肖晓白 华祥苑 信息经营中心总监
王前： 今天我们要讨论的是，AI 智能体这艘船，如何推动我们的业务走向远方。
今天的话题分三个：第一，企业里有没有 AI 数字员工真正落地；第二，试点有成效之后如何规模化；第三，展望 AI 如何帮产业走向全球。
先请每位嘉宾讲讲你眼中 2026 年 AI 最关键的一个词。
杨洪进： 我的关键词是「价值重估」。蝉妈妈自己在非常激进地推进内部 AI 应用，我们内部每天有百亿级的 token 消耗，每个人的效率提得很高。但可能在座很多朋友也碰到一个共同的问题——个人的效率变高了，但组织的效率可能并没有变高。如何把组织的效率变高，可能就要涉及围绕 AI 的组织变革，每个岗位、每件事情它的重要性和运作方式，都需要做重估。
翁鹏路： 我的关键词是「重组」。对传统行业来讲，它没办法在 AI 下面重构——车还是车，停车场还是停车场，场景没有本质变化。但所有资源的调度方式，包括人力资源、信息资料，更多是需要被重组的。围绕以 Agent 为中心、以 AI 为中心的方式，重新思考资源如何调配。
肖晓白： 我的关键词是「赋魅」。「赋魅」的反义词叫「祛魅」。为什么叫赋魅？因为 AI 已经真正可以为组织进行传统魅力的赋能。中国茶业是一个极具魅力的行业，华祥苑的使命是「让世界爱上中国茶」。我们以前做不到的事情，可以让 AI 帮我们做得更好、更快、更广，用科技的力量，反过来为传统"赋魅" ，“让老的东西变得更贵，让慢的东西变得更值”。
吴朋阳： 我的关键词是「数字员工」。大家现在很关心超级个体和超级团队的进化过程，但中间缺了一个非常重要的角色——数字员工。如何从智能体变成数字员工，可能是今天大部分企业正在关心和探索的事情。
Q2：数字员工落地了吗？
王前： 第一个议题，Agent 到底是 PPT 里的概念，还是真正从产业角度已经开始实践了？先请吴老师从产业研究的角度讲讲，Agent 从 demo 走进真正的系统，关键变化是什么。
吴朋阳： 根据我们的观察和总结，企业在用 AI 的过程大致可以分成三个阶段：第一个阶段叫「能对话」，第二个阶段叫「能干活」，第三个阶段叫「能上岗」。
「能对话」基本上大部分企业都做到了，通过知识库、RAG 等方式让回答符合行业需要。「能干活」是很多企业正在探索和投入的事情，就是从辅助对话到真正完成一个闭环任务。这里有两种思路：有的企业从大到小，建一个 AI 工作台，让各部门在上面捏出各种智能体来提效；另一种是自下而上，员工从具体任务出发，自由发挥跑通一个智能体，形成可复用的经验包分享出去。「能干活」的关键要真实场景、真实任务，不只是 demo。
再往前走就是「能上岗」的数字员工。数字员工在 Agent 基础上，除了技术之外，还要叠加机制性的东西，能在规定的空间和范围内自主完成任务。 这涉及系统对接、权限授予和安全保障，还有是不是能把智能体当作人类员工一样进行管理和考核的机制等。所以不止技术，流程和规则等制度建立同样重要。
王前： 说到「能干活」和「能上岗」，翁总很有发言权，因为科拓已经把数字员工落在了一线场景里面。比如在智慧停车的业务里，科拓是怎么用 AI 数字员工重新定义停车场业务的？
翁鹏路： 我们内部上了很多 Agent 之后，也在想什么是真正的数字员工。最后给了两个定义：
第一个是「自主化」。如果 Agent 交付的产物还要经过人，那它不是真正的数字员工，还只是在对话阶段。我们希望数字员工出来的产物能直接作用于生产，不需要人再审核一道。
第二个是「自进化」。如果这个 Agent 从创造第一天到结束生命周期最后一天完全不变，那还只是程序的高级版本，还不是员工。
所以我们找了一个场景：把停车场最终的管理权交给 AI。我们行业比较特殊，停车场过去 3-5 年已经提前进入了“无人收费”时代。这个无人不是完全没人，无人停车场背后至少还是有远程岗位在监控，80% 的标准化场景通过 SaaS 解决了，但剩下 20% 的复杂场景是传统软件解决不了的，还得交给人来处理。
这 20% 的场景业务特别复杂，都是非标准的异常问题，对人员的招聘、培训、管理要求都很高。AI 出来之后，我们发现这 20% 的岗位还有进一步提效降本的空间。所以我们现在每个停车场都配一个 AI 岗亭，AI 数字员工直接上岗——停车场最后的车辆收费、抬杆等，这个“生命线”的管理权直接赋予 AI 员工。
做这个决定我们下了很大决心，因为里面风险不少，包括人为攻击等。但做完后发现真的可行，而且效果比原来好很多，人的犯错概率统计下来实际比 AI 高不少。AI 经过训练之后，对复杂场景的反应速度甚至语气态度都比人好。
这个产品某种程度上不只是纯软的 AI，有点狭义上的具身智能。停车场杆子抬起来、屏幕展示费用、二维码调整价格，它是跟真实世界有交互的。
王前： 从华祥苑的实践来看，一线门店里最先被接受使用 AI 的是哪些工作？真实的反馈是什么？
肖晓白： 华祥苑最真实的管理挑战是：面对超过 5000 家门店，怎么支持每家店都冲出有价值的竞争力？
对此，我们为门店安排上岗了一个数字员工，叫做「店效 AI 经营官」。
今年 3 月我们就使用了腾讯的 Agent 平台（当时 WorkBuddy 还没正式问世），开发约半个月，4 月上线。目前为止已经开了 10 万次门店会议，覆盖将近 1000 家门店的每日早晚会。 AI 经营官能指导门店怎么开一场有效的复盘会和创新会，给门店打分并提供下一步怎么运营的建议。
以前最大的挑战是，茶行业普遍不愿意用系统，我们没有终端门店的零售数据。现在通过在开会时引入 AI 经营官之后，就能自动获取这些数据，解决了意愿性、历史沉淀、流程困难和总部运营效率等问题。
目前跟得上用这个数字员工的门店，平均店效增长 20% 以上，甚至有达到 100% 以上的。当然也有还在犹豫、跟不上的门店，我们在逐步推广。
王前： 蝉妈妈本身是 AI 的重度用户，又在服务大量电商从业者，你们怎么看人和数字员工的结合？哪些岗位准备好了？
杨洪进： 数字员工其实有两个概念。第一类是数字员工跟真人员工的协作，比如做视频时数字人可以节省拍摄、剪辑、模特的时间。
另一类是刚才翁总提到的「自进化」的 Agent。我做个补充，企业想做好自进化的 Agent，很重要的一点是管理层对 AI 的信任需要前置。
讲我们内部的例子：我们有数百个程序员，当产品做大之后，员工可能超过 50% 的时间不是在做需求和代码，而是在响应 bug 和各种临时问题。
我们去年落地了一个场景：把研发经理、客服经理能看到的数据、权限、代码，全部授权给一个客服 AI。前端不管用户来的还是销售来的问题，AI 自己就能解决。结果是研发被打断的比例降低了 70% 以上，响应时间缩短了 80% 以上。
所以这一定是一个 CEO 工程，不是基础员工能搞定的事情。
另外我特别兴奋听到腾讯也在做 Data Agent，因为 WorkBuddy 要真的用好，数据治理这个事情必须做好，这才是数字员工在企业里真正生效的关键。
Q3：如何从试点到规模化？
王前： 数字员工初步在企业形成试点之后，从试点到规模化推得动吗？在这个阶段，最重要的可能不是资金，而是组织、数据架构、AI 投入的分析等。先请肖总谈谈，组织上最大的阻力在哪里？数据怎么补？ROI 怎么算？
肖晓白： 华祥苑整个 AI 化是从 2025 年初开始的，当时先要解决门店培训的问题。我们中间选过很多工具，彻底分析了多家头部企业 AI 相关的产品生态，最终选了腾讯，因为我们一直用企业微信做办公 IM。
上个月，我们已经算完了未来一年的 AI 账。怎么算？以员工工时分析为基础，再结合个人 AI 应用的问卷。 算完发现，现在有 30% 的工作可以被 AI 提效。这笔账虽然是冰冷的，但公司运营可以人性化，我们也有更多岗位需要人手。
所以我们在做的一件事情是「AI 训战」，确保员工比较平滑地进行 AI 变革的软着陆。实施的核心是：把账算明白了，和业务中心一个一个地过掉，让他们真的接受 AI 时代下的工作方式。
华祥苑的业务涉及产业全链条，大到茶园小到茶杯都有。我们面对的不仅是白领工作人员，还有茶园的茶农。AI 应用变革这个过程是分阶段、循序渐进的，需要持续的韧性。
王前： 翁总，科拓 AI 岗亭上岗之后，组织之间的界限有没有重新划分？ROI 怎么重新评估？
翁鹏路：算 ROI 的时候，抱着降本目的去算账其实很难算。 比如法务原来有两位，合同审核、条款审核的工作能用 AI 取代来降本，但 AB 岗的角色不能再少了。
我们有另一个发现：当你让 AI 增效，降本自然就来了。所以我们现在不只看降本，更多考虑增效，比如速度提升多少，能解决多少人员管理和人为操作的问题，减少多少管理困难点等。
组织方面，我觉得一定会经历超级个体到超级组织的过程。第一阶段挖掘超级个体；第二阶段把组织拆散，围绕超级个体组建小团队。这时候已经没有研发运维的边界了，都叫 AI 团队，围绕具体业务来建，这些小团队可能就是超级组织的雏形。等联动起来之后，整个企业效率会有质的提升。
同时我们还发现，公司的基础数据还没有为 AI 做好准备。 海量停车数据是为 SaaS、ERP 准备的，AI 没法直接拿过来就读懂。你要把数据总结成经验给 AI 才行，比如春节客流变化多少、开学之后数据怎么调整等。这些经验过去靠老师傅的脑袋，现在要提取出来变成语料层，AI 才能真正有用。
王前： 杨总，蝉妈妈有大量数据，AI 时代数据底座要不要调整？AI 能力是建专门部门还是下沉到每个岗位？ROI 怎么算？
杨洪进： 从 ROI 倒推来讲。AI 对个人提效，不少岗位能有 10 倍以上，比如程序员、设计、视频制作等。AI 对组织提效，做到 2-3 倍就已经很厉害了。提效之后的问题是：AI 是否真的让利润变高了？视频做得更多，流量有没有更多？ 这是下一阶段大家要面临的挑战。
数据治理不是简单地把公司文档放到数据库里。人和人协作有很多隐性的东西，比如做事风格、专业人士脑子里的认知等，这些过去通过人与人的沟通传递。我感觉可以把它放到 AI 的认知系统里，但这往往是最重要、最深的一部分。
我们内部也在尝试：一方面把企业自身的优势通过 Agent 和数据治理内化；另一方面通过外部数据洞察跟 Agent 整合，让 AI 做到智能化，真正帮到企业。
王前： 请吴老师从理论高度总结一下，大家的实践中有哪些可以借鉴的要点。
吴朋阳： Agent 要形成规模效应，或者在企业里形成「复利工程」，实现用得越多、成本越低、准确度越高，有两方面需要重点推进。
一是系统底座。 AI 工作台能不能跟传统系统对接，可能决定了 Agent 能不能真正上岗。能对接、能执行任务、能调取数据，AI 原生工作流就能跑通。更关键的是 AI 适配性改造：今天我们缺的不是个人的 Agent，而是组织的 Agent、系统的 Agent。 很多系统还没有 Agent 化，没有把功能抽象化让大模型去调用，使得从超级个体到超级团队的过程受阻。背后是「可管理的 Agent」这个能力，对今天的企业来讲，可能是下一步非常重要的事情。
二是组织变革。 技术变革和组织变革谁先谁后没有对错。对初创企业来说扁平化和项目制可能合适，但对大型企业可能还要考虑延续性。关键是局部试错、跑出样例，然后把样例变成复制工程。
最后回到 ROI。今天大家都在控制 token 消耗，但可能更要去计算token 的有效产出。有的岗位是成本视角，但有的 token 能产生业务价值、能创收。如果传统企业能找到用 token 创收的方式，就可能创造新的业务形态和市场，避免在传统业务领域里都用 AI 造成的内卷化。
Q4：AI 能助力产业走向全球吗？
王前： 第三个话题，把视角拉高，AI 还能打开哪些新空间？AI 带来的是冲击更多还是机会更多？
翁鹏路： 是冲击还是机会，取决于视角。对内看，AI 可能加剧竞争。比如停车行业总盘子不增长，AI 服务出来，客户觉得该更便宜，竞品如果半年内也出类似产品就会进一步 PK。
但如果把视角打开，走向全球可能就是机会，海外整体的 AI 发展能力和数字化水平都有更大提升空间。我们做实时语音对讲的 AI 客服时就发现，AI 没有语言、方言问题，可以解决英语对话，可以解决各种地域性和管理性的要求。只要语言支持，AI 可以拓展到全球任何地方。 所以把视角放到全球，机会更大。
王前： 肖总，茶叶产业有了 AI 之后，哪些环节可能更容易出圈？
肖晓白： AI 时代的新机会，我想就是解决中国茶行业的三个历史大瓶颈：
第一个是标准化。2025 年国内茶消费 3000 亿，整个产业规模 1.5 万亿，所有头部茶企加起来占比不到 5%。根本原因是非标，所以没法规模化。我们曾经有老先生指导茶庄园建设，但这些经验知识随着老师傅的离去，没来得及沉淀。AI 时代借助超大量的数据沉淀，千万茶农的经验，我们有望解决从种植到制茶的标准化问题。
第二个是年轻化和易用性。新茶饮、茶饮料，大都不来源于中国原叶茶产业。怎么让年轻群体更简单地喝到一杯纯正的中国好茶，可以借助 AI 结合硬件等去创新。
第三个是茶文化的沉淀。AI 可以让每个人有自己的茶管家，用茶来连接与茶有关的一切。
从头部茶企和广大茶农的合作来说，我们的理念是「茶和天下」。从技术底座进行标准化变革，从茶卫星数据向茶农赋能，茶专业知识平台开放，文旅资源和当地政府、茶农合作社联合，这些都是可以展望的方向。
王前： 杨总，福建的电商产业在 AI 时代借助蝉妈妈会有什么变化？
杨洪进： AI 提效已经说了很多。从福建的视角，我觉得有两个大机会：第一个是出海。福建是最大的侨乡，几千万侨民在海外。福建如果能把侨乡网络做好，企业出海可以做得很大。中国还有个很大的优势：我们从来不觉得缺电，基建太好了。
第二个是AI 应用。大模型福建没做特别多，但福建做应用是比较强的。厦门、福州都有不错的应用公司，AI 应用下一步，福建还是有不少机会。
王前： 请吴老师帮我们总结一下，AI 能给整个区域带来哪些变化？
吴朋阳： AI 的生态已经初具样貌。大家可能都关注到了，WorkBuddy 最近刚推出开放平台，让我感觉有点像当年移动互联网开放生态的影子。未来，我相信一定会长出一个新的 AI 生态来。
对福建产业来讲，要抓住这个机遇，积极融入 AI 平台生态，看传统产业的业务形态能不能再创新。比如现在的 Skill、Agent、专家团，已经长出新的模式了。大家可以把传统产业的资源、经验、能力封装，放进 AI 开放平台中，通过生态的方式放大业务、创造新收益。我觉得这可能是传统产业和 AI 结合比较有效的方式。
Q5：展望 2027 年的关键变化？
王前： 最后请每位嘉宾简短预测一下，2027 年哪些场景或业务会因为 AI 带来巨变？
杨洪进： 两个。一个是人才评判标准会变，到明年更重要的可能是如何指挥更多 AI 数字员工把事情做得更高效。另一个是数据治理做好之后，运营会发生很大变化。
翁鹏路： 变革最大的还是线下实体的运营。我们开始大量拆掉软件时代建立的篱笆和围墙，以前统一的 SOP、评分体系等在 AI 时代都要变了。比如 5000 个停车场，可能有 5000 套评分方案和管理思路。
肖晓白： 我的答案也是运营。运营这个词现在有非常多角色，一方面完全融合为一，另一方面职能扩展，从原本的分工变成端到端的响应。最终就是「运营消失」。
吴朋阳： 最核心的是系统级的 Agent，或者叫组织级的 Agent。这件事如果企业能做好，超级团队就不再是遥不可及的事情。
王前： 几位嘉宾都讲到了运营、讲到了 Agent 如何打造超级团队。我期待未来有更多福建企业加入 AI 大潮，帮助业务走向全国、走向全球。今天的分享先到这里，谢谢各位。
本文根据 2026 腾讯云城市峰会·厦门峰会（2026 年 9 月 14 日）「从鹭岛出港：看 AI智能体如何重塑八闽产业新引擎」圆桌讨论实录整理。
[AI+千行百业]实践者洞察系列研究：2026年，AI应用加速与泡沫预警同步升温。有研究指出，88%的企业已部署AI，但仅6%获得显著绩效回报——"高投入、低回报"、"高渗透、浅价值"成为行业的集体困惑。本研究聚焦典型行业一线的AI实践者，采取圆桌、沙龙、访谈、调研等多种方式，希望通过与不同行业专家的真实经验交流，找到推动AI规模化应用落地及价值变现的有效路径。
