帮 10000 家企业 AI 转型落地,我们找到了 4 大场景 | 对谈 BISHENG.ai 创始人覃睿
AI炼金术
2025/11/11
帮 10000 家企业 AI 转型落地,我们找到了 4 大场景 | 对谈 BISHENG.ai 创始人覃睿
帮 10000 家企业 AI 转型落地,我们找到了 4 大场景 | 对谈 BISHENG.ai 创始人覃睿

AI炼金术
2025/11/11
在本期《AI 炼金术》中,BISHENG.ai 联合创始人覃睿基于服务数千家企业的实战经验,深入剖析了 AI Agent 在企业中的真实落地图景。他不仅揭示了当前企业应用 AI 的典型路径与认知误区,也分享了从开源策略到商业化盈利的完整思考。
企业 AI 落地集中在问答、审核、写报告和 Text-to-SQL 四大场景,但真正高频且实用的是知识库问答与情报搜集。其中,智能问数(Text-to-SQL)因数据治理薄弱和准确性要求高,成为最易 “劝退” 的场景。覃睿指出,最大挑战并非技术,而是业务人员参与不足与需求不明确。他提出 AI 落地四阶段论:玩具→通用→垂类→数字员工,建议企业先让员工通过通用工具建立 “体感”,再推进深度定制。开源不仅是获客手段,更是筛选客户、建立标准的方式。BISHENG.ai 通过聚焦细分领域头部客户、坚持做对项目并建立信任,已实现盈利,其模式类似 Palantir,以产品为交付工具,服务高价值定制需求。
02:35
02:35
若客户不会使用,团队会上门安装并收费
03:27
03:27
核心业务是咨询和实施服务,开源不会削弱竞争力
04:31
04:31
做出来的东西捂着没价值,不如开放出去帮别人,也能获得正向反馈
05:53
05:53
开源可由产品团队主导定义标品,发挥人才自主性,吸引优秀人才
07:54
07:54
企业级市场某些模块缺失,而 BISHENG.ai 做 2B 有齐全的模块
10:24
10:24
企业 AI Agent 落地的实际应用场景尚不明确,尽管市场宣传广泛。
15:44
15:44
完成 95 分容易,剩下 5 分每分都需三个月
19:14
19:14
BISHENG.ai 模式类似 Palantir,专注高价值客户定制服务
19:27
19:27
合同审核需检查首页和尾页甲乙方名字是否一致
23:50
23:50
AI 可根据批注文件自动识别规则并生成 prompt,实现 NDA 审核自动化
26:36
26:36
报告生成将支持全流程溯源,包括查询系统和中间过程。
28:55
28:55
大模型能分析出意想不到的风险点
31:00
31:00
智能问数因风险高,大多客户需求被劝退
31:24
31:24
即便 Text-to-SQL 准确率达 98%,也难以判断哪 2% 出错,限制其实际应用
35:23
35:23
数据治理失败会导致自然语言转 SQL 无法准确问数
40:14
40:14
基于已建成的 BI 系统,用户可通过选择表和筛选条件直接驱动图表变化,无需重新开发,大幅提升可控性。
41:41
41:41
与大公司合作的难点在于业务和人员配合,而非技术
46:42
46:42
只有 5% 的企业真正应用大模型,但今年至少已进入第二阶段
50:24
50:24
大模型代表下一代生产力,很多人愿意学习使用
52:14
52:14
早期做大家真正需要的东西很重要
52:30
52:30
去年已有小几百万利润,今年会继续增长
56:37
56:37
真诚表达预期才能建立长期信任
1:02:01
1:02:01
建议客户先免费部署开源项目并举办比赛让业务人员使用,以降低试错成本
1:05:06
1:05:06
模型无法替代业务人员的上下文输入和专业判断
1:12:24
1:12:24
太小的公司没团队建开源项目,太大的公司讲究自主知识产权,都不适合做 BISHENG.ai 的典型客户。
1:15:13
1:15:13
最小单金额为零,自己用即可
1:16:14
1:16:14
BISHENG.ai 会转商机、带伙伴做项目