企业上线AI智能体,需要工具思维,还是数字员工思维?

上个视频我们说了AI项目的失败原因主要有两点：

一是因为AI厂商在售前阶段过度的夸大宣传，使得DEMO演示的效果和最终交付的效果天然差别。

第二从技术上的原因来说，大模型本身存在的幻听，无论怎么去调用它准确率都是很低的，在个人2C的场景下使用也许可能还能接受，但是在企业2B这种对精度要求很高的场景下，则完全达不到验收的要求，最终导致基于智能体的流程完全不稳定和不可控。

那么怎么去解决这个问题呢？

并不是要在传统软件和AI软件之间要去做单选题，而是要去做复选题。也就是将两者进行优势互补和取长补短，利用传统软件workfloww的确定性去弥补大模型幻听的错误，而反过来用大模型的智能性去提升传统软件呆板僵化的低效问题，这样做到扬长避短。打造“Workflow 确定性 + Agent智能性“的技术架构。

我们举一个实际交付过的案例：这是一家HR人力资源公司的招聘场景。

这家公司的5名招聘专员在AI系统上线之前，每天从网站下载以及从邮箱里面接收大量的应聘者的简历，然后逐一的阅读这些简历，对于符合的人员进行电话联系，进行面试的预约，以及线上或线下的水平测试。

所有这些繁琐的流程和重复性的工作给这5名招聘专员带来了大负荷的工作量，每天要加班至少两到三个小时才能处理完这些简历，所以上线一款AI招聘系统很有必要。

这个项目实际上分成了两期：一期的主要工作其实就是做了一个大模型的接入，来通过大模型实现了一个问答、聊天或者查询的机器人,作为HR专员的助手。所以一期系统上线之初，确确实实对包括HR在内的各种岗位带来了很大的帮助，相当于为公司构建了一个基于私有知识库的一个公司内部的豆包，非常的方便。

但是系统运行了两三个月之后呢，使用率就慢慢降低了，因为智能体本身的知识库，已经没有太多的需要补充的新的知识了，以及这些高频的问题慢慢的已经成为招聘人员大脑里面的固化记忆了，不需要再去问大模型了。

基于此我们做了AI智能体的二次升级，重点就是通过工作流的引入来实现不同的业务场景和业务流程。说白了也就是把刚才我们所说的完全由人工来驱动的发布启示、下载简历、匹配能力、通知、面试等等这些过去由人工来做的工作，现在完全交给智能体和工作流自动运行。

二期项目上线之后，得到了HR部门非常好的反馈。一是工作量的降低，每个HR专员从原来的8~10个小时的工作量，现在压缩到了每天2~3个小时。第二由于工作效率的提升和工作压力的下降，使得整个简历的遗漏率和错误率从原来的8%~10%降低到现在的2%~5%，最终实现了降本、增效、提质的目的。

那么同样是AI项目，一期和二期的区别在哪儿呢？

项目的一期定位是“大模型+知识库”，也就是把大模型当做查询和聊天的工具。这种工具思维试图通过知识工程去解决企运营中的痛点问题，实践证明作用非常的有限，时效非常的短。

那么二期的效果为什么这么明显的？因为二期的核心从“大模型+知识库”模式转移到了“工作流+智能体”上。换句话说，真正的把AI智能体当做了可以按照工作流来自动运行的数字员工来去看待，摒弃了一期的效率工具思维。

换句话说，AI项目是否成功，一是取决于甲方对于AI系统的定义或者AI的思维方式，二是作为乙方的AI厂家，既要有扎实的技术开发能力，也要有需求理解和具备运营思维能力的人。

下一期我们来详细拆解一下二期，也就是我们基于工作流的智能体平台是如何来自动化运行，保障符合企业的业务需求的。

❤

往期精彩

2026年AI项目“火热上线+失败烂尾”是什么原因?

企业级AI智能体：（一）全场景感知和意图识别

企业级AI智能体：（二）数据采集和数据分析

企业级AI智能体：（三）多种大模型和知识库组合

企业级AI智能体:（四）自动化的工作流运行以及最终的成果交付