大数跨境

博世用豆包工作:让工程师少搬信息,多解问题

博世用豆包工作:让工程师少搬信息,多解问题 极客公园
2026-11-06
23
导读:重复的步骤交给 AI,精力可以回到更重要的事情上。
重复的步骤交给 AI,精力可以回到更重要的事情上。

从客户在群内提问到工程师正式分析故障,中间往往隔着繁琐的信息整理、人员协调与报告撰写。在博世某研发事业部,这一过程曾耗费大半天时间。如今,通过引入豆包工作及豆包工作伙伴,工程师将大量中间环节交由 AI 处理,显著提升了效率。

博世的尝试:让 AI 接手沟通后的繁琐工作

汽车产业链企业的研发部门常面临人力紧缺问题,一名工程师往往需承担多重角色:既要紧盯研发细节,又要处理大量日常重复性工作。

以博世某对接客户的团队为例,面对同一客户不同项目的测试、路试或投产问题,消息分散在各个群组中。工程师需从碎片化信息中提取项目、软件版本、故障代码、报错时间等关键要素,再凭经验排查或转交对应负责人。若信息不全,还需开会澄清并输出报告,流程冗长。

工程师收到的问题信息,包含待补齐字段(已脱敏,demo 示意)|图片来源:豆包工作

促使该团队做出改变的痛点主要有二:

一是知识沉淀困难。过往经验多依赖个人记忆,云文档和知识库因模板不一、忙碌疏漏而难以有效更新,导致人员流动后经验断档。

二是信息采集被动。客户提问多为流式发生,难以一次性提供完整字段。碎片化信息若无法及时整合,后续分析便无法启动。

豆包工作及豆包工作伙伴的介入,重构了这一工作流。

人机协同工作流程示意|图片来源:豆包工作

自动化信息聚合与初稿生成

工程师可在豆包工作中配置定时任务,自动巡检私聊消息,识别故障类信息并转发至专项话题群。此过程无需改变客户沟通习惯,也减少了工程师手动搬运信息的工作量。

进入专项群后,每个问题独立成题,避免任务混杂。豆包工作伙伴自动爬取群内历史上下文,将碎片信息聚合成完整描述,调用标准模板生成报告初稿,并同步登记至飞书多维表格,提醒相关人员处理。

生成问题报告,并登记问题状态(已脱敏,demo 示意)|图片来源:豆包工作

AI 生成的初稿能覆盖约七八成的内容,缺失的关键信息标记为「待补充」。工程师只需在初稿基础上核对、补齐,无需从零开始撰写。

会议旁听与知识自动归档

针对需会议讨论的细节,工程师可邀请豆包工作伙伴参会。AI 全程旁听,散会后自动将澄清信息同步至报告,省去了人工转述环节。最终报告经人工复核确认后发送给客户。

会后补全信息,补充报告(已脱敏,demo 示意)|图片来源:豆包工作

处理完成的报告自动归档至团队知识库,进度留存于多维表格。当遇到相似问题时,AI 可检索历史材料,提供初版台账和归因建议。其调用的知识既包含外部行业通用故障码含义,也涵盖团队内部的历史沉淀,即便离职员工处理的案例也能被复用。

该项目从需求提出到落地仅用一周多时间。豆包工作伙伴上岗第一天即可参与实际工作,后续一周主要用于根据工程师反馈调优细节。目前,AI 已稳定处理数十份报告,达到良好水平,剩余的关键判断仍由工程师把关。

不起眼的工作里,藏着 AI 的真实价值

引入豆包工作后,工程师减少了消息搬运和报告重写的工作量,并能快速调用历史经验。这使得团队能将精力重新聚焦于问题分析、验证及客户沟通等高价值环节,实现了实实在在的产能提升。

更深远的变化在于信息流动方式的转变。过去,沟通结束意味着信息散落在聊天记录或个人脑海中;现在,这些信息自动转化为任务、报告和知识库条目,从个人文件变为团队可复用的共同资产。

结合历史知识库和会议输入,形成问题参考(已脱敏,demo 示意)|图片来源:豆包工作

以往对 AI 的讨论多集中于其能否替代复杂的专业任务,如写代码或出方案。但在实际知识工作中,专业判断仅占部分时间,大量精力消耗在沟通后的整理、记录、流转和归档等琐碎事务上。

博世的实践表明,AI 的价值未必体现在核心决策环节,而在于接管沟通后的整理与执行工作。通过将琐碎步骤交给 AI,工程师得以腾出手来,专注于真正需要人类智慧的专业判断。AI 不必做最重要的事,却能通过优化流程创造重要价值。

极客一问
AI 先扛琐碎,
是产业落地的最优解吗?
【声明】内容源于网络
0
0
极客公园
用极客视角,追踪你最不可错过的科技圈。
内容 1168
粉丝 0
极客公园 用极客视角,追踪你最不可错过的科技圈。
总阅读82.1k
粉丝0
内容1.2k