最近我们接触的许多客户已经开始使用 WorkBuddy,但经常会问我们产品有了,接下来到底怎么用?怎么才能让它真正进入企业的实际工作?
前段时间,我们就围绕这个问题,为一家客户设计了一套基于 WorkBuddy 的企业 AI 助手方案,从企业知识库开始,到销售、售后场景,再到不同业务 Skill 的搭建。
我们认为,如果要让 WorkBuddy 真正变成企业自己的 AI 工作助手,关键并不是一开始做多少功能,而是先想清楚企业有哪些知识,哪些工作适合 AI 参与,AI 到底应该帮员工做到哪一步。
今天,我们就结合这个实际方案,聊聊企业怎样一步步用 WorkBuddy 搭建自己的 AI 工作助手。
一、把企业知识变成 AI 能真正使用的知识
大部分企业做 AI 助手,很容易一股脑地把全部资料放进去,但资料放进知识库,并不等于 AI 就能用好。
企业里的知识其实非常复杂,有产品手册、技术方案这样的文档,有产品参数、型号配置这样的结构化数据,也有售后处理记录、现场视频,以及老销售、老师傅长期积累下来的经验,这些内容需要用不同的方法整理。
比如产品手册、FAQ、案例,可以按照产品和业务场景进行分类,并明确版本和来源;产品参数和选型规则需要结构化整理,否则一个参数判断错误,就可能影响推荐结果;而老师傅的经验,更需要把遇到什么问题、为什么这样判断、怎么处理、最后结果如何真正记录下来。
把这些知识整理清楚只是第一步。知识库解决的是 AI 知道什么,但企业最终关心的是 AI 能帮员工做什么。
所以我们不会一开始就在每个部门都做一个 AI 助手,而是先去看企业日常工作中,哪些事情发生频率高、已经有一定知识积累,同时又需要员工反复查询和判断。
比如销售选型,需要不断查产品、核参数、判断适配条件;售后排障需要查询说明书、历史故障记录,再结合现场情况一步步判断。
这些企业原本就知道应该怎么做,只是知识和工作方法分散在人、文档和系统里,这类工作,正是更适合先让 AI 参与的场景。
二、从知识库到 Skill,把员工的工作方法交给 AI
有了知识库,AI 已经可以查询产品和技术资料。但要真正帮助员工工作,还需要进一步把具体业务场景拆开,这也是我们在搭建 WorkBuddy Skill 时重点做的事情。
比如我们服务的这家企业,首先希望解决的是销售选型。
过去销售收到客户需求后,需要先了解详细信息再根据这些条件寻找合适的设备。尤其对于新销售来说,难点是面对客户需求时,不知道还应该继续确认哪些条件。
因此,我们帮助企业基于 WorkBuddy 搭建销售助手时,并没有简单做一个产品问答,而是把整个选型过程拆开。
首先,是准备 AI 做选型需要使用的知识。
产品说明书、技术方案等资料进入知识库,机型编码、适用物料、计数精度等需要精确判断的数据,则单独整理成机型参数表、物料适配表和选型规则表。在此基础上,再把原来依赖销售经验完成的判断过程梳理成 Skill 的处理逻辑。
当销售把客户需求交给 WorkBuddy 后,AI 是先判断现有信息够不够完成选型。过去这些问题通常靠有经验的销售判断,现在我们把这些需要确认的条件整理到 Skill 中,让 AI 先帮助销售发现信息缺口、继续补问客户。
等条件基本补齐后,AI 再调用机型参数、物料适配和选型规则进行匹配,筛选候选机型。同时告诉销售推荐依据是什么,为什么没有推荐其他机型,还有哪些条件需要进一步确认。
这样做出来的销售助手,实际上是把 企业已有的产品知识 + 产品参数 + 选型规则 + 销售经验组合起来 ,让 AI 按照企业自己的方法协助销售完成选型。
而且在销售问答中,我们还会进一步区分不同的参数口径。
已经确认的参数,可以正常引用;预计数据,需要明确说明适用条件;需要测试或者尚未确认的数据,则不能直接给出结论。涉及验收标准、合同承诺,或者现有资料没有明确依据的内容,WorkBuddy 会提示销售转给工程师进一步确认。
即使 AI 帮销售生成客户沟通话术,也只能依据已经确认的内容生成,不能为了让回复听起来更完整,而增加新的技术判断或业务承诺。
这时,WorkBuddy 才不再只是一个会查询企业资料的知识助手,而开始真正参与到销售的实际工作中。
对于售后,我们同样不是简单搭建一个故障问答机器人。
例如现场出现设备报警,员工先向 WorkBuddy 提供设备型号、报警信息和故障现象。
AI 首先判断现有信息是否足够,再从设备说明书、故障记录和历史处置案例中查询相关内容。更重要的是,我们会把售后人员原来的排查方法也整理进 Skill。
这样员工遇到问题时,WorkBuddy 可以按照已经确认的顺序一步步协助排查,而不是给出一堆可能性,让现场人员自己判断。
这次新的故障原因、判断过程、采取的动作和最终结果,在业务人员确认以后,还可以继续沉淀回企业知识库,这次积累下来的经验就能够重新被 AI 调用。
这样,原来只掌握在少数售后人员手里的经验,才开始变成整个团队都可以复用的知识。
三、Skill 上线以后,企业知识才真正开始沉淀
AI 助手上线并不意味着项目结束,因为员工真正开始使用以后,很多过去没有发现的问题才会出现。
- 销售反复询问某类产品问题,但 AI 找不到答案,说明这部分产品知识还需要补;
- 同一个选型场景经常缺少某个关键条件,说明选型规则还不够完整;
- 某种设备故障说明书里没有,但老师傅每次都知道怎么解决,那么真正值得补充的,就是这部分现场经验。
所以我们会把员工真实使用过程中出现的问题重新收集回来,从真实问题 → 找到知识缺口 → 补充知识或规则 → 业务人员确认 → 发布 → 再用真实问题验证。
企业并不需要在项目开始之前就把所有知识全部整理好,先从 1—2 个真正高频的业务场景开始,让员工真实使用,再根据每天发生的问题不断补充知识和 Skill。
AI 答不出来的问题,有时候并不只是 AI 的问题,它也在帮助企业发现知识到底缺在哪里。
四、让 WorkBuddy 真正变成企业自己的工作助手
企业最终需要的,并不是另一个什么都能问的 AI。
更有价值的是,把原本散落在文档、系统和员工经验里的知识整理出来,再结合真实业务,把这些知识逐渐变成销售、售后以及不同岗位可以直接调用的 AI 能力。
迅易科技在帮助企业落地 WorkBuddy 时,我们更关注的是从企业已有知识和真实工作入手,梳理企业知识、业务规则和员工经验,再结合具体场景设计 Skill:哪些信息 AI 可以查,哪些问题 AI 应该继续追问,哪些规则可以执行,又有哪些情况必须停下来交给人。
Skill 上线之后,再通过员工的真实使用不断发现知识缺口,把新的产品知识、业务规则和现场经验重新补充回来。
先把知识做准,再让 AI 使用;先解决一个真实问题,再逐步进入更多业务流程。
当企业自己的知识、规则和工作方法真正能够被 AI 持续调用时,WorkBuddy 才不只是一个通用 AI 工具,而开始成为真正属于企业自己的 AI 工作助手。