AI 行业落地 | 第26期：知识找人快三成，审计少花两成时间

AI行业落地 · 2026-10-27 · 九羲科技

销售要做一份客户提案，以前得翻好几个系统、再去问专家；审计员要查一条制度，得先知道制度放在哪个文档里。这两个场景里，人花的时间都不在判断上，而在找东西上。本期两个案例，讲的都是同一件事：把找东西的活交给智能体，人留下来做判断。

有意思的是，两个案例都没拿模型参数说事。一个讲知识先收好，一个讲知识源只认一个。模型退后一步，活反而干成了。

· · ·

联想知识智能体：找知识省三成时间，提案快一倍

1. 背景：知识都在，就是找不着

联想内部的知识散在各处，员工答客户问题、做提案之前，先要花大把时间检索、核对，再去找对口专家确认。检索不是难事，难的是检索结果能不能直接用——出处不清、版本不明，问出来的答案还得再找人复核一遍。

2. 方案：先把用例验证好，再做成可复用的产品

联想的做法不是给每个部门各搭一个问答机器人，而是把知识智能体（Knowledge Super Agent）先在内部跑通，再放进联想 AI Library，变成一个经过验证、可直接拿去改的用例：知识检索、提案准备、专家转交都在一条线上。同一套东西后来还撑起了世界杯期间的 FIFA AI Pro，给 48 支球队提供 2000 多项表现指标的问答，几分钟出结果，而不是几天。

图注：知识智能体示意（程序绘制示意图，非实拍；流程据公开报道整理）

3. 效果与成色：三组数字，一处要留心

这套系统在 3000 名联想员工的生产环境里跑，独立分析给出的结果是：找知识的时间省了 30%，销售做客户提案快了一倍，向业务专家的转交少了 35%。另有一个数字要单独标成色：所谓每年最高 1700 万美元的生产力价值，是“潜在”价值的估算，不是已经兑现的现金，也不是第三方审计过的财报数字。读的时候，把前三组时间数字当已确认的运营结果，把 1700 万美元当厂商侧的价值口径。

可抄走的方法点：别从模型起手，从“已被验证的用例”起手。先在一个真实团队里把一条线跑通、量出时间，再把它封装成别人能直接改的东西——复用省下的不只是开发时间，更是每一次重新论证“这东西到底行不行”的成本。

宾博审计智能体：制度只认一个源，审计时间少两成

1. 背景：审计员最怕的不是问题难，是口径不一

全球最大的烘焙企业宾博（Grupo Bimbo）的内部审计团队遍布多个地区，审计员动手之前要先确认：这一步的程序、模板、口径，以哪一份文件为准。文件一多，口径就容易各说各话，审计质量先卡在“找对文件”这一步。

2. 方案：知识源只接 SharePoint，智能体嵌进 Teams

审计团队用微软 Copilot Studio 搭了Audit Assist，又配了一个做风险与控制矩阵的Comatrix。关键设计有三处：知识源只接 SharePoint 里的全球审计方法、标准、程序与模板，不另建一套知识库，质量团队一改制度，智能体下次回答自动用新版；回答方式做“确定性”设计，系统提示词里限定来源、限定格式，一次查询引用 10 到 11 篇文档，比常规的 3 到 4 篇多，为的是让回答值得信；入口不另起，智能体直接嵌进审计员本来就待着的 Teams 和 Microsoft 365 Copilot，2025 年 9 月一次部署到位。点子本身来自一次内部黑客松，提点子的审计员全程参与开发和测试。

图注：审计智能体示意（程序绘制示意图，非实拍；流程据微软客户案例整理）

3. 效果与成色：两成时间，来自微软客户案例

微软客户案例的标题给出的结果是：审计时间缩短 20%。这个数字的出处要说清——它是微软客户案例中由企业方披露的结果，不是独立第三方审计的数字，成色属于“企业方披露、厂商侧刊载”。但机制本身是可验的：知识源单一、引用篇数可数、入口在原有工作流里，这三处都写进了案例细节，不是空话。

可抄走的方法点：信任不是靠模型变大换来的，是靠“答案永远来自同一份对的文件”换来的。知识源越少、引用越可见，业务人员越敢用；入口放在人本来就在的地方， adoption 才不用重新教育。

· · ·