“我们需要用AI来帮助我们门店破除内卷的状态。”一位连锁餐饮品牌告诉产业家，“这也是我们想尽快把AI用起来的原因，看看能不能带来一些帮助。”
这种情况正发生在一众餐饮企业中。
与这种情况对应的一个背景是，根据不完全统计，仅仅在今年上半年，整个餐饮市场整体下降30%-35%，部分品类下跌幅度超过50%，即使刚需的快餐也未能幸免，下滑幅度超过25%。
对餐饮企业和商家而言，进行精细化的运营势在必行。其实不仅是餐饮。在过去的几年时间里，伴随着水温的变化，包括零售、教育、电商等等一系列行业都在面临诸如此类的问题，即企业正在从“大水漫灌”的时代进入“细水长流”的新阶段，而在此之中，企业必须建立一套兼备降本增效和良性运营策略的新体系。
AI，带来了新机会。在过去的两年时间里，AI大模型的发展真实推动了包括前端营销、研发，以及数据智能相关企业环节的进化，基于智能的模型显著放大着原有环节的价值边界。
日前，火山引擎联合权威机构发布了一份名为《生成式AI商业落地白皮书》的报告，报告对接近600家中国企业进行了基于AI的调查，而在其中，有超过53.7%的企业已经开始尝试落地AI应用。
不过，如果把视角拉到更近的行业侧，则是能看到另外一组数字——差异性。比如汽车行业前端营销和销售的AI使用率几乎超过80%，而在如餐饮、医药大健康等行业，这个数字的比率几乎低于40%。
原因不难理解。即尽管企业对于AI能够带来降本增效以及策略优化方面的答案持笃定姿态，但“AI应该如何用？”“在不同行业，智能体应该如何搭建？”“诸如知识库、工作流应该如何配套完成？”等等问题始终在成为过去一两年AI真正发挥价值的卡点。
那么，AI能直接落地的企业触点到底在哪？以及对企业而言，尤其是如餐饮、零售行业等大众赛道的企业而言，真正有效率增量、有降本增效价值且具备可实操性的正确AI打开方式是怎样的？
实际上，在微不可查的浪潮中，AI生产力的大门已经悄然开启。
一
AI浪潮里：
看得见的价值，避不开的卡点
确定性，是红杉资本在2024年给AI的最核心界定词。“AI技术正处在一个关键的转折点，它将为服务行业带来前所未有的变革性机遇，而非简单地复制现有的软件公司。”这是在公开场合中，红杉资本合伙人帕特·格雷迪的核心观点之一。
诚然如此。也恰如上文所说，如今行业的一个共识是，AI或者说生成式AI本身对应的不单纯是技术的迭代和进步，而更多的是对于软件服务生态和企业组织架构的颠覆和改变，这其中不仅包括微观层面对数据更智能的分析和筛选，更有宏观层面对业务流程的自动化驱动和推进、对企业组织的自我筛查和进化等等。
而与之对应的，在过去的一两年时间里，包括智能体等越来越多蕴含AI模型的应用级触点开始出现，为企业提供最直接的AI调用模式。
但在看得见的价值下，卡点也在始终存在。“现在市面上大部分智能体构建平台都缺乏足够易用的UI界面和指引教程。”一位电商企业CTO告诉我们，更真实的数据是，在过去的半年时间里，他带领团队进行了多个智能体的搭建，但部署和调试时间以及最终的效果都有些“不尽如人意”。
“作为一个简单使用的小工具没什么问题，但真正到经营里面不太行。”他告诉产业家。
诚然如此。即在智能体成为企业最近距离接触和使用AI的手段共识下，几个肉眼可见的卡点也更在浮现。
比如在功能层面，从目前市面的智能体搭建平台来看，大部分平台缺乏整体的智能体构建索引，如智能体流程文档、对于知识库的搭建帮助以及对于不同组件的接入介绍等等，企业很难清晰获取搭建智能体的必要流程，尤其对于复杂需求的多Agent构建更是如此。
其次在操作方式上，在具体实现方法上，目前国内的大部分智能体更多还是需要用程序开发的模式进行开发，尤其对企业内部如生产营销等环节，缺乏在过去SaaS形态下的低代码/无代码的方式手段，换言之，相对中小企业而言，其开发和实用门槛依然较高。
以及最核心的问题更在“可用”层面。即如果说需要基于C端的某个场景进行智能体搭建，其对应的工作流和能力集要求较低，大部分智能体平台都可以满足要求；但如果将场景换到企业内部，对更具体的如智能客服、智能营销、数据收集分析等经营环节，在大部分智能体平台上，企业很难获得足够充分的底层支持，这其中包括“对应的产业工作流应该是怎样，对应的底层能力集应该有哪些，以及相关的业务闭环应该如何搭建”等等。
也可以说，从产品的生产力视角来看，当下的大部分智能体平台更多的仅仅是一个智能体搭建工具，而非一个具备先进生产力索引和先进AI、先进产业理解能力封装的平台，这其中暴露出来的使用门槛高、AI工程化能力弱、产业低know-how等多个因素也恰构成着当下AI理论价值和实用价值的gap所在。
一个真正有价值的智能体平台应该是怎样的？或者说，对企业而言，基于怎样的体系搭建的智能体才是真正易用、可用、好用的AI生产力工具？
二
和府捞面，
一个降本增效的AI样本
2个人，40天——这是和府捞面给出的一个AI应用从搭建到正式使用的总投入。
时间回到今年上半年，一个名为“和府点评模型”的项目在和府捞面内部悄然启动。这就是由和府捞面数字化团队牵头的智能体项目，旨在面向和府捞面的最前端环节——用户意见收集反馈。
对和府捞面的一个介绍是，作为国内头部的知名餐饮品牌之一，其在过去多年时间里构建起的不仅是人们熟知的高端餐饮品牌定位和品牌好评度，更对应构建的是一整套从前端消费者到后端供应链建设的完备体系，以此作为和府捞面持续迭代升级的底层支撑。而用户意见收集反馈在其中是关键的一环。
“之前我们更多采用的是人工模式，也就是通过人工方式来收集和分析用户评论数据。”和府捞面相关负责人告诉产业家，“基于我们自研的「品牌数字化监测系统」采集在不同平台的用户评论，然后由人工进行阅读和分类，识别情感倾向和关键词，最后根据这些信息来调整经营策略。”
这种以消费者为起点的良性模式给和府捞面带来的是敏锐的市场嗅觉和面向需求的迅速调整。不过，在和府数字化团队看来，这个需要涉及大量人力的体系仍然需要优化。
实际上，这也是和府数字化团队牵头“和府点评模型”的原因，即在数字化团队的设想里，基于这些前端用户数据的收集、整理和分析可以基于AI智能体的模式完成，进而进一步提高工作效率。
不过也恰如前文所说，就当下复杂的智能体生态而言，选择适合自身的智能体平台并不是一件容易的事情。经过一系列的市场调研后，和府捞面最终确认了智能体搭建阵地：扣子（coze.cn）。
“我们也对比过其他智能体平台，相对于其它，扣子的插件更丰富，而且智能体和工作流的编排也更方便，此外，包括多模态能力、UI组件、知识库这些也都更强大，同时它的协作体验和稳定性也都是很棒的。”上述负责人告诉我们，“此外，也是最重要的，是扣子可以基于低代码/无代码的方式进行开发，这也就意味着业务人员可以直接参与进来。”
具体到产品层面，和府捞面的需求更可以理解是一个标准的结构化信息提取的需求，即针对用户的餐后评论【点评/美团】进行关于菜品以及服务标签的抽取。实际上，这也是火山引擎豆包大模型本身擅长的方向，即在很多专门的舆情类客户上其已经得到了不少效果验证。
阵地确定后，项目被迅速推进。
涉及到AI的落地，提示词是绕不过的关卡。据了解，与和府的合作中，火山引擎团队的小伙伴与和府数字化团队一起制定具体的指标标签，经过超过5轮的提示词调优，最终在九月初完成了调优发版，实现评论标签超过95%的准确率。
在这些高准确率的提示词基础上，基于豆包大模型，和府数字化团队随即开始了扣子智能体的搭建。
更具体的进度是，和府数字化团队仅仅调用了2个人的人力，在一个月的时间内就迅速完成了“和府点评”智能体的构建，并顺利和和府捞面各个业务系统打通。
如今，这个之前由多个人力参与的环节已经丝滑过渡到智能体阶段，即“和府点评”会基于顾客的点评对其中的数据进行足够细颗粒化的数据分析，通过识别其中的情感倾向(正面、负面、中性)，以及评价关键词（环境/服务/菜品评价）并对其进行具体的分类，并将其基于AI进行分析，最终对用户对具体菜品口味、具体门店服务质量进行综合性地反馈，同时基于输出的json模式直接在扣子发布为API形式，进而直接接入到和府捞面的各个系统，帮助其更快速、更科学地调整经营策略。
实际上，客观来看，这个基于AI的“降本增效”过程并不是一个容易的事情。比如其中涉及到的工作流编排，对于和府捞面而言，其有自己独特的工作流程，这也就要求扣子必须具备足够灵活的编排模式，以及包括知识库和Prompt工程的构建、优化等组件配套能力。
以及基于低代码/无代码的搭建模式和与市面上其它智能体单一页面交互不同的API模式，能够感知到的是，对前者而言，也恰是基于这种低门槛的搭建方式，“和府点评”智能体才能让业务人员全程参与进来，真正成为理解业务、以业务为原点的智能体；而对于后者，也正是在这种json+API的形式加持下，才能让智能体真正地直接与和府捞面内部的各个业务系统打通，完成足够紧密甚至是近乎原生的嵌入，真实发挥AI的价值。
可以说，从更大的视角来看，扣子给和府捞面的加持不单纯在于AI技术本身，更重要的在于其提供了技术和企业衔接的智能体真实落地配套，这其中包括低代码/无代码的搭建方式、现成的海量模版、足够灵活可拼接的工作流设计、知识库和Prompt工程的组件优化等等，这些也恰都在AI技术之外，是和府捞面能够真实落地并且将智能体真正用于企业生产经营的核心关键所在。
据了解，如今，和府捞面也更在陆续交流豆包大模型其他场景的应用，比如结合多模态能力构建AIGC应用，比如继续基于扣子智能体进行相关业务深化等等。
三
2024，
AI的正确打开方式是什么？
如果说在当下的2024年，对企业而言最关心的点是什么？在市场水温之外，降本增效必然是最核心的命题之一。而如今，在和府捞面身上能感知到，在AI智能体的加持下，这个命题恰在一点点被撬动。
这个被撬动的前提不单纯是技术，也不单纯是产品，甚至不单纯是一个工具平台，而更多的是一个符合工程落地和企业需求的全面AI平台方案，比如在和府捞面中扣子最底层的豆包大模型，再比如提供专业服务的火山引擎团队等等。
和府数字化团队告诉我们，最早期团队对市面上的大模型进行过一系列评估中，豆包大模型的表现最为出色，也是基于火山引擎大消费团队提供的专业PE支持，其标签准确率才突破了95%，保障了后续和府点评智能体的成型和预期效果。
如果细致拆解来看，在和府捞面的智能体背后，能清晰感知到的不仅是智能体本身的价值，更本质看见的是扣子乃至豆包大模型在其中一系列适配智能体落地的“AI基建”，这些“基建”对应的是其对于AI技术在企业环节落地的深厚沉淀和理解，这些产业know-how被其封装到整个智能体开发平台上，比如其流畅的智能体搭建流程、更丰富的UI界面、更灵活的工作流和能力集，以及积木搭建的低代码/无代码操作方式等等。
尤为值得一提的是，如今扣子更是将面向不同企业场景的智能体实践更做了进一步的封装，比如如今企业都在高频构建和使用的前端智能客服、基于内部知识库的员工助手，以及在营销环节的海报创作智能体、图文创作助手等等，企业只需要复制对应的模版，基于自身的知识库进行简单调试即可直接落地应用，为自身构建真实的AI引擎。
实际上，这些易用可用的智能体模版已经被越来越多的企业开始使用。如今，从扣子官网页面能清晰可见的是，包括智能客服、图文创作、爆款创作等高频调用模版的复制量已经破万，此外，海报设计、差旅预定等对应精细企业业务环节的智能体模版调用速度也更在持续攀升。
这些集合工作流、底层模型能力、能力集以及部分知识库的成熟模版如今在让企业以最低的成本和最真实的效果真切感受到AI技术的能力，在“易用、可用、好用”的基础上，真实帮助着越来越多的企业迈出AI进化的第一步。
基于扣子能看到的价值还不仅于此。从另外一个角度来看，扣子的实践也更对应当下市场讨论的AI的真正价值，即通过各方面的企业配套服务和工程落地加持，让AI技术基于智能体的方式不再是“镜中花水中月”，而更多从“玩具”真正成为生产力工具，成为企业乃至产业的真实助力，推动着AI技术在真实场景和真实数据中的延展和扩散，进一步构建“模型训练—真实数据反馈—模型迭代”的飞轮闭环。
可以说，在这被打响的“智能体第一枪”中，扣子给出的不仅仅是面向企业侧的一个足够良性的降本增效的答案，也更是如今AI浪潮持续向前的底层动力加持。
文章来源：产业家
