最近，我们帮助一家大型投资集团完成了企业专属 AI Agent 的建设。

最近，我们帮助一家大型投资集团完成了企业专属 AI Agent 的建设。

集团旗下拥有十余家成员企业，包括：

• 投资公司；
• 小额贷款公司；
• 供应链金融公司；
• 科技公司；
• 产业运营公司；
• 以及多个业务主体。

不同公司拥有不同系统、不同流程、不同数据来源。

过去几年，集团内部已经建设了大量信息化系统：

• 信贷系统；
• 投资管理系统；
• OA 系统；
• 企业邮箱；
• 财务系统；
• 各类业务系统。

这些系统解决了数据存储问题，却没有解决一个更重要的问题：

员工需要跨系统完成工作。

• 查询客户信息，需要打开多个系统；

• 撰写报告，需要查阅历史资料和内部规范；

• 跟踪项目，需要同步邮件、OA和业务系统数据；

• 大量时间消耗在系统切换、信息查找和重复整理上。

集团在前几年的技术探索中，用 RPA 以及 AI的技术，来解决上述的痛点，实际直到今天这些问题都解决得不够彻底。 之前在AI 大模型上也用RAG FLOW方式解决了一些痛点，但是员工实际希望的AI还需要：

• 理解集团内部知识；
• 访问业务系统；
• 调用工具完成工作；
• 具备权限控制；
• 满足数据安全要求。

因此，这次项目并没有选择简单部署一个聊天系统。而是基于 Agent Framework，为集团打造了一套专属 AI Agent。

员工打开电脑，就可以直接使用。

无需复杂配置，无需学习新的系统。

AI 成为了集团工作环境中的一部分。

1、一次接入，统一能力

本次项目中，我们帮助集团完成了统一能力底座建设。

1.1 接入集团专属大模型

集团可以自由选择：

• 私有模型；
• 开源模型；
• 商业模型服务。

模型能力统一管理，避免重复建设。

1.2 打通核心业务系统

集团内部多个系统被统一封装为 Agent Skills：

• 信贷系统；
• 投资管理系统；
• OA 系统；
• 企业邮箱；
• 财务系统；
• 业务管理系统。

过去需要登录多个系统完成的工作，现在可以通过 Agent 直接完成。

员工面对的不再是系统，而是工作目标。

1.3 内置集团知识体系

集团内部：

• 管理制度；
• 操作规范；
• 要闻公告；
• 业务指引；
• 历史经验。

被统一沉淀为 Agent 的内部知识能力。

AI 不再是互联网知识助手，而是真正理解集团环境的工作助手。

2、每个系统，都变成了一项 Skill

这是本次项目中最重要的一项设计。

传统企业系统之间往往彼此独立。

员工需要自己理解流程，并完成系统之间的信息传递。

而在 Agent Framework 中：

每一个系统都可以被封装为一个 Skill。

例如：

• 查询贷款审批状态；
• 获取投资项目进度；
• 调用邮件发送报告；
• 发起 OA 审批流程；
• 获取财务指标数据。

AI 可以像调用工具一样调用企业系统。

系统开始围绕员工工作，而不是员工围绕系统工作。

3、用很小的投入，获得接近互联网大厂的体验

过去，很多企业认为：

企业 AI 一定意味着高昂的投入和复杂的建设周期。

但实际上，随着开源模型和 Agent 技术的发展，这种门槛正在快速下降。

通过私有化 Agent Framework：

企业只需要完成：

• 模型接入；
• 系统连接；
• 权限配置；
• 知识导入。

就能够快速拥有一套属于自己的 AI 工作平台。

在体验上，已经非常接近互联网大厂提供的 Agent 产品。

而与此同时，企业获得了互联网产品无法提供的能力：

• 数据不出企业；
• 内网运行；
• 权限可控；
• 安全可审计；
• 能力持续沉淀。

4、企业未来拥有的，不再只是软件

过去二十年，企业建设的是信息系统。

未来十年，企业建设的将是智能体体系。

ERP、OA、邮件、CRM、财务系统依然存在。

但它们将逐渐从员工直接操作的系统，

变成 Agent 调用的能力组件。

员工面对的，将不再是几十个系统入口。

而是一个真正属于企业自己的 AI。

它了解企业知识；

连接企业系统；

遵守企业规范；

服务企业员工。

这或许才是企业 AI 真正成熟后的形态。

从使用 AI，

到拥有自己的 AI。