【以下为两分钟简读版】

大家有没有这个感受：管理信息化时代企业购买的管理软件越多，引发的执行层抱怨越大。让我们看看执行管理岗位人员的典型抱怨：

小张是一名电子厂的PMC专员，每天要处理ERP上各种缺料、插单、调整计划的任务，需要很多信息，除了要去各个系统查询，还要各处打电话了解，人被绑在屏幕上每天有处理不完的异常，只能被动应对！

小李是名销售，除了搞定客户，还要搞定内部，报价、报预测、报订单，还要查生产进度、查库存、查开票、查收款认领。“我需要一个靠谱的销售内勤！”是憋在小李心中良久的抱怨。

小王是名销售内勤，对口的销售经常变动不说，还不断增加，每天不是在催生产、催仓库就是在跟进收款、跟进forecast，还要指导各种销售员报价、报订单。催单全靠吼，每天都在焦虑中！

把人绑在界面工作上，管理软件带来信息过载，每天有查看不完的报表和数据，这里有多少是噪声？

管理软件花大量的成本在界面设计、表单和报表的设计、工作台个性化、代办提醒，防呆防错设置上，这里有多少是过度成本？

软件使用需要个人花费长时间的学习成本，为了防止人为处理不当，对关键单据往往采取制单、审核分离的操作设置，一个人干活一个人检查，这里有多少额外管理成本？

设想一下，在上述的场景中，如果我们给小张配备一个专属“硅基计划员“，24小时在线工作，任何生产工单的执行异常、新的销售订单下达、新的销售预测的审批通过、某个产品的BOM发起了ECN变更，变更使用到的材料库存与生产计划用量的差异、材料的采购订单交货单的供应商反馈时间都能第一时间掌握，并识别出与当前任务执行有冲突的“异常”。

在每天一早，给小张推送专属于他的“今日头条”，告诉他过去14小时发生了什么变化，这些变化可能带来的计划冲突有哪些，会不会让小张每天的业务决策更闲庭信步？

如果“硅基计划员”还可以快速回答小张根据获得的“今日头条”提出的各类询问，会发生什么？首先是“快”，“快”很不一样，小张问一个问题会立即得到答案，可能不一定精准，但这会改变小张的思考方式，他会开启追问模式，他会沿着几个方向追踪下去，寻找在他经验知识里值得注意的信息。可能刚开始小张并不清楚自己要怎么采取行动，但问着问着，他就清晰了应该采取的行动。

接下来会自然发生的，是这个专属“硅基计划员”会在与小张对话的过程中按小张的要求，找到某些特定任务，并执行任务处理。比如找到需要某个材料的生产订单，将按时间顺序的后五张关闭，并重新运算缺料检查，按客户优先顺序调整任务。小张可以开启多线程预演，设置不同情况下系统运行和处理的结果，然后对比优劣，最后做出决策并执行任务。

如果我们给销售员小李配备一个“硅基销售内勤”，在他上岗的第一天开启知识服务，从廉洁规范宣导到产品技术优势讲解；从产品销售政策说明到产品报价指导都随问随答。

我们再进一步，“硅基销售内勤”会每天给小李整理“今日头条”，告诉他哪个客户的产品项目研发已经提报了NPI报告进入量产阶段，哪些关键的材料已经完成了供应商客户认证，小李就能在第一时间决定是否发起量产报价，在他将决定告诉“硅基销售内勤”时，AI智能体已经帮他建立好报价单，并询问他是否按过去这个客户的报价单提起特殊审批流程。

在小李和他的“硅基销售内勤“愉快相处的同时，我们已经将小王从原本销售内勤的岗位上解放出来，请她去做AI智能体的流程编排和营销数据资产治理的工作。小王从原先服务于五个销售员的“信息链接”型文员，转型成为业务BP，成为运营营销管理智能体与数据资产的专业人员，是企业里专业的“提示词工程师”。

上述这个过程，就是汉得通过H-Copilot融合AIGC产品，基于ERP/SRM/MOM等企业管理软件的现有业务流程，结合AIGC技术和LLM大模型接入完成的解决方案。

汉得H-Copilot融合AIGC应用，首先帮助企业通过对多个大模型的组合调用，包括管理模型访问与模型组合配置，完成对大模型的云端与本地化大模型，以及端侧小模型的组合调用。

同时帮助企业完成使用知识库的建立，并根据管理软件特征和业务特征建立向量库。在此基础上根据对关键岗位人员的核心工作，进行业务梳理，完成现有业务流程基于岗位信息与执行内容进行编排，同时兼顾用户角色权限访问设置。最后标准化API行程对各类企业内部APP或Saas服务APP调用。

最终将信息助手和执行助手的能力定向转化为一个个“硅基人”智能体，服务于财务账务、供应链计划、仓储物流、采购寻源与执行、营销运营等关键管理岗位。

<<  滑动查看了解更多  >>

一切技术的运用在于服务人。AI提供智能，智能是理解复杂事物，学习知识处理问题的能力。AI技术带来智能的普及化，但只有人提供智慧，如果说智能是达成目标的能力，那么智慧就是选择目标的能力。为此你需要反思和超越自我、需要道德判断、需要价值观引领、需要有共情力和历史感，而这些AI无法取代。

如果我们认为企业中每个人都为组织贡献了独特的价值，那么我们首先要做的是为每个人定制他（她）的专属智能体，我们暂简称为“硅基人”。“硅基人”如何参与到人的工作中，主要有两个方面：

一是改变人获取组织信息的方式，并激发个体判断力。在过去管理软件给人提供信息都是模型化的数据呈现，传统BI是不断定制个人的信息检索偏好，但对话式问答改变了这一切。

首先是“快”，“快”很不一样，你问一个问题会立即得到答案，可能不一定精准，但这会改变你的思考方式，你会开启追问模式，你会沿着几个方向追踪下去，寻找在你经验知识里值得注意的信息。越是对高层管理者这种追问下的信息获取价值越大。

传统BI在服务高层管理者时常处于被挑战地位的主要原因就是算法固定逻辑固定，但企业发展瞬息万变，决策判断的依据无法固定，这里有人的智慧。

其次是极大透明化组织信息，其他业务领域发生了什么新情况，可以第一时间主动告知，提高了人在决策时的有效信息量，这使得团队成员因为“经验值”的差距而带来的决策能力差异在缩小，降低了直接监督工作的任务量，有助于科层型组织进一步扁平化，这意味着组织层级更少，管理半径更大，决策授权更多向下。

硅谷科技企业CEO动辄直接管理超过60个人是怎么做到的，组织信息的极大透明和降低直接监督是关键。

二是改变人参与组织任务执行的方式，从界面办公到对话办公。在过去管理软件是把人绑在界面上，复杂的界面操作不但学习成本高昂，且执行处理效率堪忧。对话式办公不仅将人从屏幕上解放出来更提高了执行效率。同时，对话办公过程，可以结合信息问答来提高决策质量和执行效益。

这里有对人的洞见，很多时候我们并不一上来就清晰自己要什么，是在反复的信息追问和获取过程中才逐步清晰，与“硅基人”的互动，是帮助我们形成观点和决策的有效过程。

AI智能体硅基人的加入，将极大提高组织内的信息透明度并缩小个体能力差距，这将带来科层组织的扁平化。同时，专业化分工、多任务分解并协同的网状组织更加流行，面向复杂任务交付的项目制工作更趋显现。

参加SAP 商业AI大赛，更多是一个窗口，与行业伙伴一起交流共创AI时代的企业数字化解决方案。

通用技术从诞生到发挥生产力效能，通常需要经过三个阶段，点解决方案，简单的输入端替换；应用解决方案，改变生产装置；系统解决方案，改变生产方式。今天我们所有的尝试都是从点解决方案到应用解决方案的推动。在未来，AIGC以及快要到来的AGI必然会系统性地改变我们的工作与生活，只是我们不知道那将是何种方式。

因此，今天我们谈论AI能做什么，是一句有着巨大灰度空间的话，现在那里是一个动态的边界线，我们应该一起去推那条线，而不是等着被那条线推过……

携手汉得，成就强品牌梦想！