隨著人工智能加速融入企業服務體系，行業發展關注點正由模型能力轉向應用落地。圍繞人工智能如何進入真實企業場景、如何守住安全邊界、如何推動產品銷售與各部門融合等話題，人民網上海頻道記者採訪了從事企業智能體研發的上海自然而然信息科技有限公司創始人李立峰。

採訪中，李立峰就公司員工使用人工智能如何守住安全邊界、企業內部數據如何在不出域的前提下調用人工智能能力等問題進行了探討。

企業需要的，不只是一個更聰明的大模型

近三年，AI進入企業的速度超出預期。員工用它寫材料、做分析、答客戶，效率實實在在提上去了。但李立峰觀察到，與此同時，工作的過程也在悄悄流向企業之外。

“員工每天跟外面的AI對話，把方案的思路、客戶的情況、內部的判斷一點點講給它聽。這些經驗最后沉澱在哪兒？”在他看來，這不是員工的問題，“企業要做的，是給他們一個同樣好用、成果又能留下來的選擇。”

那麼，把公共大模型換成企業自己部署的大模型，是不是就夠了？“還不夠。大模型是一問一答，今天真正好用的是智能體——它會多輪推理，會自己檢查哪一步不對，會調用工具、讀文件、操作系統，圍繞一個目標把活干完。”他打了個比方：買了顯卡、部署了模型，卻沒給員工配一個稱手的智能體，“就像廚房修好了，沒請廚師。”

於是有了一條鏈條：要讓核心經驗留在企業內部，就要讓員工用企業自己的AI﹔員工不會為此犧牲效率，企業就得提供一個能力不輸外面的智能體﹔當它成為日常工作的入口，所有的對話、文件、判斷和結果，自然就沉澱進了企業自己的知識庫。

“前面幾步還是在守，到這一步變成了攢。”李立峰說，“員工每做一次工作，企業的家底就厚一分。”這正是他把這套系統叫作“進化腦”的原因——它不替誰干活，而是把企業的判斷力沉澱下來，隨業務一起長大。系統會在后台整理知識、提出修訂建議，但有一條規矩不能破：人不審批，知識庫不變。建議隻認授權來源，生成后先按新版本回溯近期結論、說明會有多少條結果發生變化，再由業務負責人決定是否採納，改錯了可一鍵退回。“誰能提、誰來判、錯了怎麼辦，這三個問題必須有答案。”

知識庫打通，企業內部不再“單兵作戰”

如果說第一點解決“留下來”，第二點解決“用起來”。

李立峰結合自身實踐分享：公司銷售各有一套講解材料，過去躺在各自電腦裡，現在都在同一個知識庫中。晚上沒人加班時，系統把這些材料比對整合，第二天早上給出一個比任何人單獨做的都更好的版本。

在一家國際豪華汽車品牌的中國團隊，這件事用在了兩個環節。找客戶：系統持續檢索社交平台上與車型、預算、競品相關的討論，判斷購車意向，與已購車用戶畫像比對后給線索分級，按地域派給門店，“我們最初分高、中、低三檔，他們自己細分到了七檔”。預測銷量：要同時看各門店各車型的月度銷量、客服反饋、新車節奏和公開市場的競品動向——前幾樣是核心數據，只能在內部用。

同一家企業的財務部門更進一步。每張單據提交后、財務正式審核前，智能體先照制度做一遍預審﹔財務復核時若發現制度本身已經變了，只要在意見裡寫明，系統就把制度文件從1.0改成1.1，交人審批，通過之后后續單據按新版本執行。“人只要告訴它這一處該是什麼樣子，改制度它自己來，人負責點頭。”李立峰說，“企業的制度，第一次可以自己更新了。”

行業差得很遠，底座卻是同一套。他的解釋是，“技能”通用，經驗長在業務裡。“我們提供的是讓企業把自己的經驗裝進去、持續修正的機制，而不是替企業規定該怎麼做。”他坦言，光交付一套軟件做不成這件事，“得有人帶著場景走進去，跟業務部門一起把第一個場景跑起來。”

人的位置也在變：從“把這件事做完”，轉向“讓企業以后都會做這件事”。“這些年崗位本身也在整合，銷售和售前合成一個人。變化早就發生了，AI只是讓它更快。”

創新的實踐，真正長在企業的土壤裡

在李立峰看來，這不只是一家公司的生意。

現代制造企業的壁壘，往往不是一張圖紙，而是幾十年摸索出來的工藝判斷——什麼條件下設備容易漂移，某道工序的參數變化會在幾十步后帶來什麼結果。這些判斷散落在設備日志、維護記錄和老師傅的經驗裡。“單獨一份日志價值有限，但被系統性地學走，失去的可能是幾十年的積累。”

“企業越希望AI聰明，就越要想清楚，是讓誰變聰明。”他把這看成兩類企業的分野：一類把AI變成自己的組織能力，越用越強﹔另一類把AI當一次性的工具，效率提升有限，家底卻在變薄，“這個分水嶺不在技術，在認知。”

越來越多的中國企業把經驗、工藝和方法留在自己手裡並持續進化，“中國企業在全球的競爭力，會一起往上走。這是我們想做這件事更大的一層原因。”

對正在考慮AI落地的企業，他的建議是：先想清楚經驗最后留在哪裡，再從一兩個真正有數據、有標准的場景起步，並且一定要有人管。“系統會自己長，但沒人管著，三個月就長歪了。”