同一个客户、项目或设备，系统之间对不上
数据分散在 CRM、ERP、项目、资产和 IoT 系统中，AI 无法获得完整、可信的业务上下文。
01 / 何时需要
如果 AI 只能回答问题，它还没有真正进入业务
企业 AI 的价值不止是多一个聊天入口，而是理解现有数据和规则，触发任务、派单、审批与预警，并把结果安全地送回业务系统。
制度和经验很多，员工还是到处找人、找文件
合同、制度、案例和服务标准难以检索、引用与追溯，组织经验无法稳定复用。
AI 能回答，却不能创建任务、派单或写回系统
缺少工具调用、工作流和人工确认，智能体停留在对话层，无法完成跨系统业务闭环。
每做一个场景，都要重新接系统、建知识库、配权限
连接器、模型、知识库和治理能力被重复建设，成本越来越高，也难以复制到更多组织。
02 / 企业 AI 落地策略
接在现有系统之上，让 AI 看得懂、做得动、管得住
优码企业 AI 与数据平台不是替代 ERP、CRM、OA 或行业系统，而是在它们之上连接数据、知识和事件，让智能体调用工具、触发流程，并把结果送回员工正在使用的系统。
01按需连接，不要求一次性迁移全部数据
02先验证一个高价值闭环，再扩展更多场景
03关键动作由人确认，业务责任始终清楚
03 / 六层平台架构
六层架构，让 AI 进入业务并连接现有系统
管理层通过驾驶舱看经营，业务人员通过 AI 助手协同，数字员工按规则执行任务；优客云、城市资产运营和项目经营协同共享同一套能力中台、系统连接、基础设施与安全治理。
ACCESS & APPLICATION / 入口与应用不同角色从熟悉入口进入业务
AI 助手、管理驾驶舱、数字员工和企业微信承接不同使用方式，应用按三条产品线与行业套件组织。
PLATFORM & CONNECTION / 能力与连接AI 能力统一建设，现有系统继续运行
模型、知识库与 RAG、Agent、工作流、AIoT、API/MCP 和业务系统连接按需复用。
INFRASTRUCTURE & GOVERNANCE / 基础与治理部署可选择，关键动作可控制
公有云、私有云、混合云与算力数据底座按需适配，身份、数据、模型、隐私和审计贯穿全程。
01连接
系统、数据库、消息和设备
02治理
主数据、质量与权限边界
03理解
知识库、RAG 与语义关系
04编排
模型、智能体、工具与规则
05执行
任务、派单、预警与写回
06优化
评估、审计与多项目复制
04 / 核心能力与业务场景
接入平台后，AI 能在这些业务流程中真正行动
数据集成、企业知识库与 RAG、智能体、AI 工作流和 AIoT 事件中心不再孤立存在，而是被组合成可执行、可确认、可写回的业务闭环。
客服诉求：从识别到预工单
客户消息进入后，AI 识别意图，结合客户记录和企业知识生成回复或预工单；复杂问题交由客服确认，再写回 CRM 或工单系统。
处理链路：识别诉求 → 检索依据 → 生成回复/预工单 → 人工确认 → 写回系统设备告警：从风险判断到巡检派单
设备或能耗告警触发后，AI 关联设备档案、历史工单和运维标准，判断风险等级并发起巡检、派单或升级。
处理链路：接收告警 → 关联档案 → 判断风险 → 触发巡检/派单合同与计划：风险更早暴露
合同条款或项目计划发生变化时，AI 对比关键条款、进度和任务，形成风险清单并提醒责任人处理。
处理链路：读取变化 → 比对条款与进度 → 输出风险 → 提醒并写回任务经营分析：从找数到追踪行动
管理者提出业务问题，AI 跨系统取数并解释异常，生成带依据的分析结论，还可把改进项转成跟踪任务。
处理链路：提出问题 → 聚合数据 → 解释异常 → 生成报告/任务关键动作：可控、可确认、可追溯
平台统一管理权限、模型、提示词、工具、成本和日志。高风险动作必须人工确认，调用依据与结果写回全程留痕。
治理链路：身份权限 → 模型与工具控制 → 人工确认 → 日志审计 → 持续评估共享业务对象，避免每个场景重复建模
平台把跨产品线共用的业务对象统一起来，让智能体理解同一个客户、项目、资产或合同在不同系统中的关系，同时保持原系统的数据责任。
客户会员项目资产空间设备供应商合同工单任务订单结算
05 / 产品线复用
同一套 AI 能力，进入客户、资产和项目三条业务线
底座统一提供数据、知识、模型、智能体、流程与治理；每条产品线仍负责自己的业务闭环、产品边界和采购范围。
优客云
调用客户、知识、智能回复、诉求识别、预工单、会员和消息能力，服务客户增长、交付、客服、会员与用户运营。
代表 AI 场景：企微回复、客服知识、诉求识别、客户洞察查看优客云城市资产运营
调用资产空间主数据、AIoT 事件、工单识别、巡检预警和经营分析能力，服务园区、楼宇、物业与城市资产。
代表 AI 场景：设备预警、工单派单、资产经营诊断、巡检分析查看城市资产运营项目经营协同
调用项目、供应商、合同、计划、任务和知识能力，服务立项、招采、合同、执行、验收、结算与复盘。
代表 AI 场景：合同审阅、计划预警、任务督办、项目经营分析查看项目经营协同行业套件如何使用
开发建设、智慧建造、智慧园区、物业服务、城市更新与资产运营、新能源数智运营等行业套件，按照客户问题组合三条产品线与平台能力，不再为每个项目重建一套 AI 底座。
06 / 落地与复制
先跑通一个业务闭环，再复制到更多组织和项目
首期从输入清楚、责任明确、现有数据可用、结果可衡量的场景开始；系统连接、人工确认、结果写回和验收指标在启动前说清。
诊断与基线
明确业务问题、现有流程、系统边界、数据条件、责任人和当前指标。
小范围试点
选择输入清楚、责任明确、结果可衡量的一至两个高价值闭环场景。
系统连接
按需连接数据、知识、事件和业务动作，不要求一次性迁移全部系统。
阶段验收
验证数据质量、回答依据、任务执行、人工复核、结果写回和安全边界。
扩展复制
把成熟能力封装为模板，复制到更多场景、组织、项目和产品线。
持续优化
根据调用、成本、准确性、闭环结果和业务反馈持续评估与迭代。
数据基础覆盖完整度与一致性
业务执行闭环时长与人工接管
AI 质量准确性、依据与风险
规模复用场景、组织与项目复用率
07 / 员工工作台
员工不必切换多个系统，也能查知识、看数据、发起流程
企业 AI 员工工作台把知识问答、数据分析、智能体、应用市场和任务中心放到统一入口，并记录调用、人工确认和结果写回。
员工工作台连接知识、数据与任务
员工可以从业务问题出发调用经营分析、合同审阅、故障判断、客服处理等智能体；流程动作、人工复核与执行结果统一进入任务中心。
查看客户案例08 / 安全与治理
AI 看过什么、做过什么、谁确认过，都能追踪
从知识检索、数据访问到工具调用和结果写回，平台统一控制权限并保留记录；关键决策由人确认，出现问题可以追溯依据与责任链。
身份与数据权限
继承组织、角色和数据范围，控制知识检索、工具调用与结果可见性。
模型与智能体治理
统一模型路由、版本、提示词、工具、成本、评估和停用机制。
人工确认与审计
关键决策保留人工复核，记录依据、动作、审批、写回和责任链。
部署与开放能力
支持私有化、信创、开放接口、低代码扩展及与既有基础设施适配。
FAQ
围绕现有系统融合、数据与知识安全、智能体落地和首期场景，说明企业 AI 平台的产品能力、系统职责与应用方式。
Q1平台会替换现有 ERP、CRM、OA、财务或 IoT 系统吗？
不会。平台优先通过 API、数据库、消息、文件和事件连接现有系统，在其上叠加知识、分析、判断、流程和协同能力。原系统继续承担既有业务责任，平台与业务系统可以独立演进。
Q2企业数据是否必须全部集中迁移？
不要求。可以根据场景采用接口调用、数据服务、事件订阅、索引和必要的数据治理方式。数据是否复制、存储位置、更新频率和责任边界会在架构方案中明确。
Q3企业知识库与 RAG 如何保证回答可追溯？
知识内容按来源、版本、权限和有效期管理；回答可以保留引用依据，并结合角色权限限制检索范围。高风险场景可要求人工复核后再进入业务动作。
Q4智能体怎样进入真实流程，而不是只做聊天？
平台把模型与企业知识、业务对象、工具、规则和工作流组合起来，智能体可以创建任务、发起审批、生成预工单、触发派单或写回结果，并在关键节点交由人工确认。
Q5是否支持私有化部署和信创环境？
支持根据企业安全、数据边界、基础设施和信创要求制定部署方案。具体模型、数据库、中间件和系统集成范围需在技术调研后确认。
Q6首期试点应该选择什么场景？
建议选择业务输入清楚、责任人明确、现有数据可用、流程可以闭环且结果可衡量的场景，例如客服预工单、工单识别派单、合同审阅或设备风险预警。