研发周期长，设计迭代慢；研发知识高度分散，历史经验难以复用；多部门协同时信息同步滞后
l可量化价值：产品开发部署加速；研发知识复用率显著提升；新员工上手周期缩短；研产协同效率整体提升
▌ 场景三：海尔卡奥斯工业大模型
l业务痛点：营销端与生产端严重脱节，客户需求无法快速传导至生产排程；多品种小批量订单协同效率低；售后响应慢
l智能体方案：卡奥斯工业大模型已在石油化工、能源、家电等多行业落地，部署四类协同智能体
l可量化价值：物流效率提升40%以上；关键场景人力节省80%以上；端到端响应周期大幅压缩
3.3 三大场景横向对比与共性规律
1.从高频痛点切入— 不追求全面覆盖，先解决最痛、最重复、最可量化的场景
2.数据治理先行— 三家企业均在AI部署前完成核心业务数据的结构化与系统互联
3.人机角色重新定义— 人从"执行者"转为"决策者"，Agent承担执行层工作
4.效果量化驱动扩展— 每个场景建立明确KPI基准，用数据推动内部资源持续投入
模块四：内部共创工作坊——高价值Agent应用设计
第一阶段：痛点风暴
l每人写出本部门3个最耗时、最重复、最依赖人工的工作场景
l小组归类聚合，投票选出共识度最高的1–2个核心痛点
第二阶段：方案设计
l对照模块三案例拆解框架，逐项填写《Agent应用设计》
l对照模块二的12步路线图，明确"第一步行动"的具体内容
第三阶段：可行性自检
l 用黄金三角标准自我检验：痛点是否刚需？数据是否可及？价值是否可量化？
l调整方案，确保"第一步行动"在90天内真实可启动
授课老师
李铁军 前西门子中国MES行业总监
常驻地：北京
邀请老师授课：13439064501 陈助理
