客户端
游戏
无障碍

1

评论

2

1

手机看

微信扫一扫,随时随地看

蒙牛CDO李琤洁:AI来了,蒙牛如何用“机器造机器”

AI划重点 · 全文约5476字,阅读需16分钟

1.蒙牛集团副总裁、首席数智官李琤洁在2024新增长大会上分享了蒙牛在AI落地实践中的思考与行动细节。

2.李琤洁认为,AI已经从“玩具”变成了企业增长的“工具”,将在2025年实现蓬勃发展。

3.蒙牛通过打造AI生产工具、生产者、生产场景,实现AI在企业中的应用。

4.其中,AI中台和AI Agent成为企业降低门槛、提高效率、提高速度的关键。

5.未来,蒙牛将继续探索Multi-Agent协作的自动方式,推动企业向更高层次的自主化发展。

以上内容由腾讯混元大模型生成,仅供参考

图片

从2023年初出初露锋芒到2024年落地应用,AI尤其是生成式AI正在快速改变着企业的增长模式。在2024新增长大会上,蒙牛集团副总裁、首席数智官李琤洁,分享了蒙牛在AI落地实践中的思考与行动细节,并称AI已经从“玩具”,变成了企业增长的“工具”。

注:本文内容依现场实况素材整理,有删减调整,非原始全文。

图片

2022年,很多人对AI持着观望或者好奇的态度,觉得“哇,一个新的东西来了,但是会怎么样还不知道”。到了2023年,大家对AI工具有了更多新的看法,也开始出现了一些质疑的声音:模型还有很多“幻觉”,它是不是能够成为一个真正的工具,尤其成为企业级的工具?再有,AI怎么在正确的场景和正确的路径下应用?其实在2023年,我相信在大家心里,与其说AI是个工具,不如说你看到的是个玩具。你用它去做创作,创作的很多东西都不敢真正意义上去使用,AI带来更多是玩具效应而不是工具效应。

但是到了2024年,这一年下来大家都有感受,AI作为工具开始产生价值,你也看到一些东西真正落地了,不仅是工具,而是落地到真正的业务场景里去了。最后你在这一年也能够看到更多的期待,对2025年产生了不一样的想法,所以我们说2024年是AI Agent的元年,2025年应该是蓬勃发展之年。整个技术的成熟度在提高,慢慢的商业价值也会越来越多地显性和落地。

在这个趋势里,一家企业怎么做?我分三个方面,生产工具、生产者、生产场景,跟大家分享蒙牛这两年走过的路。生产工具就是如何用好AI的能力,让这个工具融入企业;生产者就是如何让企业员工,让生产者的能力有所提高;最后是这个工具到底应该在哪里落地,以及它的终局是什么。

图片

打造AI生产工具的三层逻辑

第一是AI化的应用。最早的时候是在智能对话里有一点点介入,后来大家发现一些法务系统做得比较大的,包括人力系统做得比较大的,开始在里面上了AI插件,可以帮我做简历的筛选和合同的审理。今天SAP都把大量AI能力放上去,ERP层面上有大量融入的AI的能力,这是企业在用AI工具里面最简单的一件事情,你懂得选择什么工具,而这个工具已经加持了一定的AI能力,就帮助企业在生产力上有一定的提高。

第二是AI中台和AI Agent。就是你要把外部的很多能力沉淀成企业自有的价值,在新价值的实现和创新场景的使用里降低门槛、提高效率、提高速度。所以很多企业早先说做中台,但是今天AI能力来了,AI也要有一个中台化的能力。

有了AI中台以后,你把中台当成“造机器的机器”,本质上在这台机器上就可以生产出很多的AI Agent(智能体)。Agent是怎么来的?能力结合场景沉淀成了Agent,在你的流程里面替代了一些固定的,到慢慢地有智能型的应用,所以它嵌入你的流程,替代了你的员工做的某些事情。现在它可以替代一些任务,以后它是不是有机会替代一些岗位?不是今天,但是未来的某一天一定会发生。

第三件事情跟数据有关。每一个垂直行业里都有自己的行业经验,行业经验被沉淀下来成为行业的模型,用你的行业模型结合AI的能力能够事半功倍。

最早蒙牛在2022年做领域模型。把蒙牛沉淀的以及行业内通行的一些营养健康知识沉淀成一个AI的应用,我们训练了一个领域模型MENGNIU.GPT,它既懂中医,懂护理,懂育婴。我们让这个模型去参加中国、美国、日本、韩国大概21门的健康考试,它参加完这21门考试以后发现它可以合格上岗了,所以就在这个领域模型之上做了小程序的应用,我们叫它“wow健康”。在蒙牛的产品上都附带健康码,只要扫码,把家庭人员的基本情况告诉它,它就可以提供营养健康的服务。

它的好处是什么?在产品之上给消费者一定的服务加持,把客户的黏性增大了,所以在次均消费购物篮金额里上,无论是在公域还是在私域我们都有了13%到21%的提升。

图片

这张图里展示的就是蒙牛自研的“造机器的机器”——AI中台。

底层是模型调度层,因为你会发现各种各样的原生大模型,它的原生能力也是不一样的,模型跟模型之间依然有很多的差距,所以你需要有一个底层平台对所有的模型做测评。你会知道相关的模型在哪些场景能够带来更快速的价值延伸。在底层还去做安全框架。

再往上就构建了整部机器最关键的两个引擎,一个叫做企业大脑,一个叫知识银行。

第一个引擎是企业大脑。本质上企业大脑就是企业中台的再发展。企业中台本质上是企业通用业务能力的沉淀,因为它要大量被复用,你想降低成本,想提高速度,所以你才做中台。但是如果想让AI在企业内部发挥价值,它要调用的是企业级特有的能力,而不是通用能力。

比如今天我找一个模型,把几个API串联,说帮我订一个会议室,明天九点我要跟谁开会,很多大模型通用能力都能做到,因为它调用的是通用接口,调用一个Agenda,调用你的日历,调用相关人员的日程,把这些东西串联起来,这是通用能力。

但是如果我今天要做的事情是,我要筛选客户中过去3个月订单或者销售未达标的,我想跟他们开一个什么主题的会议,在过程里我需要一些相关部门进来做一些准备。这只有把企业级的能力全面调用起来才做得到,因为它得知道我的CRM有哪些接口,要去查询哪些客户是符合要求的,要拿到具体的内容知道给这些客户哪方面强、哪方面不强,通过解读CRM的数据知道哪个部门应该给它做针对性的提升方案,然后邀约这个部门的人一起做一套解决方案。所以它调用的是各种各样的能力,跨了多个应用系统。

所以所谓企业大脑做的是企业内部的API串联工作,最早我们做的叫预排布,就是它还不够智能,我事先知道哪些Agent能够被用到,哪些API能够被调度,所以我把相关API做成AI友好化的插件,然后预排布。慢慢地加持智能能力,它就可以主动帮你拆解这件事儿是由多少个小的Agent构成的,一个超级Agent会发出指令构建三五个小Agent,让三五个小Agent合在一起工作,就是所谓自主化的编排。这件事情就是所谓企业大脑要做的事情。

第二个引擎是知识银行。知识银行做什么?有一句话我觉得蛮对的,企业只有文档,没有知识。我过去很多年基本都在外企工作,大家把更新的文档放在一个地方实时关注,但是文档里的内容如果按照原来的方式,所有的数据都得变成结构性的数据才能被应用识别,应用才能够做成能力,能力才能够被业务所用。但今天AI时代来了,如果你有足够多元化的文档能够做一些数据上的弯道超车,因为今天它对非结构化数据的解读能力大大加强了。

但是你依然需要一个企业级的知识银行,因为在企业里面有很多特定的场景。拿蒙牛来说,我们常常在内部说“常温”这个词,那常温到底是一个事业部还是一个产品品类,还是一个研发要走的方向,还是我要去做的一个特殊调研?一个名词代表太多意义了。所以它在不同的文档里面有不同的意思。

所以你要一个企业级的知识银行,就是你把企业级的文档灌进去,你事先放清楚了很多规则,它可以帮你形成一系列的映射关系,让你的AI能够聪明地读懂你的所有文档,这是你给你的AI大脑输入的知识。用这个知识的能力去调度你事先准备好的API,形成一个一个的AI的应用。所以造机器的机器就是这样运转产生价值的,再往上是一个低代码平台,它可以很快速的去做成终端的一些应用。

这台造机器的机器做完了以后,我总结三句话,我们做的应用是:从高代码向低代码发展,在企业里面从数据向知识进行迁移,对AI的应用从Bot走向Agent。这是整体用这台造机器的机器来帮助企业在AI工具上的发展做出的一些贡献。

图片

AI赋能下的一线员工

今天AI时代来了怎么帮员工赋能呢?在蒙牛我们做了这样几件事情:

最早的时候我们挑选员工教大家如何做提示词工程师,我们教一线的业务员工,因为只有结合业务场景才能写出对的提示词。你教他技术之后,我们有培训、考试,只要他拿到了提示词工程师上岗证,就可以到“造机器的机器”上面施工,造一个属于你的Agent。然后你的这个Agent在你的部门里用好了,跨事业部跟你同工种的人也能够复用你的能力,复用越多积分越高,就能够解锁更多的能力去做更好的Agent。

我们最早是这样开始的,那个事情应该是2023年初,我们做提示词工程师的培训,那个时候认证了370个提示词工程师,这些提示词工程师造很多的AI Agent,顶峰时期大概有1500个Agent在应用。慢慢就发现有些应用得不太好,有些被升级迭代,有些慢慢的提升出一些产品化的诉求,被专业部队所接收,把它加工成了一个企业级沉淀下来的产品。

后来我们觉得这件事情可以再发展,所以随着员工能力认知的提高,我们就把它做成了一个创新营。每一个业务人员可以在业务里面找一个适合的场景,我们教他如何更好地用企业大脑,用知识银行高级的能力,结合提示词能力做出更好的应用。每年做一次这样的创新营,在创新营里面生产出来的AI Agent基本上就接近于产品化了。今天,认证过的员工做得好的15分钟就可以自己做一个AI Agent。

图片

在五类场景中发挥AI价值

图片

通过这段时间的实践,我们在企业内把所有的场景分成五类。横坐标是泛用程度到精细化程度,就是越通用的技能越泛用,越和行业、和企业相关的越精细化。纵坐标就是价值的产生,最低限度的叫降本,中间的部分做增效,最高的部分做商业模式的变革。用这两个坐标可以把企业里的所有场景分成五类,帮助我们决定用哪种解决方案来帮助这个场景AI化。有些场景应该买来用,有些场景应该加工用,有些场景只能自己做自己的AI产品。

最底层的细分场景,我们叫它最通用的能力。通用能力任何企业都应该买来开箱即用。比如说我今天要有一个简单的聊天记录的概要,这件事情千万不要自己开发,所有的大厂都在做相关的解决方案,等着用,所以越泛用的场景越不需要自己去研发,拿来用就好了。

第二类场景是降本里面发挥价值的,它通常是企业内的后台部门,比如IT部门、人财法的部门。比如要做简历筛选,我相信人力的SaaS公司一定会做相关的能力,所以这种能力也拿来用就可以了。

然后就是做增效,增效的部分就跟企业里偏前端的业务有关了,比如说销售、营销,已经和企业经验强结合了。这个部分就不见开箱即用。比如说文本、图片创作。蒙牛是奥运会、世界杯多年的赞助商,如果我们今天要做相关的文本创作,在世界杯里面做一些营销项目,是不是拿一个通用大模型就做得好了?不行。它一定要知道企业的VI要求是什么,企业的核心传播信息是什么,这些东西都来自于企业的知识库。

最后两个领域是跟行业特性有关的,比如说研发一定跟行业息息相关,这种能力就非常小众,再往前就是商业模式的变革了。

图片

基于AI流程再造的智能组织

这个事情的终局是什么呢?所有的企业最早的时候都是口口相传,没什么流程,慢慢流程化,把对的东西固定下来,把它固化到应用里面去,把效率提升起来。上一个时代的先进企业做的都是流程的优化,下一个时期是什么?有了AI之后逐步走向AGI,你只有两点:第一件做这个流程的目的是什么;第二这个动作的红线是什么。除了红线和目标,中间所有东西AI都能完成,它会自己思考,思考的依据是你的知识库输入,它会自己编排,去你的企业大脑里调度所有的API。未来智能的流程是这样产生的。

在AI时代,企业流程的优化与创新离不开数据的积累与转化。流程中产生的海量数据,经过沉淀与提炼,转化为企业的宝贵知识。而这些知识,正是通过“造机器的机器”——知识银行与企业大脑,被赋予了新的生命,形成了一个个智能应用。这些智能应用在沉淀之后,又反哺流程优化,推动企业不断向前发展,形成一个循环往复、持续优化的良性循环,AI基于这些知识不断优化流程,推动企业走向最终的终局。这一终局的实现,既需要坚实的技术底座作为支撑,也离不开对业务场景的精准解读与持续的探索与推进。

图片

以蒙牛为例,在梳理企业流程时,我们先识别出哪些环节可以被AI Agent替代。经过深入分析,我们找出了44个业务场景可以由AI Agent嵌入到业务流程中,替代特定的任务。目前我们已经从在应用里嵌入Agent,发展到做一些AI原生的Agent,原生的Agent可以单独独立存在,知识足够多,有独立的前端,嫁接很多内容,可以走出企业为其他企业赋能。比如,蒙牛的AI营养师家族,有普通营养师、育婴师、运动营养师等,这些营养师可以实现从营养咨询到产品销售的全流程串联。如,育婴师可以为客户提供宝宝喂养建议,也可以自动调用运动营养师指导妈妈如何科学减肥,为客户提供专业的运动健康指导及运动产品推荐,实现跨领域的交叉销售。

此外,我们还研发了多个AI助手,如研发助手、营销魔盒、门店助手等,助力企业各部门高效协同。在数据领域,我们打造了ChatBI智能数据分析平台,推动数据分析的进化。从最初的数据PGC时代,专家制作大量报表,到数据UGC时代,业务人员自行拖拉拽生成报表,再到如今的AIGC时代,一线业务人员通过自然语言交互的方式,快速获取所需数据及其背后的洞察,并得到相应的行动建议,最终形成一个完整的AI Agent,完成从数据洞察到经营决策的闭环。

在营销领域,我们通过多Agent协作,实现了营销工作的高效运转。当外部出现热点时,首先由第一个Agent“AI创意”发现热点并结合产品进行创意构思;接着,创意落地需要生成图文内容,由图文生成Agent完成;然后生成的图文内容要进行SEO优化,提升搜索排名,这就需要SEO Agent进行文本优化;最后,将优化后的内容投放到不同平台,在投放平台里有三个Agent共同协作,分别负责媒体策略、人群策略和方案策略,完成投放策略制定并组合投放,实现精准营销。再加上ChatBI数据洞察,我们就实现了整个营销的闭环。过程中,多个Agent各司其职紧密配合,快速响应市场变化,提升营销效果。

图片

未来已来 向新求质

AI时代确定已经到来,企业的发展将从chatbot的时代,发展到low level的Agent阶段,慢慢的会走到autonomous的Agent阶段,能够动态的形成一些Agent。目前,我们已经走过了low level的阶段,未来将继续探索Multi-Agent协作的自动方式,推动企业向更高层次的自主化发展。

最后分享一下个人体会,AI的发展本质上是认知的提升过程。最初,我们处于“我不知道我不知道”的状态,认为自己无所不能;随着认知能力的提升,我们开始“知道我不知道”,产生求知的欲望;然后,我们逐渐掌握知识,达到“我知道我知道”的境界;最终,在AI时代,随着各种能力的提升,我们有望实现“我不知道我知道”的状态,这是AI与人类最佳共存的体现。在这个过程中,企业将不断突破边界,实现更高效、更智能的运营,迈向更加辉煌的未来。

本文整理自蒙牛集团副总裁、首席数智官李琤洁在2024年12月19日新增长大会现场的演讲,不代表《哈佛商业评论》中文版和新增长学院观点。

免责声明:本内容来自腾讯平台创作者,不代表腾讯新闻或腾讯网的观点和立场。
举报
评论 0文明上网理性发言,请遵守《新闻评论服务协议》
请先登录后发表评论~
查看全部0条评论
首页
刷新
反馈
顶部