编者按:10月29日,数智2027蓝凌用户大会盛大召开。蓝凌智能董事长杨健伟就行业AI数智化趋势、AI变革实践及蓝凌新品作出详细解读。以下是根据演讲整理的内容。

  各位尊敬的客户伙伴、蓝凌的新老朋友们,大家上午好!欢迎大家参加蓝凌数智2027用户大会。又到了一年一度我跟大家汇报思考与工作的时间。

  今天我分三个部分来汇报。先讲过去一年我看到的、学到的事情;然后说说我和客户一起遇到的问题,及如何寻找解决方案;最后,再汇报我们已经做出和即将做出什么。

  一、从客户实践看企业AI变革新趋势

  1、穿透式监管时代央国企、金融数智化

  今年以来,在信创之外央国企关注重点正转向穿透式监管、合规监控等方面。同时,在大模型、私有化大模型和Agent建设上,也很突出。

  央国企往往是业务覆盖面很广的集团型企业,如何保证集团一体化、避免重复建设特别重要,一些企业期待通过中台建设,把能力复用到整个集团。比如某中央企业,几百家下属公司,产业众多,前期引入了蓝凌知识和流程中台,并建设全级次办公平台。今年,建设的合同、制度、法务、合规、风控等应用成为AI发挥作用的重要领域。企业在建设这些应用同时,开始把AI能力做成中台,将智能填单、智能校对、智能摘要等一个个能力沉淀,服务于不同业务,嵌入不同场景。

  招商局集团,引入蓝凌知识中台,将集团的知识先集中到中台,再由中台统一供给,以便更好地服务不同的大模型。今年,通过统一流程平台,跨越不同系统,打通合规监控和资产管理业务,取得了很好的效果。

  某金融公司,选择和蓝凌共建一体化基座和开发平台,让收购的各家券商使用一个平台开发、建设AI、管理流程和知识,以保证集团一体化。

  某省级国企,信创OA、流程和门户都做得比较深入。今年基于一体化制度管理平台,引入一系列智能体进行管理,让制度数量大幅精简,留下的是经过确认、更加权威的制度。这样一来,制度合规监控就有了很好的基础和依据 ,未来可以进一步做业务监控。

  从这些央国企的实践来看,真正底层的东西还是知识和流程。上面可以生长出各种应用,底层可以连接大模型等基础设施,再通过知识和流程的开发平台,把能力真正应用起来。

  2、流程、知识、业务系统重构,赋能制造业

  与央国企相比,制造业企业更加关注怎么通过流程提效解决经营问题。比如君乐宝,围绕数字化转型和流程优化开展工作,只不过今天这个时代的流程优化,已经带有AI功能,要通过AI Agent来推动。某快消巨头借鉴中国政府“一件事”高效办,实现业务系统拉通,并 融入AI能力,实现流程链路缩短42%,提效显著。这套方法也得到中国生物制药、聚飞光电、广汽等企业借鉴。

  伊顿通过知识能力的提升,缩短质量分析周期和故障处理周期,业务效率得到直接改善。蓝凌也帮一些企业建设知识社区和专家网络,让AI能够识别和调用专家经验。

  3、更多服务业企业AI赋能多元实践

  服务行业,比较有特点的是物业。比如万物云、金地物业等,在组织、制度、权责和流程方面都有不少探索。蓝凌发现,组织、制度、权责、流程这些内容不是孤立管理的,而是需要四位一体地治理。它们之间存在对应关系,如果未来再把业务对象纳入进来,数字化系统和AI就可以基于这些内容生成各种业务应用。某物业企业AI Coding做得也很快,在使用蓝凌BPM替换友商系统时,直接用AI Coding完成了大量数据迁移,速度甚至比预想的还快。

  服务业其他的公司,诸如工程设计、信息服务等公司,还有大学、医院等,除了将AI投入在IT、业务领域,也正在管理层面进行了更多探索。

  二、企业AI深水区的困难与解法

  现在几乎没有不带智能体的项目。智能体最大的一个问题是碎片化,未来更好的方式是直接面向企业战略和核心竞争力来建设智能体。蓝凌服务的一家面粉领军企业,核心竞争力是与客户共同研发面包,关键是研发和销售两条业务线。拆解关键流程和关键岗位,把AI能力嵌入进去,智能体就不是简单地回答问题,而是直接服务于核心竞争力。这个案例后来被评为IDC年度最具显著投资回报和高度可复用性的标杆案例。

  蓝凌认为,场景碎片化问题已有一套清晰解法:面向业务目标和结果,把AI放到关键流程和关键岗位上。场景碎片化只解决了一半问题,后面还有更深层次的问题要解决。

  1、踏入企业AI的深水区的难题

  踏入企业AI的深水区,Agent、AI Coding这些技术和工具价值已成共识。但如果只是做一个问答,价值不一定很大;带有智能体能力的业务应用,才是最有价值的。企业的项目立项应该立在业务上,而不是单纯立在AI上。

  当企业开始这样做,新的问题就出来了。上下文和业务场景如果不在同一个体系里,应用开发就会很困难。蓝凌可以做智能体开发,火山、阿里等厂商也可以做智能体开发。企业的架构怎么办?未来企业应该用什么架构来生长?这是CIO在AI深水区面临的一个很大挑战。

  除此之外,更大的挑战,就是组织变革。比如销售部门效率提升了,但研发没有提升,交付也没有提升,最后瓶颈还在。一个端到端大流程,只要一个环节卡住,企业效能就上不来。所以必须做组织变革,在不同环节把AI赋能进去,让整个业务链条能够顺畅运行。

  组织能力不只是人的能力,系统、流程也是组织能力,制定战略的能力、执行战略的能力同样也是组织能力,所以IT是服务于组织能力的。过去IT更多与CFO、COO和业务部门协同,未来很有可能与HR部门的关系越来越密切,因为要解决组织变革问题。

  2、未来企业AI新架构与双飞轮

  我对未来三年AI系统的一个判断是:它将逐步从AI辅助人,走向AI指挥人。AI要指挥人,需要知道企业的管理规则是什么、权责是什么、流程是什么,执行完以后,产生的数据又应该存在哪里?这些都属于企业上下文。前面涉及组织、流程和战略,后面涉及数据架构和知识架构。AI需要理解这些内容,也需要把执行结果沉淀下来。因此,上下文将成为未来企业AI非常重要的一个增长飞轮,需要从没有到有,从有到不断积累、持续增长。应用也会形成一个增长飞轮。企业通过FDE进行业务咨询,找到具体场景,再用AI Coding快速实现应用,不断创造业务价值。

  未来企业AI架构中,什么应该收,什么应该放?我认为,底层基座必须收。因为企业一体化管理需要统一的上下文,必须规范管理。比如企业有两万多个制度,不能不加区分地都拿来给AI使用,而应先治理,形成经过确认的权威制度,再提供给AI。但应用层可以放。未来,企业AI应用可能会基于上下文自动生成,并且不断生长。企业不必纠结所有应用是不是要一体化建设。应用可以快速面向业务价值开发,而底层基座和上下文必须统一建设。

  三、做AI时代的知识和流程专家

  按照双飞轮的思路,企业上下文的核心是什么?是企业组织架构、制度、流程架构、数据架构和知识架构。而企业应用开发平台,仍然离不开流程和知识。这样一想,蓝凌的方向其实就很清楚了。从今年年初开始,我就要求团队进一步聚焦:知识和流程。

  1、知识做燃料,流程做跑道,让AI起飞

  知识做燃料,流程做跑道,企业AI这架飞机才能真正飞起来。怎么做流程,年初做规划的时候,我给团队明确了四个设计原则。

  第一个原则是面向业务价值。“一件事”的做法给了蓝凌很大启发。流程优化不再只是传统的BPA方式,而是围绕一件事把相关流程和系统打通。要让这种方式实施方便、速度快、交付快,能够真正解决业务问题。

  第二个原则是流程要从服务人转向服务AI。过去流程主要是给人使用的,未来流程还要给智能体使用。因此,流程需要重新拆解和设计,形成Skill、MCP等可以被调用的能力。未来调用流程,不一定打开表单,而是通过自然语言表达意图,AI理解意图以后自动执行。

  第三个原则是智能体的开放和协同。企业不能只使用自己的智能体,也要能够接入外部智能体。无论是其他厂商的智能体,还是不同平台提供的能力,都应该有更好的兼容性和开放性。

  第四个原则是组织、制度、流程、权责四位一体。这四个东西,即使现在还不能让AI全面理解,企业也必须先管理好。管理得越清楚,AI来了以后就越容易理解。

  知识管理也有类似的变化。

  第一个变化,就是知识更重要的是给AI用。知识不再只是给人用,整个知识系统需要重新设计,让知识能够Skill化、MCP化,方便智能体理解和调用。

  第二个变化,是知识管理要自动化。过去,我们很擅长通过多维多分类等方式推动知识管理。现在,AI可以承担其中很多工作,比如自动分类、整理等。

  第三个变化,是知识管理要中台化。尤其是央国企的大型集团,知识中台能够把分散在不同系统和部门的知识集中治理,再向不同业务和应用提供服务。

  新一代知识库要让隐性知识显性化:对于企业来说,原有知识远远不够,所以隐性知识、专家网络非常重要。企业需要把专家经验真正沉淀下来,让这些能力为人与AI所用。

  企业还需要有知识管理的运营机制。制定什么计划,怎样推动知识从无到有,形成知识以后,谁贡献了知识、应该怎样奖励,都需要有相应的管理工具和机制。

  2、先收后拓,做AI时代的知识和流程专家

  知识和流程这两个核心底座要做深,但在此基础上,蓝凌还需要进一步拓展,还要打造AI时代的开发平台,以及新一代门户空间管理能力,最后形成一个工作台。

  FDE工作台可以支持FDE人员围绕LTC、MTL、穿透式监管等不同业务场景,开展咨询、分析和应用开发。所以,蓝凌不是简单地做一个个应用,而是基于中台来做应用。这样应用就更容易管理,也更容易修改。对于大型集团来说,可以使用同一个中台、同一套基础架构,但不同业务板块的应用可以长得完全不一样。

  这就是蓝凌过去一年的产品进化“先收后拓”策略。先收,就是把知识和流程两个核心能力做好;后拓,就是在这个基础上拓展开发平台、空间和工作台,支持企业快速建设各种应用。

  产品策略确定以后,蓝凌的定位也变得更加清晰。

  今年7月的全球生态大会上,蓝凌正式发布了新定位:AI时代的知识和流程专家。蓝凌在AI时代到底要做什么?其实很简单,就是做知识和流程。

  3、语义百科,打造权威企业上下文系统

  面向未来,蓝凌还在思考下一代AI产品应有的样子。未来如果AI指挥人工作,那么人不可替代的责任是什么?我认为,人一定要告诉AI,企业管理要求是什么、应该怎么做。

  现在企业建设上下文,很多做法是把企业知识拿过来,经过抽象、萃取,就构建成上下文。但如果人没有明确告诉AI企业应该怎么管理、应该怎么做,只让AI自己从资料中推断,那么它就会做错。怎样把企业管理实践讲清楚?百科是能把一件事情讲清楚、让别人理解的好方法。在AI时代,可以进一步形成语义百科:正面是给人看,由人管理、评审和确认;背面是给AI使用的,形成语义和图谱。蓝凌在年初就开始做了一些尝试。

  百科背后的词条还可以进一步转换为本体和图谱。但本体也不能完全自动生成,企业需要明确一级本体、二级本体,以及业务对象之间的关系。每一个本体构建出来以后,还需要明确业务意图,不同意图对应不同的取数方法、计算方法和输出方法。因此,我们还需要把意图与相应规则对应起来,形成一个可以治理的容器。当AI回答出现问题时,要能够追溯,也能够改进、持续调优,这就是蓝凌独创的SIGTT治理方法。

  如果把组织能力建设成百科,把产品建设成百科,把指标分析也建设成百科,再把它们与图谱、规则连接起来,就有机会形成企业AI大脑。我们更倾向于从一个真实业务问题出发,先建设一个小百科、一个小脑。小脑建得越来越多,再整合。这就是蓝凌的语义百科,让每一个场景小脑共用同一套可信、可改、可持续生长的业务上下文,再生长成企业AI大脑。

  未来,蓝凌语义百科的发展,希望客户能够参与进来,一起探索。同时也会有商业版,通过更好的服务、更多知识和持续共创,为客户提供支持。无论语义百科,还是蓝凌知识中台、流程中台、底层平台和FDE服务,希望这些能力可以帮助企业建设各类应用,用知识做燃料,流程做跑道,让AI直正飞起来。

  今天我的分享就到这里,希望这些思考能够给大家带来一些帮助。谢谢大家!