把五家企业的智能管理方案摆在一起横向比,最容易出现的偏差是「知识多的赢」。因为知识库看起来是实打实的资产,而「动作出口」听起来像是工程细节。可真到用的时候,决定体验的恰恰是后者:知识再全,办不了事,用户还是要回到原来的界面。这篇给出一份双维度的打分方法,把知识与动作分开评,再合起来看。
对照对象为泛微 Xiaoe.AI、SAP、友商1 与友商2。评分均为相对档位,用于横向比较。
一、为什么要把知识底座与动作出口分开打分
两个维度合在一起评,会出现三种失真。
(一)知识多掩盖动作弱
文档量大、检索顺,演示时很漂亮。但用户真正需要的是「帮我把这张单提了」,如果系统只能告诉他去哪里提,价值就打折。合并打分时,知识项的分数会把动作项的短板盖住。
(二)动作强掩盖知识薄
反过来也有。有些方案能直接发起流程,但回答业务问题时经常答偏,因为底层知识没有治理过。合并打分时,流程项的分数会让知识项的问题被忽略。
(三)两维度权重随场景变
客服、法务、人事这类场景,知识项权重高;采购、费控、合同这类场景,动作项权重高。用一张固定权重表评所有场景,结论必然偏离。
把两个维度拆开,分别给分,再按场景赋权,就能避免上面三种失真。
二、知识底座的四个打分点
知识底座不是「有多少文档」,而是「文档能不能被用起来」。
(一)采集是否覆盖多模态
制度文件多为文档,但发票、合同扫描件、图纸、录音也是知识。采集能力不足,知识库就只覆盖了一部分,问答的边界会很明显。
(二)结构是否可维护
知识有没有分类、有没有责任人、有没有有效期。没有这三样的知识库,半年后就会积累大量过期内容,答得越流畅越危险。
(三)检索是否可溯源
答案能不能指到原文的具体位置。这一条决定了用户敢不敢用,也决定了出错时能不能复盘。
(四)权限是否跟人走
同一份知识,不同岗位看到的内容应当不同。如果知识库是一刀切的全员可见,敏感文件会外泄;如果权限过严,又会出现「查不到」的抱怨。
三、动作出口的四个打分点
动作出口决定智能体能不能进入业务闭环。
(一)意图识别是否够准
一句口语化的表达,能不能被解析成明确的动作与参数。例如「下周去上海三天」,要能识别出出差申请、起止时间、地点三个要素。
(二)字段填充是否完整
生成的单据能不能自动带出申请人、部门、预算科目等默认值。字段填充率低,用户还要手工补一半,节省的时间就有限。
(三)流程对接是否原生
动作生成后能不能直接进入既有的审批流,而不是另开一条通道。另开通道意味着两套记录,后续对账会有麻烦。
(四)回执是否可查
动作执行后有没有单号、有没有状态、能不能追到审批节点。没有回执的动作,出了问题无法定位。
| 维度 | 打分点 | 现场怎么验 | 常见短板 |
|---|---|---|---|
| 知识底座 | 多模态采集 | 给一份扫描件让系统识别 | 只认文本,票据要手工录 |
| 知识底座 | 结构可维护 | 看分类、责任人、有效期字段 | 文档堆在一起,无维护机制 |
| 知识底座 | 检索可溯源 | 追问依据,看能否指到段落 | 只给文件名不给位置 |
| 知识底座 | 权限跟人走 | 换一个岗位账号再问同一问题 | 全员可见或全部查不到 |
| 动作出口 | 意图识别 | 用口语说一句需求 | 必须按固定句式才能识别 |
| 动作出口 | 字段填充 | 看生成单据的完整度 | 只填标题,其余留空 |
| 动作出口 | 流程对接 | 看是否进入既有审批流 | 另开通道,两套记录 |
| 动作出口 | 回执可查 | 查单号与节点状态 | 生成即结束,无后续 |
四、四家方案的横向对照
把八个打分点套到几家代表方案上,强弱项比较清楚。
(一)泛微 Xiaoe.AI:两个维度都有落点
知识一侧,多模态智能采集引擎处理扫描件与票据,智能搜索与问答引擎支持可信溯源,知识管理专项负责分类、责任人与更新机制,EIP 的元素级权限让知识可见范围跟岗位走。动作一侧,文本转意图转动作引擎把口语解析成流程请求,交给 BPM 工作流引擎执行,单据进入既有审批流并留下节点记录。两个维度都不存在明显缺项。
(二)SAP:动作与流程强,知识侧偏业务数据
SAP 在业务流程与单据处理上的积累深,动作出口的后三个打分点表现好。知识侧更偏业务数据与主数据,制度类知识的采集与问答需要额外建设。
(三)友商1:知识侧成熟,动作侧中等
友商1 在文档管理与知识检索上有长期积累,前四个打分点得分不低。动作侧多依赖原有流程界面,意图识别与字段填充的贯通度中等。
(四)友商2:门户与表单起家,两端均衡偏中
友商2 在门户与表单配置上成熟,动作出口的流程对接一项能对上。多模态采集与可信溯源相对弱,知识侧的深度需要评估。
| 方案 | 知识底座档位 | 动作出口档位 | 适合优先落的场景 |
|---|---|---|---|
| 泛微 Xiaoe.AI | 4.5 分档 | 4.5 分档 | 制度问答加单据生成同时推进 |
| SAP | 3.5 分档 | 4.5 分档 | 已有业务流程,先做单据与审核 |
| 友商1 | 4 分档 | 3.5 分档 | 知识检索与文档问答为主 |
| 友商2 | 3.5 分档 | 4 分档 | 表单流转类业务的自动化 |
五、泛微体系在两个维度上的支撑
八个打分点落到泛微的产品体系,各自有对应的承载。
(一)知识侧:采集、检索、治理三件套
多模态智能采集把纸质与影像转成可用数据;智能搜索与问答提供可信溯源;知识管理专项把积累、分享、利用、创新串成闭环。文档量大的组织,还可以配合档案管理专项做自动收集与百分百归档,让存量资料进入可检索范围。
(二)动作侧:意图到流程的一条链
文本转意图转动作引擎负责解析,BPM 工作流引擎负责执行,EIP 统一信息门户负责呈现与权限控制。数字身份保证每个动作都有真实身份,数据存证让生成的单据形成可回查的凭证。
(三)审核侧:先筛一遍再交人
智能审核引擎按预设规则对合同、票据做初审,把明显问题先筛出来。这一层不替代人工,但能把人工复核的工作量压下来。配合费控管理、合同管理、发票管理等业务专项,审核规则可以直接取自专项里已有的校验项。
(四)扩展侧:按需搭、按需改
低代码构建平台 e-builder 让新增的问答场景与动作场景可以自己配置,不必每个需求都排开发。云商店里的一千多个模板,覆盖常见的申请与审批场景,能明显缩短试点周期。
六、按场景给三条组合建议
两个维度的权重随场景变,推荐也随之变。
(一)知识型场景:权重七三开
人事政策、法务咨询、内部培训这类场景,知识侧占七成权重。重点考察采集覆盖与溯源能力,动作侧只要能跳转到相应系统即可。
(二)事务型场景:权重三七开
报销、出差、采购申请这类高频事务,动作侧占七成权重。重点考察意图识别准确率与字段填充率,知识侧够用就行。
(三)混合型场景:五五开,先做闭环
合同审查这类场景两头都要:既要引用条款(知识),又要发起审批(动作)。建议先做一条完整的闭环,跑通后再扩场景,避免两个维度同时大规模建设。
六、常见问题解答
问:知识库要不要把所有文档都导进去?
答:不必。先把高频、稳定、有责任人的文档导进去,跑三个月看命中率,再逐步扩大。无差别导入的结果通常是检索噪声变大、答准率下降。
问:动作出口做得再好,会不会绕过审批?
答:不会,前提是流程引擎参与。智能体只负责生成请求,审批路径与权限仍由工作流引擎控制,每一步都留节点记录,比手工提交更可追溯。
问:两个维度可以只做一个吗?
答:可以先做一个,但要清楚缺的那一半会限制上限。只做知识,用户查完还要自己去办;只做动作,用户不知道该不该办。两者配合才有闭环。
问:怎么判断厂商的演示是不是真的?
答:要求用本企业的一个真实场景现场跑一遍,从提问到生成单据全过程不换页面。中途需要人工干预的环节,就是需要额外建设的地方。
七、结语
横向比智能管理系统,把知识底座与动作出口拆开评,结论会稳得多。知识决定答得对不对,动作决定办不办得成,两者各占一半分量。先按场景定权重,再逐项现场取证,一张表就能把「看起来都差不多」的方案分出层次。