企业案例 / 组织与管理
中航工业某企业——供应商采购风险管理智能体
中航工业某企业围绕供应链与库存优化开展AI能力建设。案例所对应的核心矛盾是：面向航空制造业主机厂与上游供应商的复杂协作场景，本案例通过构建供应商采购风险管理智能体，重塑供应链管理模式。方案侧的关键做法是：面向航空制造业主机厂与上游供应商的复杂协作场景，本案例通过构建供应商采购风险管理智能体，重塑供应链管理模式。
正在加载内容…
持续关注这一领域的实践与变化。
中航工业某企业围绕供应链与库存优化开展AI能力建设。案例所对应的核心矛盾是：面向航空制造业主机厂与上游供应商的复杂协作场景，本案例通过构建供应商采购风险管理智能体，重塑供应链管理模式。方案侧的关键做法是：面向航空制造业主机厂与上游供应商的复杂协作场景，本案例通过构建供应商采购风险管理智能体，重塑供应链管理模式。
美的集团围绕企业级智能体平台开展AI能力建设。案例所对应的核心矛盾是：代替人工夜巡，如注塑机油夜巡查。方案侧的关键做法是：是 美的集团最早部署人形机器人的三个制造基地之一。当前材料可确认的结果为：精确重复每一个动作，减少培训误差。
微软围绕组织与人才智能开展AI能力建设。案例所对应的核心矛盾是：“我们基于代理类型设计不同的关卡和风险控制，这是我们内部实验的直接结果。方案侧的关键做法是：本文基于11月13日微软官方博客《 The agentic future: How we’re becoming an AI-first frontier firm at Microsoft 》。
某软件与IT服务企业（原材料未明确披露名称）围绕企业级智能体平台开展AI能力建设。案例所对应的核心矛盾是：痛点：大客户合同金额高、审核周期长（最长5个月），需法务、财务、信控等多方审核。方案侧的关键做法是：面对业务期待高而IT交付难的普遍矛盾，通过RIDE方法论（重组组织、识别机会、定义指标、高效执行），成功将28个“数字人员工”投入真实业务场景，如智能翻译、合同审核、电销外呼与员工服务。
某食品与消费品企业（原材料未明确披露名称）围绕市场洞察与智能营销开展AI能力建设。案例所对应的核心矛盾是：AI智能体组 V5人工专家组，关键指标决胜数据。方案侧的关键做法是：在绝味食品和腾讯智慧零售的AI共创中，双方通过多次“红蓝军”营销实战进行测试发现，升级后的AI会员智体在核心活动指标上优于专家组：在数百万的测试用户中，AI会员智能体实现营销效率达到人工组的2～3倍，带来的销售业绩是人工组的3.1倍，…。
中广核围绕设备运维与预测性维护开展AI能力建设。案例所对应的核心矛盾是：传统堆芯照相大概要花费4个小时，而且存在操作难度和风险。方案侧的关键做法是：在这个里程碑式的成就背后，是中广核已经实现的大模型本地化部署，以及在此基础上开发上线的 大修关键路径分析 等AI智能体应用。当前材料可确认的结果为：知识助手智能体能够精准解答运维人员的专业问题，将运维人员从大量的低脑力知识检索工作中解放出来，提升设备知识利用效率30%。
华为围绕企业级智能体平台开展AI能力建设。案例所对应的核心矛盾是：我们的目标不是“让AI取代人”，而是 让一线人员遇到问题，1分钟内拿到标准答案 ，把人的经验沉淀成组织能力。方案侧的关键做法是：核心是“4个1”建设： 1个角色（业务专家），1个活动（如产线异常处理），1个助手（“问道”），1个知识库（向量数据库） 。
中国一汽围绕企业级智能体平台开展AI能力建设。案例所对应的核心矛盾是：针对业务与IT“两层皮”以及业务部门参与不足的问题，中国一汽尝试打造业务IT一体化组织，由业务部门和体系数字化部门同时选调人员组建业务IT一体化战队推进数智化变革项目，目前已构建9大战队，分别是：。
某制造业与企业服务企业（原材料未明确披露名称）围绕安全生产与智能巡检开展AI能力建设。案例所对应的核心矛盾是：人员现场检查，效率、质量与可复制性受限。方案侧的关键做法是：协同扣子实现工厂自动巡检。当前材料可确认的结果为：材料尚未披露可独立核验的量化结果。
艾为电子围绕企业级智能体平台开展AI能力建设。案例所对应的核心矛盾是：年，艾为电子就已经开始布局AI能力，[基于钉钉提供的 AI 能力和艾为电子的芯片行业知识库，AI 助手“小为”成功上线， 7x24 小时为客户解答各种产品性能及技术支持问题 ]。
某装备制造企业（原材料未明确披露名称）围绕安全生产与智能巡检开展AI能力建设。案例所对应的核心矛盾是：资料分享：传统安全警示材料有人工制作， 制作周期长，人工成本高，难以满足快速灵活的生产安全需要。方案侧的关键做法是：企业希望构建安全管理的系统模型，通过生产系统安全场景Agent来实现基于危险源风险识别，岗前教育和事故教育，帮助某钢铁集团提升员工安全意识， 真正做到了全员参与危险源识别活动，提高人的意识和技能。
某汽车与零部件企业（原材料未明确披露名称）围绕设备运维与预测性维护开展AI能力建设。案例所对应的核心矛盾是：在巡检运维、定期维护等相关工作上投入大量的人工，为此每年投入巨大且效果欠佳，由此还制约着企业未来的转型和发展。方案侧的关键做法是：建立设备维修知识资产管理和模型管理，集中管理企业业务数据、文档知识库、标注数据、提示词等资产，并通过经验沉淀和使用反馈等方式实现对知识的更新、维护及优化。