（本文作者为 AGI-Signal，钛媒体经授权发布）
Related articles
微软 Copilot 嵌入 Office，Google Gemini 覆盖 Workspace，国内腾讯 WorkBuddy、字节豆包、阿里千问办公等密集迭代，AI 办公助手赛道持续升温，各方争夺的是办公场景的桌面入口。
产品能力在提升，功能覆盖面在扩大，但在企业侧究竟能跑出什么样的实际效果，目前能拿出完整案例的并不多。
蒙牛 8 月中旬办了一场 AI 应用创新大赛的中期路演。大赛从 5 月启动，蒙牛从内部 28 个一级事业部选拔出 200 名“AI 先行官”，选手基于腾讯 WorkBuddy 开发应用，45 件作品角逐 TOP10，场景覆盖奶牛诊疗、工厂故障诊断、新品全链路管理、电商出图、竞品追踪等。
大部分参赛选手来自非 IT 领域，包括：研发、供应链、营销、职能等岗位。大赛负责人王觉锋表示，“ 我们这次并没有以纯 IT 的同事为主要参赛群体, 大量选手来自各个业态、各个岗位方向的业务人员，因为他们自带场景，只是缺 AI 的翅膀。”
选工具只是第一步
选择 WorkBuddy 并非一时兴起。蒙牛数智科创部联合参与了工具在易用性、可用性以及安全性稳定性方面的综合判断，赛训部门则由蒙牛集团人力资源管理部与数智科创部联合举办，腾讯智慧经营学堂和腾讯智慧零售行业团队分三个环节全程陪跑，联合交付。
选工具只是第一步，合作的方式远不止把工具交给企业。腾讯智慧经营学堂负责人张芳把合作拆成三环。
第一环是共创赛训机制。这次没有照搬标准模板，而是设计了“ 事业部选拔+中心化赛训”。前端由各事业部结合真实业务场景发现和选拔人才，保证选手带来的问题来自一线；进入赛训阶段后统一课程学习、专家辅导、作品打磨和路演机制。这种方式既保留了业务场景的真实性，又能统一培养标准、集中专家资源。
第二环是体系化学习。开营做基础直播和行业案例分享，建立认知；随后上线 13 节短课，每节课配即学即练的小练习，“ 避免让大家停留在学懂了但是不会做的环节”。
第三环是实战陪跑。每位学员进入业务场景后遇到的问题各不相同，陪跑不能只靠大课。腾讯安排针对性辅导答疑，围绕学员的具体问题和作品目标帮助明确场景、梳理解法。200 进 45 阶段还做了 4 天线下工作坊，课程老师、产品专家、售前架构师作为教练进到每个小组。“ 不是导师替学员做项目，而是帮助学员把自己的业务经验转化为解决问题的能力。” 张芳说。
王觉锋补充了一个细节，他们甚至连路演该怎么表达专门开了一门课，“ 不仅把作品做好，还得要把作品表达好”。
打通组织软件
通过 WorkBuddy 可以一键安装企业即时通讯工具开放的 CLI，安装之后，用户可以在 WorkBuddy 中直接完成在线文档的增删改查、发送消息、新建和取消日程等操作。
王觉锋举例：“ 比如说帮我总结一下近一周关于 AI 大赛的讨论，在哪个知识库，哪个协同文档里，或者搞完之后帮我创建一篇文档，然后通过协同软件发送给谁，每天发送给谁，这个东西现在很容易办得到。”
新零售业务负责人徐飞雄的用法更具体。他负责 13 个大区经理的催办任务，以前需要逐一发送通知，现在给 WorkBuddy 布置一遍，它通过协同软件定时提醒，每天追踪进度。“ 以前我需要发 13 遍，现在我给 WorkBuddy 布置一遍就可以。”
蒙牛要求所有嵌入的大模型必须过集团的安全审计网关。企业版 WorkBuddy 本身提供 SaaS、VPC（私有云） 和本地化部署三种版本，中石油等央企在使用本地化部署版本。企业版支持 Token 消耗的分配管控，不同岗位分配不同额度，后台可查看消耗方向。企业级 Skill Hub 用于内部知识沉淀，团队项目空间支持共享知识库、专家和上下文。
腾讯智慧零售行业解决方案专家闵利铭把下一步称为“ 深水区”。协同蒙牛团队评估哪些系统和数据可以开放给 AI，通过 API 封装和共建 MCP（模型上下文协议） 实现对接。“ 坦白的讲这是特别有挑战的深水区，我们会协同蒙牛团队去评估哪些系统哪些数据是可以去开放的，是允许可以被 AI 访问的，还有哪些系统的数据是有最大价值的是最优先去应用到 AI 的。”
Token 方面，参赛选手进入 45 强后获得约 2000 元等值积分，一等奖全年 Token 不限量，目前没有对使用设限。闵利铭提到，行业内正在探索将 Token 消耗与人力成本结合管理的模式，但目前仍在探索阶段。
从个人能力到组织资产
在安全和可控的基础上，蒙牛更长远的目标是把个人能力转化为组织资产。
从评审标准的变化可以看出蒙牛的导向。200 进 45 阶段，业务价值占 30% 权重，其次是 AI 使用深度、完成度、创新性、可复用性。进入 45 进 10 后，完成度被去掉，作品完整已是最低要求。可复用性权重提到 25%，成为第二高维度。评委都是各一级事业部中心总及以上负责人，分布在市场、销售、供应链、研发等领域，AI 应用深度则由腾讯专家把关。
蒙牛已在规划“ 训、赛、证、产” 体系。训是培训，赛是比赛，证是 L1 到 L3 的 AI 先行官认证。L1 掌握基础提示词工程和工具使用，L2 需要结合场景产出一个类似 AI 应用大赛的作品，L3 则接近 FDE（全栈开发工程师） 角色，不仅会用、会搭，还要深刻理解业务需求并跟进测试和效果达成。产是资产沉淀，包括案例库、人才库和 Skill 库，Skill 需经过内部审核才能上架到企业版。
蒙牛把这概括为“AI 种子工厂”，通过大赛既产出项目，也培养出一批同时具备技术和业务理解能力的人，他们未来带着技术和业务深入业务线，帮助业务解决更多问题，形成循环。
参赛选手的用法也不全是提效。数智科创部的吴桐做了个叫“ 小刺猬” 的 Skill，方向和其他选手不太一样。它会反问你、追问你，推动使用者完善自身判断。吴桐的出发点是“AI 不应该偷走我的决策权”，她认为 AI 倾向于迎合用户意图，长期使用可能导致判断力弱化。小刺猬还连接了的个人知识库，每次对话参考他过往的会议纪要、项目文件和 PPT，基于个人经历辅助判断。
跑出来的案例
以下是这套模式跑起来之后的部分案例。
牧场里的 AI 兽医
“ 人可以通过 AI 咨询健康问题，奶牛为什么不行？”
产生这个念头的人叫王国银，在蒙牛奶源事业部负责数字化工作，常年奔走于各个牧场之间，每月至少驻站 6 个。他注意到市面上的 AI 健康助手能通过层层追问把人的症状锁定到八九成准确，养猪行业的牧原集团也做了个“ 猪小牧助手”。既然人和牲畜都有 AI 辅助诊断的先例，奶牛领域同样存在应用空间。
王国银的痛点来自一线。偏远牧场的基层运维人员专业能力参差不齐，一旦牛群出现群体性健康异常，很难第一时间精准研判，只能等外部专家到场或线上远程对接，响应慢，服务成本也高。
没有编程基础的他，借助 WorkBuddy 将国内外两本奶牛疾病学权威著作作为知识库交给 AI，结合自己多年一线经验，封装出一套奶牛精准诊疗智能 Skill。
诊疗分两轮：第一轮把肉眼可见的症状告诉 AI，包括体温高低、采食量降幅、产奶量和精神状态，AI 锁定三到五种可能疾病；第二轮 AI 主动追问更精确的信息，比如流涎是从鼻孔还是下颚、下颚是否肿胀、牛群近期有无异常事件，范围缩小到一至三种。
锁定后给出三套方案：快速治疗 （药剂足、治愈快、兽药成本高）、温和治疗 （考虑休药期，但牛奶要弃奶更久），以及折中方案。
王国银没有让 AI 替代兽医。他把能力边界也写进了 Skill 里：“ 尽管通过 AI 症状匹配预判可大幅提升诊断速度，但面对危重复合病症仍会漏诊误诊，必须由执业兽医到场结合实验室检测综合判定。”
这套工具目前在多个牧场测试，单牧场诊疗时效从 1.5 天缩短至 2 小时。王国银计划向公司申请更多算力资源，在四大区技术服务组推广。
100 轮对话磨出一个“ 牛图工厂”
思明是低温事业部的设计师，电商主图的高频重复劳动是她的痛点。每次产品换包装、不同口味规格组合，都要在 PS 里手动把产品图一个个拖进去调位置。一张主图 3 到 5 分钟，而一个产品在不同电商平台可能有上千个链接的主图要出。
参加完 WorkBuddy 培训后，思明产生了一个想法，能否让它帮忙开发一个网站，将这部分重复耗时的工作自动化处理？
她此前没有编程经验，通过 100 多轮自然语言对话，让 WorkBuddy 从零开始帮她写出了一个本地网站。她逐一尝试了 WorkBuddy 中的前端工程师、UI 设计师等专家角色，逐步完善网站功能，取名“ 牛图工厂”。
现在，上传 PS 做好的模板和含产品卖点的 Excel，网站会自动识别图形位置大小、调用产品库里的产品图，按模板批量生成。单张出图从 3 到 5 分钟缩短到几秒钟，速度提升 25 到 35 倍。
新零售的 AI 工具箱
徐飞雄是低温全域行销部总经理兼新零售业务部负责人，负责电商平台、垂直生鲜平台 （小象超市）、O2O（美团闪购、淘宝闪购） 以及行销策划。他的团队是这次大赛报名最多的部门。
徐飞雄自己也在用 WorkBuddy，涉及多个业务场景。订单处理是其中一例。小象超市的订单每天中午 12 点才全部生成，此前需要专人守着下载、手工比对录入 SAP 系统。从一个人到三个人，后来变成五个人，一年 365 天除了大年三十都有订单。现在给 WorkBuddy 下指令，它直接抓取网页订单、自动匹配录入，原来约三个小时的工作，15 分钟完成。
天气预判是另一个场景。台风会影响前置仓日销，徐飞雄给 AI 写了一条命令：未来一周在小象覆盖的城市天气怎么样，如果有台风，做预测，反推订单量，避免大日期产品积压。
还有每月 300 多场会议的合规与效率分析。徐飞雄的部门有“ 无文档不开会、无主题不开会、无评论不开会” 的制度，以前人工分析时长、纪要、评论、参会人等信息，现在交给 AI。
这些场景的共同点在于，将重复、耗时但规则明确的工作交给 AI 处理。徐飞雄的团队每周开周会，要求每个成员分享上一周用 AI 的小技巧，“ 哪怕说你用 AI 写了什么提示词，对你的工作效率是有帮助的”。团队文档里固定放着一句话：“AI 不会淘汰人，但 AI 会淘汰不会使用 AI 的人。”
凌晨 2 点的工厂
郭东旭来自常温供应链，他从一个凌晨 2 点的场景切入。常温工厂灌装机突然恒温报警，一个进厂仅三个月的机修工，翻手册、打电话，折腾数小时无果。而老师傅到岗，15 分钟手到病除。这样的场景，在一线工厂每天上演 153 次。
经验锁在两个地方：老师傅的脑子里，和 EM 系统里的数据。1800 条改善案例、16000 条维修记录，“ 锁在系统里面不方便查，不好用”。各工厂之间经验无法互通，近几年成熟人员流动加大，集团推行维操一体化战略，缺口进一步拉大。
郭东旭让 AI 处理这些此前难以利用的数据。16000 条杂乱维修记录的清洗、聚合、标准化，6000 种备件的重命名，全部由 AI 完成。AI 还参与了 52 个模块的代码编写，从检索到前端，连钟摆轮报警误匹配为恒温这种隐藏 bug 也是 AI 协助定位的。整套系统部署在武汉工厂本地服务器的显卡上，数据不出厂，无需持续消耗 token，全链路私有化。3 天上线，一个月完成第二次版本迭代，开发周期下降 90%。
系统于 6 月上线试用，7 月完成迭代升级。知识库现已覆盖 18657 条记录、13 个工段、114 种设备类型，沉淀 1883 种改善案例与 384 组对比图片。7×24 小时在线运行，月访问量突破 100 次。用户每次差评调教，系统自动优化检索策略，让模型越用越精准。郭东旭用“ 流动” 来概括这套系统的价值：经验从老师傅传递到年轻一代，新人得以快速上手；数据从 EM 系统输入，经 AI 处理后结果再回到 EM，EM 从单纯的记录系统转变为可以自主积累、持续优化的系统。“ 不是不需要老师傅了，而是老师傅 20 年的经验全都在他的口袋里。”
新品上市效率整体提速 51%
徐丽丽在常温行政与创新管理中心，负责新品流程体系建设。她自己的岗位是缩影。一份旬报的诞生曾经需要 4 天。流程横跨市场、研发、供应链等多个部门，涉及的品牌经理、供应链伙伴、研发人员、采购团队加起来超过百人。信息散落在 OA 系统、协同群、Excel 表格、新品 IM、研发 RDM 等多个平台，一旦人员变动，知识断层随之而来。"各个环节都是追、催、等的状态。"
AI 介入后，徐丽丽把新品全链路拆成明暗两条线。明线是数据流转：OA 里的 PDF 信息统一接入数据库，连接知识问答、风险识别、催办和报告归档。暗线是流程再造：分散在各部门的表单和节点统一入口、统一口径、自动流转，持续反馈到协同机制里。目前已打通 4 个系统，其余在推进中。
量化效果方面，新品上市效率整体提速 51%，旬报出具效率提升 90%（从 4 天缩短至 30 分钟）。从数字看，这不仅仅是效率的提升—— 更是管理模式的转变。过去依赖人力"追、催、等"的被动模式，被 AI 驱动的主动预警、自动流转所取代。当流程节点的简化，当表单数量大幅消减，当系统间的数据壁垒被逐一打通，组织的协同效率发生了质的飞跃。这套方法已计划复制到低温、冰品、鲜奶事业部，转换业务口径即可使用。
蒙牛并非孤例。WorkBuddy PC 端 6 月访问量突破 2000 万，目前已在政务、医疗、零售消费、金融、电子等 50 多个行业落地。但蒙牛的案例提供了一个具体样本。企业用原有协同软件做协同，用 WorkBuddy 做 AI 桌面助手，通过 CLI 桥接两者，再以赛训机制和认证体系将个人能力转化为组织资产。这一模式能否规模化，取决于“ 深水区” 的数据打通和安全保障能推进到什么程度。
“ 现阶段我们的目标还很朴素：先把 WorkBuddy 普及开，让大家真的用得起来、觉得好用。” 闵利铭说。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
