作者| 皮爺
出品|產業家
“我們需要用AI來幫助我們門店破除內卷的狀態。”一位連鎖餐飲品牌告訴產業家，“這也是我們想盡快把AI用起來的原因，看看能不能帶來一些幫助。”
這種情況正發生在一眾餐飲企業中。
與這種情況對應的一個背景是，根據不完全統計，僅僅在今年上半年，整個餐飲市場整體下降30%-35%，部分品類下跌幅度超過50%，即使剛需的快餐也未能幸免，下滑幅度超過25%。
對餐飲企業和商家而言，進行精細化的運營勢在必行。其實不僅是餐飲。在過去的幾年時間里，伴隨著水溫的變化，包括零售、教育、電商等等一系列行業都在面臨諸如此類的問題，即企業正在從“大水漫灌”的時代進入“細水長流”的新階段，而在此之中，企業必須建立一套兼備降本增效和良性運營策略的新體系。
AI，帶來了新機會。在過去的兩年時間里，AI大模型的發展真實推動了包括前端營銷、研發，以及數據智能相關企業環節的進化，基于智能的模型顯著放大著原有環節的價值邊界。
日前，火山引擎聯合權威機構發布了一份名為《生成式AI商業落地白皮書》的報告，報告對接近600名中國企業進行了基于AI的調查，而在其中，有超過53.7%的企業已經開始嘗試落地AI應用。
不過，如果把視角拉到更近的行業側，則是能看到另外一組數字——差異性。比如汽車行業前端營銷和銷售的AI使用率幾乎超過80%，而在如餐飲、醫藥大健康等行業，這個數字的比率幾乎低于40%。
原因不難理解。即盡管企業對于AI能夠帶來降本增效以及策略優化方面的答案持篤定姿態，但“AI應該如何用？”“在不同行業，智能體應該如何搭建？”“諸如知識庫、工作流應該如何配套完成？”等等問題始終在成為過去一兩年AI真正發揮價值的卡點。
那么，AI能直接落地的企業觸點到底在哪？以及對企業而言，尤其是如餐飲、零售行業等大眾賽道的企業而言，真正有效率增量、有降本增效價值且具備可實操性的正確AI打開方式是怎樣的？
實際上，在微不可查的浪潮中，AI生產力的大門已經悄然開啟。
一、AI浪潮里：
看得見的價值，避不開的卡點
確定性，是紅杉資本在2024年給AI的最核心界定詞。“AI技術正處在一個關鍵的轉折點，它將為服務行業帶來前所未有的變革性機遇，而非簡單地復制現有的軟件公司。”這是在公開場合中，紅杉資本合伙人帕特·格雷迪的核心觀點之一。
誠然如此。也恰如上文所說，如今行業的一個共識是，AI或者說生成式AI本身對應的不單純是技術的迭代和進步，而更多的是對于軟件服務生態和企業組織架構的顛覆和改變，這其中不僅包括微觀層面對數據更智能的分析和篩選，更有宏觀層面對業務流程的自動化驅動和推進、對企業組織的自我篩查和進化等等。
而與之對應的，在過去的一兩年時間里，包括智能體等越來越多蘊含AI模型的應用級觸點開始出現，為企業提供最直接的AI調用模式。
但在看得見的價值下，卡點也在始終存在。“現在市面上大部分智能體構建平臺都缺乏足夠易用的UI界面和指引教程。”一位電商企業CTO告訴我們，更真實的數據是，在過去的半年時間里，他帶領團隊進行了多個智能體的搭建，但部署和調試時間以及最終的效果都有些“不盡如人意”。
“作為一個簡單使用的小工具沒什么問題，但真正到經營里面不太行。”他告訴產業家。
誠然如此。即在智能體成為企業最近距離接觸和使用AI的手段共識下，幾個肉眼可見的卡點也更在浮現。
比如在功能層面，從目前市面的智能體搭建平臺來看，大部分平臺缺乏整體的智能體構建索引，如智能體流程文檔、對于知識庫的搭建幫助以及對于不同組件的接入介紹等等，企業很難清晰獲取搭建智能體的必要流程，尤其對于復雜需求的多Agent構建更是如此。
其次在操作方式上，在具體實現方法上，目前國內的大部分智能體更多還是需要用程序開發的模式進行開發，尤其對企業內部如生產營銷等環節，缺乏在過去SaaS形態下的低代碼/無代碼的方式手段，換言之，相對中小企業而言，其開發和實用門檻依然較高。
以及最核心的問題更在“可用”層面。即如果說需要基于C端的某個場景進行智能體搭建，其對應的工作流和能力集要求較低，大部分智能體平臺都可以滿足要求；但如果將場景換到企業內部，對更具體的如智能客服、智能營銷、數據收集分析等經營環節，在大部分智能體平臺上，企業很難獲得足夠充分的底層支持，這其中包括“對應的產業工作流應該是怎樣，對應的底層能力集應該有哪些，以及相關的業務閉環應該如何搭建”等等。
也可以說，從產品的生產力視角來看，當下的大部分智能體平臺更多的僅僅是一個智能體搭建工具，而非一個具備先進生產力索引和先進AI、先進產業理解能力封裝的平臺，這其中暴露出來的使用門檻高、AI工程化能力弱、產業低know-how等多個因素也恰構成著當下AI理論價值和實用價值的gap所在。
一個真正有價值的智能體平臺應該是怎樣的？或者說，對企業而言，基于怎樣的體系搭建的智能體才是真正易用、可用、好用的AI生產力工具？
二、和府撈面，
一個降本增效的AI樣本
2個人，40天——這是和府撈面給出的一個AI應用從搭建到正式使用的總投入。
時間回到今年上半年，一個名為“和府點評模型”的項目在和府撈面內部悄然啟動。這就是由和府撈面數字化團隊牽頭的智能體項目，旨在面向和府撈面的最前端環節——用戶意見收集反饋。
對和府撈面的一個介紹是，作為國內頭部的知名餐飲品牌之一，其在過去多年時間里構建起的不僅是人們熟知的高端餐飲品牌定位和品牌好評度，更對應構建的是一整套從前端消費者到后端供應鏈建設的完備體系，以此作為和府撈面持續迭代升級的底層支撐。而用戶意見收集反饋在其中是關鍵的一環。
“之前我們更多采用的是人工模式，也就是通過人工方式來收集和分析用戶評論數據。”和府撈面相關負責人告訴產業家，“基于我們自研的「品牌數字化監測系統」采集在不同平臺的用戶評論，然后由人工進行閱讀和分類，識別情感傾向和關鍵詞，最后根據這些信息來調整經營策略。”
這種以消費者為起點的良性模式給和府撈面帶來的是敏銳的市場嗅覺和面向需求的迅速調整。不過，在和府數字化團隊看來，這個需要涉及大量人力的體系仍然需要優化。
實際上，這也是和府數字化團隊牽頭“和府點評模型”的原因，即在數字化團隊的設想里，基于這些前端用戶數據的收集、整理和分析可以基于AI智能體的模式完成，進而進一步提高工作效率。
不過也恰如前文所說，就當下復雜的智能體生態而言，選擇適合自身的智能體平臺并不是一件容易的事情。經過一系列的市場調研后，和府撈面最終確認了智能體搭建陣地：扣子（coze.cn）。
“我們也對比過其他智能體平臺，相對于其它，扣子的插件更豐富，而且智能體和工作流的編排也更方便，此外，包括多模態能力、UI組件、知識庫這些也都更強大，同時它的協作體驗和穩定性也都是很棒的。”上述負責人告訴我們，“此外，也是最重要的，是扣子可以基于低代碼/無代碼的方式進行開發，這也就意味著業務人員可以直接參與進來。”
具體到產品層面，和府撈面的需求更可以理解是一個標準的結構化信息提取的需求，即針對用戶的餐后評論【點評/美團】進行關于菜品以及服務標簽的抽取。實際上，這也是火山引擎豆包大模型本身擅長的方向，即在很多專門的輿情類客戶上其已經得到了不少效果驗證。
陣地確定后，項目被迅速推進。
涉及到AI的落地，提示詞是繞不過的關卡。“與和府的合作中，火山引擎團隊的小伙伴與和府數字化團隊一起制定具體的指標標簽，經過超過5輪的提示詞調優，最終在九月初完成了調優發版，實現評論標簽超過95%的準確率。”火山引擎相關負責人告訴我們。
在這些高準確率的提示詞基礎上，基于豆包大模型，和府數字化團隊隨即開始了扣子智能體的搭建。
更具體的進度是，和府數字化團隊僅僅調用了2個人的人力，在一個月的時間內就迅速完成了“和府點評”智能體的構建，并順利和和府撈面各個業務系統打通。
如今，這個之前由多個人力參與的環節已經絲滑過渡到智能體階段，即“和府點評”會基于顧客的點評對其中的數據進行足夠細顆?；臄祿治觯ㄟ^識別其中的情感傾向(正面、負面、中性)，以及評價關鍵詞（環境/服務/菜品評價）并對其進行具體的分類，并將其基于AI進行分析，最終對用戶對具體菜品口味、具體門店服務質量進行綜合性地反饋，同時基于輸出的json模式直接在扣子發布為API形式，進而直接接入到和府撈面的各個系統，幫助其更快速、更科學地調整經營策略。
實際上，客觀來看，這個基于AI的“降本增效”過程并不是一個容易的事情。比如其中涉及到的工作流編排，對于和府撈面而言，其有自己獨特的工作流程，這也就要求扣子必須具備足夠靈活的編排模式，以及包括知識庫和Prompt工程的構建、優化等組件配套能力。
以及基于低代碼/無代碼的搭建模式和與市面上其它智能體單一頁面交互不同的API模式，能夠感知到的是，對前者而言，也恰是基于這種低門檻的搭建方式，“和府點評”智能體才能讓業務人員全程參與進來，真正成為理解業務、以業務為原點的智能體；而對于后者，也正是在這種json+API的形式加持下，才能讓智能體真正地直接與和府撈面內部的各個業務系統打通，完成足夠緊密甚至是近乎原生的嵌入，真實發揮AI的價值。
可以說，從更大的視角來看，扣子給和府撈面的加持不單純在于AI技術本身，更重要的在于其提供了技術和企業銜接的智能體真實落地配套，這其中包括低代碼/無代碼的搭建方式、現成的海量模版、足夠靈活可拼接的工作流設計、知識庫和Prompt工程的組件優化等等，這些也恰都在AI技術之外，是和府撈面能夠真實落地并且將智能體真正用于企業生產經營的核心關鍵所在。
據了解，如今，和府撈面也更在陸續交流豆包大模型其他場景的應用，比如結合多模態能力構建AIGC應用，比如繼續基于扣子智能體進行相關業務深化等等。
三、2024，
AI的正確打開方式是什么？
如果說在當下的2024年，對企業而言最關心的點是什么？在市場水溫之外，降本增效必然是最核心的命題之一。而如今，在和府撈面身上能感知到，在AI智能體的加持下，這個命題恰在一點點被撬動。
這個被撬動的前提不單純是技術，也不單純是產品，甚至不單純是一個工具平臺，而更多的是一個符合工程落地和企業需求的全面AI平臺方案，比如在和府撈面中扣子最底層的豆包大模型，再比如提供專業服務的火山引擎團隊等等。
和府數字化團隊告訴我們，最早期團隊對市面上的大模型進行過一系列評估中，豆包大模型的表現最為出色，也是基于火山引擎大消費團隊提供的專業PE支持，其標簽準確率才突破了95%，保障了后續和府點評智能體的成型和預期效果。
如果細致拆解來看，在和府撈面的智能體背后，能清晰感知到的不僅是智能體本身的價值，更本質看見的是扣子乃至豆包大模型在其中一系列適配智能體落地的“AI基建”，這些“基建”對應的是其對于AI技術在企業環節落地的深厚沉淀和理解，這些產業know-how被其封裝到整個智能體開發平臺上，比如其流暢的智能體搭建流程、更豐富的UI界面、更靈活的工作流和能力集，以及積木搭建的低代碼/無代碼操作方式等等。
尤為值得一提的是，如今扣子更是將面向不同企業場景的智能體實踐更做了進一步的封裝，比如如今企業都在高頻構建和使用的前端智能客服、基于內部知識庫的員工助手，以及在營銷環節的海報創作智能體、圖文創作助手等等，企業只需要復制對應的模版，基于自身的知識庫進行簡單調試即可直接落地應用，為自身構建真實的AI引擎。（點擊閱讀原文即可跳轉扣子智能體平臺）
實際上，這些易用可用的智能體模版已經被越來越多的企業開始使用。如今，從扣子官網頁面能清晰可見的是，包括智能客服、圖文創作、爆款創作等高頻調用模版的復制量已經破萬，此外，海報設計、差旅預定等對應精細企業業務環節的智能體模版調用速度也更在持續攀升。
這些集合工作流、底層模型能力、能力集以及部分知識庫的成熟模版如今在讓企業以最低的成本和最真實的效果真切感受到AI技術的能力，在“易用、可用、好用”的基礎上，真實幫助著越來越多的企業邁出AI進化的第一步。
基于扣子能看到的價值還不僅于此。從另外一個角度來看，扣子的實踐也更對應當下市場討論的AI的真正價值，即通過各方面的企業配套服務和工程落地加持，讓AI技術基于智能體的方式不再是“鏡中花水中月”，而更多從“玩具”真正成為生產力工具，成為企業乃至產業的真實助力，推動著AI技術在真實場景和真實數據中的延展和擴散，進一步構建“模型訓練—真實數據反饋—模型迭代”的飛輪閉環。
可以說，在這被打響的“智能體第一槍”中，扣子給出的不僅僅是面向企業側的一個足夠良性的降本增效的答案，也更是如今AI浪潮持續向前的底層動力加持。
