溫氏鄺穎杰：70個場景的AI落地實踐

第一，我們對近期外部環(huán)境進行了深入分析。我們認識到，除DeepSeek大模型所代表的AI技術(shù)外，本集團早在數(shù)年前已開始應(yīng)用傳統(tǒng)AI技術(shù)，包括非生成式機器學(xué)習(xí)、優(yōu)化模擬及數(shù)據(jù)科學(xué)等領(lǐng)域。隨著近期生成式大模型工具的興起，我們重新審視了傳統(tǒng)AI方法是否可遷移至大模型中應(yīng)用。同時，我們也認為，盡管DeepSeek等大模型功能強大，但不同的大模型產(chǎn)品仍各具特色。

第二，我們明確了AI技術(shù)落地的前提條件：一是技術(shù)必須成熟可靠；二是需有明確的業(yè)務(wù)應(yīng)用場景；三是需具備充足的數(shù)據(jù)準備和人才支撐。這些能力的重要性不言而喻，在座各位皆是行業(yè)專家，自當明了。

我們溫氏集團在AI藍圖的設(shè)計規(guī)劃上，早已啟動并明確了發(fā)展路徑，主要分為幾個關(guān)鍵階段。首先，全集團范圍內(nèi)導(dǎo)入AI文化，并對現(xiàn)狀進行全面診斷。其次，著手組建所需的能力體系，明確所需人才類型，通過內(nèi)部轉(zhuǎn)化與社會招聘相結(jié)合的方式構(gòu)建團隊。接著，組織各事業(yè)部及專業(yè)線深入開展AI場景規(guī)劃，此環(huán)節(jié)至關(guān)重要。經(jīng)過嚴格篩選，進行MPV場景POC驗證，最終形成落地實施方案。在此過程中，我們重視金種子能力的培訓(xùn)，因為在傳統(tǒng)企業(yè)中，推動業(yè)務(wù)部門提出AI場景并非易事，業(yè)務(wù)單位往往傾向于維持現(xiàn)狀，如何引導(dǎo)其突破思維局限，提出更高層次的需求，并借助AI實現(xiàn)落地，是我們面臨的一大挑戰(zhàn)。

自2021年起，我們著手數(shù)字化轉(zhuǎn)型，形成了“流程+組織+數(shù)據(jù)+IT”的落地框架。在AI領(lǐng)域，我們重點聚焦于識別痛點，明確方向，夯實基礎(chǔ)，注重落地，力求成效。原先IT部門的人員可能缺乏識別AI場景及對應(yīng)開發(fā)落地的能力，因此我們注重人才培養(yǎng)與轉(zhuǎn)化，如算法人才、AI場景規(guī)劃師等，以形成落地的參照體系。

我們從三個方面入手識別場景：一是自上而下，依據(jù)領(lǐng)導(dǎo)層制定的戰(zhàn)略，部門進行分解，明確哪些內(nèi)容可通過數(shù)字化或AI進行支撐；二是參考同行實踐，如華為、美的、金蝶等，從外向內(nèi)類比自身場景；三是基于業(yè)務(wù)流程，自下而上全面梳理，打開每一個業(yè)務(wù)流程進行細致分析。

對于業(yè)務(wù)部門提交的大量點子，我們通過“12問”機制進行篩選，確保需求的合理性與可行性。AI作為一種投資，必須考慮回報。我們要求每個AI需求都要明確其目標是增收、降本還是控風(fēng)險，同時需具備基礎(chǔ)條件、規(guī)則、場景實現(xiàn)及運營計劃等。我們最關(guān)注的是增收和降本兩類場景，其他場景建議轉(zhuǎn)化為這兩類場景進行推進。

對于每個場景，我們都會按照既定的表格進行識別和分析，明確提出場景的原因、場景的功能、價值所在、革新點以及是降本還是擴收等關(guān)鍵信息。這是有組織、有計劃、有方法地進行AI場景設(shè)計的過程。

自去年起，溫氏集團通過員工大會和各條線的培訓(xùn)，全面開展文化宣貫工作。文化宣貫至關(guān)重要，它旨在轉(zhuǎn)變每位員工的理念和意識。許多人擔(dān)心自己可能被AI替代，這是一種錯誤的認知。同時，也有人認為AI必須達到100%準確才能使用，這同樣是一種誤解。為了扭轉(zhuǎn)這些錯誤認知，我們依靠文化宣貫和培訓(xùn)，讓員工明白思想通達則一切皆通。在此基礎(chǔ)上，我們進行能力建設(shè)、場景識別、POC驗證等全過程工作，這是從上至下全員參與的行動。

目前，我們已經(jīng)成功落地了多個場景。例如，在賣豬和小豬苗進入養(yǎng)殖舍時，如果人數(shù)無法準確清點，AI技術(shù)能夠比人工計數(shù)更準確。23萬路的視頻監(jiān)控也不再需要人工盯守，AI能夠自動識別并發(fā)出警報，如房間出現(xiàn)老鼠等異常情況。此外，我們還通過接入DeepSeek技術(shù)輔助代碼編程，顯著提高了編程質(zhì)量和效率。測試工作也實現(xiàn)了自動化，僅8人的測試科室就能支撐整個集團的作業(yè)量。

這些落地場景還包括豬只死亡識別、重復(fù)死亡判斷、提前預(yù)知豬場發(fā)病概率等。我們已經(jīng)成功實現(xiàn)這些功能，并因此獲得了科技進步獎。此外，AI技術(shù)還在精準營銷等方面發(fā)揮了重要作用。

目前，我們的大模型已應(yīng)用于多個領(lǐng)域，其中客服早已落地實施，數(shù)據(jù)助手、營養(yǎng)配方師以及診療師均是我們重要的應(yīng)用場景。未來，我們的目標并非替代配方師或獸醫(yī)，而是隨著業(yè)務(wù)規(guī)模的持續(xù)擴大，無需相應(yīng)增加這些專業(yè)人員的數(shù)量。我們將利用大模型進行替代，以提升效率。

對于未來，我們有幾個重要的啟示。首先，觀察AI技術(shù)或新技術(shù)的發(fā)展，可以發(fā)現(xiàn)它們通常遵循兩個方向。第一個方向是從外到內(nèi)，即新技術(shù)先從社會層面?zhèn)鲗?dǎo)至行業(yè)，再進一步滲透至企業(yè)。歷史上的每一次新技術(shù)革新，包括AI，都遵循了這一規(guī)律。因此，我們需要密切關(guān)注新技術(shù)何時傳導(dǎo)至行業(yè)，何時進入企業(yè)，以便及時應(yīng)對，避免被顛覆。第二個方向是從企業(yè)內(nèi)部往外發(fā)展，像谷歌、阿里等高新技術(shù)企業(yè)，它們先從自身企業(yè)做起，然后逐步對外擴展。

我們判斷，對于企業(yè)而言，未來無論是大模型還是其他AI技術(shù)，都將呈現(xiàn)出收費白菜化的趨勢。以數(shù)字人為例，前兩年其收費非常高昂，但現(xiàn)在每分鐘僅需6元，價格已變得非常親民。此外，大模型的私有部署也將成為現(xiàn)實，這將為企業(yè)提供更多選擇和靈活性。隨著AI應(yīng)用的日益豐富，我們認為未來的基礎(chǔ)設(shè)施可能會從CPU逐漸轉(zhuǎn)向GPU。最后，我們也認為，未來需求的提出將更加注重革命性和高質(zhì)量，這將推動需求向高質(zhì)化演變，并可能帶來諸多顛覆性的變革。

我們同樣采取了這樣的策略，積極擁抱變化，加速數(shù)智化轉(zhuǎn)型。我們遵循之前提到的四個方向：文化導(dǎo)入是前提，場景識別是關(guān)鍵，數(shù)據(jù)獲取是基礎(chǔ)，人才培養(yǎng)是保障。自2021年起，我們便開始了數(shù)智化轉(zhuǎn)型的征程，至今已持續(xù)三四年之久。在AI技術(shù)的助力下，我們提出了“穩(wěn)中求快”的策略，堅持做好流程優(yōu)化、系統(tǒng)規(guī)劃建設(shè)與落地工作，同時加大投入，推動數(shù)據(jù)AI人才的引進，并與原有業(yè)務(wù)流程深度融合，強化AI文化的宣導(dǎo)，提升變革的緊迫性，并引導(dǎo)業(yè)務(wù)負責(zé)人轉(zhuǎn)變觀念。

觀察我們的組織架構(gòu)，你會發(fā)現(xiàn)它并非純粹的IT架構(gòu)。除了IT人員外，還匯聚了大量業(yè)務(wù)精英和骨干。他們從各事業(yè)部和業(yè)務(wù)單位被抽調(diào)上來，組成了養(yǎng)殖數(shù)據(jù)中心、財經(jīng)數(shù)據(jù)中心、企管數(shù)據(jù)中心等團隊。這些團隊成員都是業(yè)務(wù)分析師，他們負責(zé)識別對應(yīng)場景，為各部門和各業(yè)務(wù)條線賦能，這是我們組織架構(gòu)的一大轉(zhuǎn)變。

在AI需求方面，我們也有著獨特的做法。普通需求按照原有流程處理，而AI需求則通過專項行動來推進。例如，每個中心科室每年都需提出一定數(shù)量的場景納入考核，而非隨意行事或推一推就干。

今天，我為大家分享了我們的實踐做法，主要圍繞企業(yè)如何運作、如何將AI融入管理與流程之中展開。這是今天分享的核心內(nèi)容。

最后，非常感謝金蝶在我們數(shù)智化轉(zhuǎn)型及AI實踐過程中給予的諸多幫助與指導(dǎo)，也感謝今天給我這個機會與大家分享，謝謝大家！