腾讯生态大会的闭门会上，WorkBuddy 分享了什么

最近在一场腾讯生态大会的闭门分享上，我看到一组材料。主题是广东省政务服务和数据管理局的「湾擎·WorkBuddy」：让 AI 走进政务日常办公。它是腾讯 WorkBuddy 的政务私有化版本，依托广东省级政务智能中枢「湾擎」，在信创环境里私有化部署、数据不出域。

我看完之后，第一反应不是“这个产品功能很多”。

恰恰相反，我看到的是一条很朴素的落地路径：先把业务做成，再把做法沉淀下来，最后让更多人复用。

因为它没有把 AI 讲成一个聊天窗口。

材料里有一句话，我印象很深：

从问答查询，到闭环交付。

这句话的分量，比“支持多少模型”“有多少功能”更重。

问答只是起点。真正进入工作现场之后，AI要面对的是另一组问题：

这也是我一直在HR场景里反复强调的判断标准：AI有没有进入流程，不看它会不会聊天，看它能不能稳定交付一件具体的工作。

广东这个案例，恰好把这件事展示得比较完整。

先说清楚证据边界：下面提到的数字和案例，来自这场闭门分享及公开报道，是分享中展示的项目口径；我不把它们扩写成独立审计结论。我的部分，是基于这些材料做的实践判断。

很多企业一上来就问：AI什么时候能全面替代？

这类问题通常问早了。

湾擎·WorkBuddy公开的时间轴，展示的是一条不算快的路：

这条时间线给我的启发是：AI落地不是下载软件，而是经历“谋篇布局—底座建设—试点应用—真实任务—规模复制”几个阶段。

放到企业里也是一样。

HR如果今天才开始搭专家团，第一阶段不应该是“把所有流程都自动化”，而应该是选一条口径稳定、风险可控、结果容易验收的业务线，先跑通。

比如：

先让AI做一件小事，而且这件小事必须能被人看懂、被人复核。

材料里把能力概括为六个模块：

— 湾擎·WorkBuddy 六大核心能力全景（现场拍屏）

这六个模块如果拆开看，像是一张产品功能表。

但合起来看，它们其实对应一条工作链：

发起任务 → 调用知识和专家 → 执行业务步骤 → 定时复用 → 留下安全与审计记录。

这就是我理解的“交付式智能体”。

它不是只负责回答问题，而是负责把一项工作往前推进。

以HR为例，一份薪酬月报不应该只是“请AI分析一下这张表”。真正的流程至少包括：

如果AI只能写最后一段分析，它只是写作助手。

如果它能按照这条链条，稳定完成其中一部分，并且每一步都有边界，它才开始接近“业务助手”。

这套材料最有说服力的部分，不是“AI可以赋能政务”，而是几个具体案例的前后对比。

案例一：中小企业画像分析

材料展示的场景是：整合多源企业数据，构建标准化、结构化的企业画像，再对照优质中小企业梯度培育标准逐项评估。

材料展示的前后对比很直观：原来靠人工多源采集、汇总、整理的评估工作，在画像数据标准化、结构化之后，评估流程随之自动化，耗时大幅缩短。

它不是简单地把一份表格交给AI，而是拆成了四步：

这四步换成HR语言，就是：

关键不在“AI算得快”，而在于它把原来混在一起的工作拆开了。

案例二：排污许可非现场执法核查

材料展示的场景是：依据一整套业务规则，比对企业的自行监测方案与排污许可证副本，判断是否合规。

原来靠人工逐条比对，耗时长，还容易漏检；材料展示的做法，是把核查从人工逐条比对变成自动比对，结果可复现。

这类工作非常适合做成专家或技能，因为它有三个特点：

HR里也有很多类似工作：

这类流程最适合先做“只读型专家”：只负责读取、比对、标记异常，不直接替人做最终决定。

— 概念图：文件逐条自动比对与合规核查

案例三：城市治理主动发现

这个案例更接近真正的流程协同。

材料里提到，把无人机巡查系统与转办处置系统两套原本独立的系统，用智能体衔接起来，让城市治理从“被动接诉”转向“主动发现”。

其中变化最直观的，是两类事项的处理都明显提速：问题隐患的审核判定更快，民生诉求的反馈处置也更快。

它的流程不是“AI写一段话”，而是：

发现问题 → 智能判定 → 自动派单 → 部门处置 → 无人机复核 → 闭环销号。

这也是企业专家团和普通聊天机器人的分水岭。

普通聊天机器人回答“应该怎么做”。

流程型专家团还要继续追问：谁来做？什么时候做？做完之后怎么验收？异常如何退回？

材料最后一页讲的是“落地生根，开枝散叶”。

推广路径被拆成四步：

试点先行 → 场景融合 → 技能沉淀 → 全省复制。

这四步，我认为比规模数字更值得企业学习。因为规模数字只能说明结果，四步路径才说明结果是怎么来的。

试点先行，是先找一小批愿意共创的人；

场景融合，是把AI塞进原来的业务流程，而不是另开一个聊天窗口；

技能沉淀，是把跑通的方法固化下来，换个人也能用；

全省复制，是让其他单位直接复用，而不是每个单位重新摸索。

HR搭专家团，也应该这样做。

不要先按组织架构切成“招聘专家、培训专家、薪酬专家”。

更实用的切法，是按业务闭环来切：

因为业务最终要的是一条能走完的路，不是一排互相不认识的助手。

材料里把这种改变概括为四个方面：认知、业务、技能、协同。

— 改变的不只是工具，更是工作方式（现场拍屏）

我把它翻译成企业里更容易落地的话：

这四个改变里，最后一个尤其重要。

AI越接近真实业务，越不能只谈效率。必须同时谈边界。

我在HR培训里经常用一句话：

是搭积木，不是捏橡皮泥。

Skill是一块积木，解决一件固定的事。

专家是几块积木加上角色、工具、边界，形成一个岗位能力。

专家团则是把多个专家按照业务流程串起来，由一个总管收口，再加一个守门人挑错。

这和湾擎·WorkBuddy材料里展示的“专家、技能、知识中枢、任务自动化、安全增强”是相通的。

企业AI落地，至少要问清楚五件事：

五个问题答不清，先不要谈全面推广。

先把一条最短的业务线跑通。

从这组政务落地案例里，我看到的不是“政务部门也开始用AI”这么简单。

我看到的是：AI真正进入业务之后，必须经过一条很具体的路——

真实任务试点，规则和知识沉淀，流程自动衔接，结果交付验收，成熟做法再复制。

这条路放到HR里同样成立。

你不需要一开始就搭一个无所不能的超级专家。

你只需要先选一条业务线，把输入、规则、输出、边界和验收标准写清楚，然后让AI在这条线上跑一遍。

跑通一次，再沉淀成技能。

沉淀几个技能，再串成专家团。

等到别人也能复用，才算真正落地。

如果你正在做招聘、薪酬、培训、绩效或人才发展中的某条AI流程，欢迎把你卡住的那一步发给我。我们先判断：你缺的是一块积木，还是一张验收卡。

我是雷神，聊 AI 在各行各业领域的真实落地。

公众号：雷哥AI探究

微信：174169952