企业里最忙的AI,可能不是陪人聊天,而是替人找数据、跑流程。最近几家企业把豆包工作接入原有系统,讨论点也落在这里,AI能不能从回答问题,走到具体干活。
很多人的第一反应是,系统都上了这么多年,怎么还要人工翻表、核数据。评论区最容易吵起来的,也不是模型有多聪明,而是它接进企业后,究竟能省下多少时间。
today便利店有600多家门店,经营数据散在不同系统里。管理会开到一半,常常还在核对前一天、本周和本月的数据,等口径对齐了,真正讨论经营的时间也被挤掉不少。
这类场景离普通人并不远。门店督导跑店前先拉表,销售报价要找型号、核价格,工厂交样还得逐个部门打电话确认。问题看着不同,底下都卡在数据和流程之间。
企业不是缺系统,而是系统多了,数据未必就能顺畅到人手里。ERP、CRM、BI各有用途,员工却得知道去哪查、填什么字段,再把结果搬到下一张表里。
摩根智能已有财务和业务数据架构,销售报价时仍要翻表找型号、核成本,财务还要复核。东黎羊绒的信息化建设开始多年,一个样品能否按时交付,过去也要员工查系统、发邮件、打电话逐项确认。
说白了,数据躺在系统里,不等于业务已经用上数据。管理者想知道门店哪项指标变了,一线员工想确认某个产品有没有库存,中间往往隔着懂系统的人和一轮轮人工整理。
MCP在这里扮演连接器的角色,让豆包工作能够接入企业已有的数据和应用。员工用自然语言提问,系统再按权限调用相关能力,企业不必先把旧系统全部推倒重来。
变化最直观的地方,是一线不必等数据团队把报表做好。today便利店的督导过去到店后,常要花半小时拉取和分析数据,现在几分钟能查一周、一个月或一年的经营表现。
省下来的时间不是凭空变出业绩,而是能多和店长复盘陈列、活动和经营细节。企业真正关心的往往就是这一步,员工少折腾表格后,能不能把时间挪回客户和现场。
摩根智能的销售也遇到类似变化。产品型号和料号有十几万条,过去查询很依赖准确输入,如今模糊描述也能找产品,合同或报价单还能被识别,再生成报价草稿供后续确认。
东黎羊绒则把大促数据复盘提前到活动结束后。团队可以拉取不同平台和款式的销售、退货情况,判断补货和营销安排。原来靠人逐项查看的工作,开始变成随业务提问、随时调用。
但拿到答案,只是半程。销售改一项配置,价格和成本可能就要重算,工厂一个环节延误,也可能影响交期。真正难的是让数据变化进入下一步工作,而不是生成一份报告后就没人跟。
摩根智能把成本库、订单余额数据和报价工作台连接起来,豆包工作协助识别清单、匹配产品、核算毛利并查询库存,最后仍交给财务审核。企业给出的判断是,审核速度明显加快。
东黎羊绒则把样品指示书放进协同流程,环节设有时间节点。交期临近而样品还没开始编织时,系统会向相关业务人员和管理者预警,让问题早点浮出来,而不是等到最后几天才发现。
这里也有现实边界。摩根智能负责人测算,清单识别和查询等工作可以让一人承接过去约24人的报价工作量,但这属于企业自身的测算,不等于所有岗位都能按同样比例变化。
不少企业反复碰到同一种困境,工具越添越多,员工要记的入口和操作也越多。销售、财务、仓储各用一套东西,跨部门协作时,最常见的动作还是把数据复制出来,再发消息催下一位。
豆包工作的思路,是不替换底层系统,而是通过MCP连接企业已有数据和应用,再用自然语言作为交互入口。员工可以说要做什么,不必先记住字段、型号或每个系统的操作路径。
这并不意味着接上就万事大吉。企业仍要梳理数据关系和权限,明确谁能看什么,数据本身也得足够准确。数据口径没理顺,AI也可能只是把混乱更快地传到下一环。
三家企业的落地都从具体场景开始。today便利店先做门店问数,东黎羊绒推进样品协同,摩根智能搭建报价能力。先解决一个岗位的麻烦,再沿着业务链条逐步连接,是目前更实际的路径。
企业用AI,究竟该先追求一个看起来很全的平台,还是先把某个岗位每天反复做的事真正改掉。等数据接进系统之后,谁来负责数据质量和流程结果,也许才是下一轮讨论的重点。