腾讯云行业生态总经理张林:Agent是组织能力放大器,企业应把最痛流程交给它
作者:亿邦动力 文章来源:亿邦动力
2026-11-20 15:47
作者:亿邦动力 文章来源:亿邦动力
2026-11-20 15:47
邦小白快读
【亿邦原创】11月20日消息,在2026第八届亿邦产业互联网年会暨首届产业智能体大会上,腾讯云行业生态总经理张林发表了题为《Agent走进业务场景,从回答问题到完成任务》的演讲。他指出,AI正在从擅长“回答问题”的工具,走向能独立承接任务、完成交付的数字助手甚至数字员工;企业不必等待万能智能体,而应先把最繁琐、最痛的业务流程提炼出来交给AI Agent,并把散落在组织中的可复用经验沉淀为数字资产。

温馨提示:本文为速记初审稿,在不影响原意的基础上,由亿邦动力编辑整理。
以下为演讲实录:
01 AI正在变:从“给答案”到“接任务”
大家上午好!我是来自腾讯的张林,今天非常荣幸能收到亿邦动力的邀请,和大家交流我们近期观察到、也正在亲身经历和参与的一大趋势:AI正在逐步走入业务场景。
2025年我们刚开始探讨、接触AI的时候,大家更多认为它是一个很擅长回答问题的优质工具。但在当下的商业环境中,面对领导、客户和合作伙伴,仅仅会回答问题显然不够。我们真正需要的,是能够切实帮助企业和产业解决问题的数字助手,甚至可以说是数字员工。这也是为什么我们认为,当下正在经历一场重大且深刻的变革。
这场变革主要体现在两个维度。
第一是业务层面的显著变化。过去我们谈AI,更多认为它是单点交付的工具,会在预期范围内给出答案。现在随着AI及AI Agent智能体能力提升,我们可以把部分任务交付给AI,让它在特定目标和能力范围内独立完成一整块工作。
第二是AI运行模式的变化。过去AI是在我们预设的流程框架内辅助提效,最终完成指定任务或交付成果;现在只需要把目标和需求告知AI,它就可以自行拆解任务、调动相应原子能力,甚至能把任务交付过程中收到的正负反馈同步到整个业务系统。它更像一位成熟老练、经验丰富的老员工,不需要我们逐一告知细节化的工作手册,就能协助完成任务。
第三点也是我最想强调的:过去很多中长尾需求,受限于人力、物力条件,无法第一时间响应、上线,甚至有部分需求会被长期搁置、最终放弃。但在AI Agent能力落地之后,一线业务人员或者产品经理,只需要把发现的不合理场景、业务功能需求提交给AI,它就能快速迭代上线,以极高效率提升整体业务的用户体验。
同时,组织架构也在快速迭代进化:从过去的大型BG、大部门模式,到现在的小团队甚至一人公司模式;从过去由人主导推动项目和业务交付,到现在更多通过人机协同完成交付;过去新员工在业务交接、知识传承上存在很大断层,现在通过共享知识库,可以让新人快速融入整套体系。
这一整套变革落地后,最终效果是:既可以让已经在运行的业务更快、更好地运转,也能让过去无法承接、难以落地的需求得到快速实现。
02 四个客户案例:内容、分析、协同、研发怎么干
接下来我想通过几个我们服务客户的实战案例,和大家介绍在电商生活领域,我们如何借助这场变革,推动AI走进业务场景、完成实战落地。
第一个场景是内容生产。电商行业有海量商品,需要创作、生产海量内容。过去在内容生产环节,更多是通过“工作流+底层大模型”的单点提效模式,批量生产图片、文案。但随着商品数量、品类不断增多,营销渠道、平台不断丰富,再加上出海需求,我们在各个国家、地区和领域都会面临新的运营规则、监管要求,仅靠单点AI工具,已经无法高效满足业务需求。
我们服务过一个头部平台电商客户,它拥有百万级商品库、千万级SKU,每天都要生产大量内容素材,包括商品详情页、主投图、营销短视频;同时这些内容素材还要经过安全审核、内容合规审核,并且需要结合新规则不断优化迭代。为了应对这一场景,他们基于腾讯WorkBuddy,结合当下的AI Agent体系,打造了一整套Agent生产线。
这条生产线的运作逻辑是:首先在内容洞察环节设置Agent矩阵,实时监控全行业、各渠道的优质内容素材,结合当下热点提炼形成内容素材需求;随后需求流转到素材生产Agent,它会根据提炼总结的内容方案,调用底层成熟的AI原子能力,包括声纹、图像、视频相关Agent,最终剪辑完成符合要求的内容素材;素材生产完成后,会通过质检Agent体系,对所有素材进行内容安全审核检测;内容发布之后,Agent还会持续跟踪内容在各营销渠道、官方平台带来的转化效果,最终把效果数据反馈给整个Agent生产线体系。
这套体系更像一条柔性供应链、一条柔性生产线,最终效果十分显著:整个平台电商的内容生产、商品运营效率提升了60%,投放成本大幅下降,商品相关内容素材的审核通过率提升了40%,每日系统调用次数突破一亿次。这个案例说明,过去通过单点AI提效的workflow模式,虽然能解决单点生产效率问题,但通过Agent实现跨平台、跨业务模块的按需联合编排,可以在更多场景下解决业务按需交付的问题。
第二个场景是经营分析。过去在商品运营、电商运营工作中,数据分析人员最常遇到的痛点是收到类似这样的需求:“最近我们的鞋靴品类销量波动、退货率偏高的原因是什么?请帮忙分析一下。”通常接到这类需求,分析人员首先要从海量订单中定位问题订单,随后跨多个BI系统下钻提取数据,在海量数据中筛选出对应的问题数据,先生成数据分析报告,再结合数据归因提炼问题点。整套流程走下来,往往要占用数天甚至一周以上时间,效率非常低。这套逻辑本质上还是“回答问题”的思路。
我们服务过一家跨境鞋服电商客户,他们基于全场景AI办公工作台打造了一整套商品售后质检Agent。当一线业务人员发现某款靴子近期退货率偏高时,只需要向Agent提交需求——“帮我分析一下当前这款靴子退货率偏高的核心原因是什么”,整个Agent就会自动启动工作流程:首先在海量订单中定位退货率偏高的问题订单,将这些订单和此前运行顺畅、无异常的订单做样本比对,提炼出可能存在问题的典型场景,覆盖产品、运营、品控多个维度。比如产品层面,排查是否存在靴子尺码和客户需求不匹配的问题;运营层面,排查营销环节的商品描述是否和客户实际收到的货品存在货不对板的情况;品控层面,排查商品材质是否存在问题。结合整套下钻分析体系,它最终会形成一份可执行、可追溯、可优化的分析报告,业务人员和分析专家只需要对最终判断结论做审核,就可以直接推进到下一个业务优化环节。这就是“完成任务”的逻辑。
要落地这整套Agent体系,不光需要匹配对应的产品和业务逻辑,还需要非常强大的技术底座支撑:比如要统一字段定义,打通业务系统、供应链系统的各个环节,同时实现统一调度,这也是WorkBuddy作为全场景办公工作台一直希望打造和建设的基础能力。
第三个场景是业务协同。作为团队和业务的管理者,我平时会投入大量精力在三件事上:制定目标、抓执行、控风险。日常要做好这三件事,我必须在各类项目管理系统、业务系统,甚至企业微信、个人微信,还有部分友商的即时通讯平台上,拉取各类项目进度、执行情况、风险点信息,还有员工的动态情况,这会占用我大量工作时间。有了搭载AI能力的WorkBuddy Agent之后,我不需要再做这类基础数据挖掘工作:只需要把需求、目标,以及需要重点关注的风险点告知它,它就会自动在各个业务系统中挖掘我所关注项目的进度,识别风险点,甚至在遇到关键里程碑时主动给我提醒,帮我预定会议、推进整个项目落地。在一定程度上,它已经从过去类似秘书的角色,转变为真正能够推进业务的项目经理角色。
我再分享一个真实案例,是我们服务过的一家做前置仓即时零售的闪电仓客户。这家客户不光拥有海量商品库和SKU,旗下还管理着数千家经营门店,每个门店都有自行招聘的员工,员工能力模型、个人资质参差不齐,人员流动性也非常大。他们通常面临三方面痛点:第一,商品周转、库存、滞销相关信息更新极不及时;第二,由于跨区域、跨领域经营,门店经营的整体数据过去依赖数据中台开发,战区看板、数据监控的搭建周期很长,通常要以周为单位等待;第三,由于人员流失率高,新员工上手需要经历很长培训周期。
针对这些痛点,他们现在利用WorkBuddy结合AI Agent,打造了一整套融合人、AI与系统的运营工作流和生产线。商品运营专员每天打开电脑开始工作时,商品Agent就会将一份商品健康度报告展现在他面前;一旦某款商品出现滞销,或者在某个区域存在高库存风险,系统就会及时触发下一个流程——商品促销或者调价流程。门店运营店长也有专属Agent,它可以帮店长整合展示每天店铺实时的商品经销、推广相关信息和数据;一旦店内某款商品库存不足,就可以一键触发商品补库流程,在商业后台完成补货操作。同时,整个前置仓体系搭建了共享知识库,各个区域门店资深店员的经验、成熟的营销方案都是共享的;新员工加入任意一家门店,都可以获取全国所有门店沉淀的优秀营销案例和经验。
这个案例给我们的启示是:AI Agent落地之后,不光能帮业务提效,更是组织能力的放大器——它可以把散落在整个公司、整个业务体系里,有经验、有价值的员工脑中的可复制方法论、成熟方案,沉淀为企业长期的数字资产,转化为可复用能力,让新入职员工快速融入企业,快速转化为即战力。
第四个场景是研发协同。腾讯作为较早落地AI应用的企业,内部很多业务板块、包括研发部门,一直都在实践如何通过AI提升研发效率。从我们的实践经验来看,虽然AI能力不断提升,但研发领域的核心模块并没有发生太大变化,依然是过往的重点模块,只是底层实现逻辑发生了根本变化。过去AI更多是辅助工程师、开发者高效完成代码补全、测试用例开发这类工作,本质上还是点对点回答、交付的模式。但现在,随着AI智能体具备记忆能力、上下文理解能力,甚至可以通过反馈循环将过往经验反哺到智能体体系中,整个研发模式已经发生显著变化:工程师更多会直接把需求提交给AI智能体,它会自动拆解子任务——比如判断需要调用哪个代码库、使用Python还是C语言,在历史代码库中检索匹配代码,完成代码编写,同时研发对应测试用例,最终通过测试后,在代码预发布阶段甚至可以完成初步审核,再交付到工程师手中。
工程师最终只需要完成代码审核工作,可以把更多精力放在更有价值、更有创造性的工作上:比如思考如何优化新技术架构,在提效的同时降低研发成本。甚至一些小型需求,产品经理可以直接提交给AI智能体,基础研发工作不需要工程师亲自动手,只需要最终完成发布审核即可。这会极大解放优秀工程师的精力,让他们把更多时间投入到更有价值的工作中,比如思考业务方向、探索前沿技术这类创新性工作,而不是把精力浪费在增删查改这类耗费人力的工作上。
03 企业怎么用:先把最痛的流程交给AI
以上就是我通过几个真实案例,和大家分享的AI智能体如何在内容生产、经营分析、业务协同、研发协同四个业务场景中实现任务落地、完成任务交付的内容。最后我想用三句话,概括我们观察到的AI未来发展方向,以及给大家的几点启示。
第一,随着AI智能体的演进,很多过去无法响应、无法落地的中长尾需求,尤其是那些能够优化用户体验的小型功能点,现在已经具备承接、落地的可能,这是非常切实的第一个价值点。
第二,未来企业需要更多关注内部有哪些可复用的经验——那些散落在各个角落、经过验证可落地执行的流程,会是企业更需要关注、更需要积累的核心数字资产,对企业而言具备极高价值。
第三,企业不需要期待一个无所不能的数字员工、一个超级智能体来解决所有问题。我们只需要梳理现有业务流程中,那些最让人头痛、最繁琐、最希望优先解决的业务流程,尝试把这些流程提炼出来,交给AI智能体、交给AI Agent来解决。只要迈出这一步,大家就会发现,AI不只是一个只会回答问题的工具,更能成为业务开展过程中非常得力的数字帮手。
以上就是我今天分享的全部内容,也希望在座各位都能在AI的浪潮中乘风破浪。最后预祝本次年会圆满成功,谢谢大家!
关于本次大会
2026第八届亿邦产业互联网年会暨首届产业智能体大会,主题是“AI与出海带来的模态进化”,聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会集结学界权威、央国企标杆、产业龙头、投资机构、服务生态,汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。
产业互联网是数智技术、全球化、产业链、供应链变革引发的产业新模态,亿邦动力产业互联网年会已成为我国产业互联网领域的标志性行业交流活动。
亿邦持续追踪报道该情报,如想了解更多与本文相关信息,请扫码关注作者微信。

本文首发于 亿邦动力 官方网站
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
FAQ回顾
AI Agent和传统AI工具的核心区别是什么?
传统AI工具更擅长回答问题,通常在预设流程框架内辅助提效;AI Agent则能承接任务,根据目标自行拆解任务、调动原子能力,并把执行中的正负反馈同步到业务系统,独立完成一整块工作,更像数字助手甚至数字员工。
企业应该从哪些业务流程开始落地AI Agent?
企业不必等待万能智能体,应先梳理现有业务流程中最头痛、最繁琐、最希望优先解决的环节,把流程提炼出来交给AI Agent。可从内容生产、经营分析、业务协同、研发协同等高频且痛点明确的场景切入。
AI Agent在电商内容生产场景能带来哪些效果?
在头部平台电商案例中,基于腾讯WorkBuddy和AI Agent打造内容生产线,覆盖内容洞察、素材生产、安全质检和效果跟踪。落地后内容生产与商品运营效率提升60%,投放成本大幅下降,内容审核通过率提升40%,每日系统调用次数突破一亿次。
AI Agent如何帮助企业沉淀组织经验?
AI Agent可作为组织能力放大器,通过共享知识库把散落在资深员工、区域门店的可复用方法论和成熟营销方案沉淀为数字资产。新员工加入后能快速获取全国门店的优秀案例与经验,缩短培训周期,更快转化为即战力。
AI Agent在经营分析场景如何提升效率?
面对退货率偏高等分析需求,Agent可自动定位问题订单,与正常订单做样本比对,并从产品、运营、品控等维度下钻排查,形成可执行、可追溯、可优化的分析报告。业务人员只需审核结论,减少过去数天甚至一周的分析时间。
下一篇
科力普CTO张少鹏:企业采购AI不单是降本增效 而是把确定性提上去
他指出,AI能解决不确定问题,但无法独立承担责任;只有边界清晰、例外可纠、全程可追溯,AI才能从“能用”真正走向“可靠”。









