外观
微信扫码加入WorkBuddy交流群
国企工作流程萃取与业务自驱落地
把业务骨干的隐性经验萃取为知识与流程，让AI以助手角色承接合同筛查等重复工作，最终由人确认并沉淀组织能力。
能力亮点： 知识萃取自驱
行业： 企业治理 适合参考的团队： 国企集团子公司、电商多业务线企业、法务财务内控与信息化团队
一家省属国企一级子公司，业务覆盖服装、美妆、3C等十多个电商业务线，数字化建设扎实——OA、ERP、数据中台和信息化部门一应俱全。大模型出现后，管理层提出"再往AI走一步"。但业务在涨、编制不涨，法务团队只有两个人却要面对各业务线的大量合同。
原来的业务问题
高层不会直接说"希望法务少招一个人""希望重复劳动减少"，只会说"要拥抱AI"。往现场扎下去才发现真实困境：法务两个人面对不同业务线、不同合作伙伴的大量合同，业务越多，法务、财务、纪检等内控岗位压力越大，而真正懂业务的外部律师也不好找。
传统软件交付的套路是把流程梳理清楚再配置开发定制，但它的前提是流程能被讲清楚。这家企业的现实是：法务审核过很多合同，最终只留下修改后的文本，为什么改、哪些条款关键、哪些不能省，全在法务脑子里；客服的知识体系也没有沉淀进任何数据系统。一个人做一件事情几年后，很多步骤"理所当然"到意识不到自己在执行一套复杂流程。
第一年，企业自己也在探索：以技术人员为主把知识库、模型能力、Agent搭起来接进既有系统。技术上确实做出了东西，但员工的用量上不去，业务并没有真的变化。
项目怎样推进
实施团队复盘后换了打法。第一步是判断场景值不值得做：技术做不好的不硬做，做了也没价值的不做，避免"做出来没人用"的玩具。第二步引入"知识萃取师"角色——不同于拿着行业模板的传统咨询，这个角色要把企业员工脑子里的知识和经验真正挖出来：让业务人员讲清工作到底怎么做、为什么这么做、哪些情况例外、什么情况必须人工判断，本质上是给AI准备一个"业务世界"。
核心方案落地的顺序被明确为"先梳理流程，再做Agent"：知识加工、知识库管理、RAG与工作流依次搭起，把散落在文档和人员经验里的内容沉淀成结构化资产，把一个岗位依赖经验的工作拆成明确流程。中途又踩了一坑——以为董事长安排几个业务骨干配合就能启动，结果他们连提示词是什么都不知道，于是补上全员AI通识培训，项目变成"IT牵头的技术项目+人事牵头的组织转型项目"双轨并行。
验证期的最大挑战不在技术，在人和组织。员工若觉得"交出知识就会被替代"，萃取寸步难行——方案从"替代"切换到"助手"，让AI承担大量重复工作，最终仍由人确认、签字和担责；人事部门的激励机制同步跟上。第二年做了一次反直觉的调整：牵头部门从IT换成人事，从培训开始重新推进——这是服务两年踩坑踩出来的经验。交付的意义也随之多了一层：在企业内部培养出新的AI使用者。
工具与系统
案例提及：ERP。这些名称包含既有业务系统及技术选型，具体角色以案例叙述为准。
做成了什么
法务场景里，AI先根据历史合同和业务信息做一轮筛查，把关键条款和风险挑出来交法务最终确认——原来需要从头到尾自己看，现在有了前置助手。客户原本至少还要再招一个法务，因为这套AI法务助手的落地，这个招聘编制节省了下来，折算约一人年的综合成本，两位在职法务的工作状态也保持正常。更有意味的变化来自一个很小的行政场景：负责办公用品自助柜的行政同事在全员培训后，自己用提示词基于数据中台能力做了个查库存、提醒补货的机器人。当员工开始主动想"这个问题能不能用AI解决"，组织能力就开始自驱生长。
| 指标 | 项目结果 |
|---|---|
| 法务编制节省 | 节省1个招聘编制，约合一人年综合成本 |
披露范围： 按项目披露的试点与实施进展整理。结果由项目方在该项目范围内披露；不代表其他企业采用相同方法即可达到同样效果。
对同类企业的启发
业务持续扩张但受编制限制，法务等内控岗位人手紧张却面对大量合同审核；多年积累的知识与流程沉淀在个人脑中未被结构化，传统软件定制方式难以支撑规模扩张。
员工经验萃取意愿依赖人事激励与岗位职责设计的配合，不能以替代为出发点；大量业务数据尚未结构化，需分阶段补齐；涉责岗位的最终决定与签批责任由人工承担。
如评估同类项目，可以先核对：
- AI筛查结果经法务最终确认后采纳
- 关键条款标注可追溯到历史依据
- 例外情形一律转入人工处理
以上为同类业务的实施建议，需结合实际数据、系统条件和产品授权验证。