前言
在前面的文章中，风叔完成了三个系列的介绍，包括《5W1H拆解AI Agent系列》、《AI大模型实战篇系列》和《RAG实战篇系列》，通过系统原理和源代码，来帮助大家深入地了解这些前沿的技术范式。接下来，我们正式开启《大模型应用场景系列》。
大模型的应用场景主要分为toC和toB，toC领域大家相对比较熟悉，市面上也出现了非常多面向C端用户的大模型产品，比如MidJourney、Character、Notion AI、Kimi等等。同时，大模型C端应用场景的文章也已经汗牛充栋，但是阐述大模型B端应用场景的优质文章尚不多见，因此在《大模型应用场景系列》中，风叔将重点围绕企业业务领域，介绍AI大模型能为企业带来哪些价值。
本篇文章是一个场景蓝图，先从整体上介绍企业内部都有哪些应用场景。在后续文章中，风叔将挑选一些非常有代表意义的场景，展开进行详细介绍，以及对于企业，AI应用场景的落地顺序是应该怎么样的。
风叔将场景分为两类：
一类是通用型应用场景，即在大多数行业和企业内，都会存在的业务类型，比如营销、供应链、办公协作。
另一类是行业型应用场景，即只存在于特定行业的应用场景，比如制造业的智能排产和智能设备维护，医疗行业的药物研发和智能问诊，金融行业的智能投研和智能交易等等。
我们先来看看行业通用型应用场景。
1. 营销
营销的本质是在合适的场景下，将正确的营销内容触达给正确的目标客群，以达成特定的营销目标。任何行业都存在对营销的强烈需求，同时营销部门往往也是企业预算最为充裕的部门，因此面向营销领域的AI解决方案，也往往是很多AI初创公司的首选。
我们看看AI大模型可以在营销的哪些环节创造价值。
1.1 营销素材生成
在企业营销中，无论是Ad-hoc campaign，还是always-on的日常营销场景，都会涉及到活动海报、商品设计图、商品详情页、营销文案等内容的生成。传统的做法需要人工拍摄和撰写，而在AI大模型的助力下，使用者只需要将自己的创意和想法告诉大模型，比如商品类型、内容形态、内容主题和风格等，由大模型自动完成内容的生产。
场景价值：⭐️⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
1.2 营销计划生成
营销计划是企业进行大型营销活动的总纲领，包括了企业的营销目的、目标人群、营销渠道、营销策略和预算分配机制，营销部门往往需要花费大量的时间进行营销计划的对齐和撰写，非常耗时耗力。而在AI大模型的帮助下，营销部门只需要给出营销目标的相关描述，大模型可以查询各项关键数据，按客群、渠道、内容等维度拆解营销预算，制定营销策略，自动生成详细的营销计划文档，大幅提升营销部门效率。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
1.3 自动营销系统
传统的自动营销系统，比如CDP或MA，非常依赖于运营人员的经验，并且需要进行繁琐的操作和配置。而利用AI Agent，大模型自动解析营销计划文档，自动生成人群提取和人群触达指令，完成营销策略的配置。还能结合用户历史上在各个营销渠道的触达和点击数据，自动预测每个用户在每个营销渠道（比如短信、外呼、小程序、公众号等）的预估点击率，实现自动化和个性化的营销活动。
场景价值：⭐️⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
1.4 智能导购
传统的导购都是由真人在执行，但往往存在培训成本高、人员流失率高、回复准确率较低等问题。而通过AI Agent技术，结合RAG系统构建的产品知识库，AI智能导购可以更快速和精准的回复消费者关于产品或服务的疑问，并能自动提炼消费者标签，利用合理的话术，引导消费者转化。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️⭐️
1.5 智能客服
通过构建企业专属知识库，AI Agent 可以自动回答用户的咨询，处理订单问题和退货请求。相比传统智能客服，AI Agent可以支持用户灵活多样的问题，不用局限于传统的Q&A模板，可以大幅节省准备问答对的时间，提升智能客服的准确率。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️⭐️
1.6 舆情监控
通过爬虫自动爬取社媒网站的相关信息，例如消费者对企业/品牌的评论、消费者关注话题等等，然后交给AI大模型或AI Agent进行分析，并自动生成舆情报告，从而帮助企业更快速应对舆情变化。
场景价值：⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️⭐️
1.7 个性化推荐
将用户的历史浏览数据、购买数据以及当下和AI的上下文数据，作为输入给到AI Agent，Agent自动预测用户在未来对各类商品的购买率，进行重排后输出预估购买率最高的TopN商品，实现个性化的产品推荐。但风叔并不太建议用AI优化这个场景，因为传统的推荐模型已经非常强大了，基于Transformer的预测模型效果不一定能赶上。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️
2. 供应链
供应链的本质是管理好商品从采购、生产、仓储、物流的全流程，从而保障产品的持续稳定交付。无论是零售、电商、医药，还是面向B端的工业品、半成品，都需要良好的供应链系统来支撑业务的运行。
2.1 销售计划
销售计划是企业供应链最为重要的环节之一，只有确定了销售计划，才能更准确的安排采购和生产。销售计划的关键在于训练企业的销量预测模型，将过去一段时间内，各个品类的销量数据、促销活动信息、天气信息等数据，作为输入给到AI Agent，Agent预测未来一段时间内的销量，从而帮助企业提前做好商品配货。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
2.2 库存管理
库存管理的核心作用是为了应对产品销售的波动性，关键是对产品安全库存的计算。将历史各个品类的订单数据，各个供应商的供货数据，比如供货周期、供货价格，作为输入给到AI Agent，AI Agent预测每个品类的安全库存，并在商品库存预警时，自动发起采购流程。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
2.3 智能采购
采购计划是指企业需要提前采购多少原材料、找哪些供应商采购、采购周期是多久。AI可以对接企业的供应商、商品BOM等数据，详细解析销售计划文档，结合商品BOM清单、供应商成本和响应时间，输出标准采购计划清单。同时，自动向对应的供应商，下单特定数量的特定商品，并跟踪采购单的进展，提升采购流程的效率。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
2.4 供应商管理
根据企业对供应商的要求，自动在特定网站爬取供应商基本信息，并自动通过邮件等方式联系供应商；通过OCR等技术，自动检查供应商的各项资质和证书，进行筛选和入库
场景价值：⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
2.5 仓储管理
仓库工作人员可以通过对话方式，向AI Agent查询某个商品或品类在哪个区域；监测商品的库存数量，当库存数量达到安全库存水位时，自动向采购Agent发起采购请求，或者发送提醒给仓库管理员或采购员；通过OCR技术对各项单据进行检查，比如入库单、出库单、调拨单等等，对异常信息进行提醒。
场景价值：⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
3. 办公场景
办公场景天然需要和大量的文档打交道，因此也是AI大模型目前最为成熟和稳定的应用领域。
3.1 内部知识助手
通过RAG技术，将企业内部数据，比如产品说明、政策法规、流程说明、培训手册等文档，构建企业专属知识库。再通过AI Agent，以对话机器人或智能搜索的方式，对内部员工提供服务，即时解答员工的各项问题。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️⭐️
3.2 文档助手
相关内外部文件的快速分析、关键信息提炼、文档摘要总结等，方便员工更高效地和内部、外部各部门沟通协作。比如帮助员工快速总结会议信息、写周报、拟邮件等等。
场景价值：⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️⭐️
3.3 合同审核
利用AI大模型，帮助法务部门自动审查合同的潜在风险，比如甲乙方权利和义务、合同金额、时间范围、合同条款等等。同时，还能快速进行前后版本的合同对比，帮助法务部门快速找到合同修改点。通过相关数据的训练，AI还能快速进行合同的起草，大幅提升法务部门工作效率。
场景价值：⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️⭐️
3.4 智能培训
结合企业专属知识库，利用语音对话或数字人形象，对员工进行培训与评估。例如，AI可模拟消费者，和门店员工或导购进行对话，帮助员工快速熟悉对客话术。同时，基于员工的实际回答表现，评估员工的不足之处，并提供针对性的课程指引。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️
3.5 代码助手
帮助IT部门在日常编码工作中，进行代码自动补齐、代码查询或纠错、测试用例自动撰写、自动单元测试等等，提升IT部门效率。代码助手目前已经是一个非常成熟的领域，也出现了像Cursor这样的现象级产品。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️⭐️⭐️
3.6 数据分析
可与BI报表相结合，以输入框或语音对话的形式，方便业务部门快速查询数据或指标。但是AI数据分析的难点在于text-to-SQL的转换准确率，目前比较有效的优化方式包括：先生成业务指标，再做查询；或者给到大模型足够多的example，大模型主要做参数替换。
场景价值：⭐️⭐️⭐️⭐️
场景可行性：⭐️⭐️⭐️
