大数跨境

从流程数字化到智能经营:一家物业巨头的 Agent 落地实践

从流程数字化到智能经营:一家物业巨头的 Agent 落地实践 智能时代软件研发
2026-11-16
0
导读:89% 的企业已经在用 AI,但只有 37% 认为对利润有正向贡献。碧桂园服务用一套「先定性把关、再定量排序」的方法,从近 100 个系统里挑出 4 个智能体,把回收成本降了 75%。

在2026年10月30日 Agentic AICon 智能体应用与架构工程大会深圳站,碧桂园服务技术总监余俭做了题为《从流程数字化到智能经营:Agent 驱动企业业务模式变革的落地实践》的分享,系统梳理了碧桂园服务在企业级 Agent 落地上的完整方法论——从战略框架、场景选择,到技术底座与落地成效,为传统行业的企业级 AI 应用提供了一个可参照的样本。
图1 余俭在 Agentic AICon 智能体应用与架构工程大会现场

整场分享的核心判断是:单点的 AI 应用难以释放业务价值,真正的变革来自「流程重构 + 人机协同」,让 Agent 从个人提效工具,走向组织级的经营生产力。

以下内容整理自现场演讲,在保留原意的基础上略有删减。
一、起点:为什么「先想清楚做什么」比「做什么」更重要

余俭开场的切入点是行业的普遍焦虑:AI 投入持续升温,但回报却远未兑现。他引用了麦肯锡 8 月发布的报告《Road to the ROI》(通往回报之路)中的三组数据:89% 的受访企业已在业务中使用 AI;2026 年规模化部署 AI 的企业占比达 44%(2025 年为 38%);但仅有 37% 的受访者认为 AI 对企业 EBIT 产生了正向贡献。

「这里指的是『贡献』。」余俭指出,「AI 最终对企业营收带来比较明显的经营效率提升,目前仍是需要论证的命题。」

他的判断是:AI 在个人提效层面已趋于普及,但企业级的业务应用仍处于早期,只有少数领先企业能够真正兑现业务价值。正是基于这一判断,碧桂园服务没有选择「撒胡椒面」式地铺开 AI 场景,而是先建立一套清晰的落地方法论,再聚焦少数关键场景深耕。

图2 行业趋势与价值切入点
二、战略框架:PARA 定义了人机分工的边界

作为一家以传统服务为核心的大型企业,碧桂园服务面临的挑战具有典型性:一线人员体量庞大、人力成本高企、服务过程难以标准化、现场状态不透明。应对这些挑战,2026 年碧桂园服务将 AI 战略提升至集团最高层级,提出「PARA」框架,将服务生产力拆解为四类角色的协同:

P(People,人):承担判断与决策,处理复杂情境与例外,是服务体验与温度的载体。
A(Agents,智能体):承担需求理解、任务编排与调度协同,处于系统的「中枢」位置。
R(Robot,机器人):承担标准化、重复性的物理作业。
A(AIoT,智能物联网):承担现场感知,作为智慧社区的数据入口。

四类角色的定位,可以用一句话概括:「人决策、Agent 调度、Robot 执行、AIoT 感知」。这一框架的价值在于,它明确了人与机器的能力边界与协作关系,避免了「AI 替代人」的误区,也为人机协同的落地提供了清晰的顶层设计。

图3 PARA 四元方程

在运作机制上,一线作业被全面「工单化、任务化」:待办事项进入工单池,员工、设备、机器人构成资源池,由 Agent 统一调度,形成「计划—调度—执行—反馈」的闭环。余俭以保洁机器人为例说明了这种协同:机器人擅长地面清洁,却无法完成立面、玻璃等作业,因此任务被拆解——机器人承接标准化部分,人力承接机器人无法覆盖的部分,由 Agent 在中间完成匹配与调度。

图4 PARA 场景调度示意
三、场景选择:一套可复用的评估方法

「AI 的应用场景很多,但从集团视角,不能什么都做。」余俭坦言,集团数字化的预算与高管的注意力都有限,必须把资源聚焦在最关键的业务场景上。为此,碧桂园服务沉淀了一套场景评估方法,核心逻辑可以概括为两步——

先定性把关,再定量排序。

第一步,定性把关。每个候选场景必须满足五个条件:具备经营价值(能带来增收、降本或满意度提升);协同复杂度可控(跨部门拉通过于复杂的优先级下调);有可复用的专业知识沉淀;能形成一线反馈机制;有明确的业务 Owner。

图5 场景评估方法

第二步,定量排序。从「业务价值」与「技术可行性」两个维度打分——业务价值衡量重要性、覆盖范围与改善空间,技术可行性衡量成熟度、数据就绪度与系统接入便利度。综合得分决定优先级:高分优先推进,中分试点验证,低分暂作储备。

图6 Skill Hub 与 MCP 治理

这套方法背后的一个关键认知,被余俭反复强调:数据的质量与就绪度,直接决定了 Agent 的最终效果。而在系统侧,他提出了「AI ready」的概念——系统能力就绪与数据就绪同等重要。碧桂园服务已将全集团近 100 个系统的 MCP 能力梳理出来,并通过内部 AI 大赛沉淀近 500 个可复用 Skill,使一线团队无需经历传统研发的长周期,即可快速搭建业务应用、快速迭代反馈。

四、落地实践:四个关键场景的量化验证

在方法与技术底座之上,碧桂园服务落地了四个对经营影响最大的智能体。它们共同的特点是:每个都绑定明确的业务指标,用可衡量的结果验证价值。

外呼智能体:把重复性客户触达交给 AI

业主满意度是物业服务可持续经营的基础,而满意度调研是一项典型的「大规模、重复性、标准化」工作,长期依赖人工电话回访,存在覆盖面有限、持续性差、回应标准不统一等问题。

智能体上线后,这一场景的核心指标——样本回收率——给出了超出预期的结果:人工样本回收率约 10%,Agent 目标原定 7%(保守估计达到员工七成水平),实际落地较人工提升了近 4 个百分点;单样本回收成本也下降约 75%。

这一效果源于两个关键因素:一是场景适配,满意度调研属于高度标准化的服务触达,流程固定、口径统一,天然适合由 AI 规模化承接;二是技术仿真,通过对真实管家的话音特征进行建模合成,使 AI 的语感、语调高度接近真人。余俭特别强调其定位:「把重复性的客户触达交给 AI,让人力前置到更高价值的业主服务上。」

图7 外呼智能体:语音交互技术链路
工单智能体:把作业全流程串成闭环

工单是物业服务最核心的经营场景。传统模式下,排班、调度、质检高度依赖现场负责人的经验,突发情况需要临时协调,作业质量只能靠抽查,效率与质量都难以保障。

工单智能体将这一流程重构为完整的闭环,具备三项能力:自动排班与任务生成,替代了项目负责人的手工规划;任务分派与临场调配,人员临时缺位时自动匹配最近或负载较轻的人手;作业质检,基于上传的图片与任务上下文判断作业质量,不达标自动生成整改工单。

两项核心指标验证了其价值:自动工单覆盖率达 95%(剩余 5% 为系统无法预判的临时任务);质检准确率约 90%——相较过去近乎「黑盒」的状态,作业质量直接影响业主评价,这一提升意义显著。

图8 工单智能体闭环
诉求智能体:事事有回应,件件有着落

业主诉求的响应,是物业服务体验的关键触点。传统模式下,管家需要同时面对数百户业主、处理海量群聊与私聊消息,遗漏与延迟在所难免,而一旦响应不及时,就会升级为投诉甚至舆情。

诉求智能体的核心能力,在于对服务诉求的识别、归并与分发——当一条消息中同时包含多个诉求时,它能够自动拆解为独立事项、分别流转至对应责任环节:紧急事项即时升级处置,普通事项按类别转交对应岗位,咨询建议类信息则作为改进线索沉淀。这一机制的价值,在于让每一次业主诉求都能被准确响应、全程可追踪,避免遗漏与延误。

最直观的成效是:业主对服务响应的投诉降低了 46%,下降近 7 个百分点。余俭坦言,当前识别与召回仍在持续迭代,但方向已经得到验证——「业主的满意度,是物业公司的生命线。」

图9 诉求智能体群聊识别
经营分析智能体:从「看数据」到「驱动行动」

第四个智能体定位为经营分析助手,其价值不在于「能查数」,而在于把数据洞察转化为管理行动。它具备三层递进的能力:看数问数,让经营指标随时可查;洞察异常,对关键指标主动归因、预判趋势;驱动行动,将异常转化为有责任人、有期限、可追踪的待办,并与内部的办公与协同系统打通,形成从发现问题到解决问题的闭环。

这一智能体的意义,在于它改变了一线管理者的工作方式——从被动地「取数、看数」,转向主动地「发现问题、推动解决」。如今它已成为碧桂园服务管理层日常经营分析的统一入口。

图10 经营分析智能体能力架构
五、结语:AI 是否真正重塑了你的业务

分享最后,余俭用六个观点收束了企业级 Agent 落地的核心原则:从业务结果出发——先明确要解决什么问题;重塑业务流程——而非对现有流程的简单线上化;人机协同——以人为最终决策,Agent 负责理解与建议;三个就绪——数据、技术、业务同时就绪;以业务检验结果——用一线使用验证价值;持续运营——上线只是起点,靠反馈不断迭代。

而整场分享最具反思性的一笔,来自他转述的清华徐心院长的一个追问:企业落地了大量 Agent,但要追问——它究竟只是把员工原有的工作搬到线上,还是为企业带来了面向未来的核心竞争力?如果三年后同行都做了,你今天用 AI 完成的场景,还能否构成差异?

余俭坦诚,这个问题对自己的触动很大:「我们现在所有的业务场景,可能仍以优化、完善流程为主,尚未显著提升企业面向未来的核心竞争力。」而这也正指向了碧桂园服务下一步的方向——从「执行任务」,走向「Agent Loop」的工程化反馈优化,进而迈向让智能体「受控自我改进」的更高阶段。

图11 六大关键原则
从流程数字化到智能经营,
Agent 的终局不是替代人,
而是让组织里每一个人的工作方式被重新定义。
如果你身边有正在推企业级 Agent 落地的团队,欢迎把这篇文章转给他们。这篇最值得抄的不是四个智能体,是那套「先定性把关、再定量排序」的场景筛选法。
获取完整 PPT 可以添加小助手微信【AIIP2050】领取。
图片

分

享

有

礼



🔔 分享文章至朋友圈,添加小助手(微信号:AIIP2050),即可领取《企业级Agent 设计白皮书》电子版




END




我是「智能时代软件研发」,专注 AI 工程落地的现场观察与技术拆解。


如果你觉得今天这篇有收获,欢迎点赞、在看、转发三连,我们下篇见。



往期精彩内容回顾

人只在三处介入:用多 Agent 重建研发流程|Agentic AICon深圳站演讲实录
别再让团队失忆:从团队资产设计到 AI Native 基础设施落地
准确率飙升至 96%!拆解企业级 Agent 落地实战|Agentic AICon 深圳站演讲实录

【声明】内容源于网络
0
0
智能时代软件研发
秉承开放,链接的主题,围绕软件工程,需求工程,平台工程等一线工程能力建设, 融合数字化,云计算,区块链,新媒体等多个热门技术专题,打造最高效和前沿的技术交流平台,构建多元融合的工程能力生态圈为宗旨。一线前沿资讯,峰会速递,实践分享平台
内容 150
粉丝 0
智能时代软件研发 秉承开放,链接的主题,围绕软件工程,需求工程,平台工程等一线工程能力建设, 融合数字化,云计算,区块链,新媒体等多个热门技术专题,打造最高效和前沿的技术交流平台,构建多元融合的工程能力生态圈为宗旨。一线前沿资讯,峰会速递,实践分享平台
总阅读3.1k
粉丝0
内容150