过去几年，不少企业都做过大模型试点：接一个知识库问答，做一个能对话的机器人，内部演示时反馈不错，散会之后却很少有人再打开。问题很少出在模型能力上，而是出在落地路径——知识散落在不同系统里，业务流程没人梳理，权限边界说不清楚，业务部门提了需求，IT部门排不上期，交付出来的东西和真实工作场景隔着一层。
这几乎是传统行业集团推进企业数字化转型时都会撞上的门槛。真正决定成败的，不是能不能接上大模型，而是能不能把大模型、数字人、AI智能体这些能力，变成业务人员每天愿意用的工具。而这靠的不是买一套现成系统，需要的是可复用、可运营的底座，以及一条从场景到落地的清晰路径。
家居建材行业是这类矛盾的集中样本。品类多、渠道长、门店分散、人员流动快，知识传递的链条被拉得很长。本文要谈的某家居建材行业头部集团，恰好站在这样一个位置上。
该集团是家居建材领域规模靠前的产业集团之一，业务横跨多个品类与自有品牌，从生产制造、渠道分销延伸到终端零售与售后服务。它的组织形态在行业里很有代表性：总部负责品牌、产品与渠道政策；区域公司承担落地管理与经销商服务；再往下是遍布各地的直营与加盟门店。门店经营者有相当大的自主权，既是集团的销售终端，也是独立经营的主体。
这种结构带来两个明显特点。
信息化方面，该集团这些年建成了ERP、CRM、订单与售后等系统，也上线了协同办公平台和内部知识库。系统不少，但彼此相对独立，文档沉淀在各个部门的共享目录里，检索主要靠关键词，找不到就只能问人。集团信息中心负责人的说法很直接：不缺数据，缺的是把数据变成业务人员随手可用能力的路径。此前集团也接触过外部AI产品，做过小范围试点，但标准产品与自家业务术语对不上，试点结束后没能延续下去。
在项目启动前的调研里，数商云团队和集团信息中心一起走访了培训、渠道、售后、市场等部门，最后把诉求归拢成几类。
数商云给出的建议是，先不要买一套成品数字人，也不要一上来就做“全能助手”。企业级AI应用的关键属性是可复用、可运营、可扩展。因此路径被拆成两层：底层是AI Agent开发平台，把大模型接入、知识管理、智能体编排、工具调用、权限控制、效果评测这些公共能力沉淀下来；上层是具体场景的数字人智能体，由业务部门深度参与，在平台上搭建和迭代。这样做的价值在于，某个场景跑通之后，后续场景不必从零开始。
配合集团的实际节奏，双方确定了几个优先场景。
① 门店导购数字人教练。导购在门店遇到不会讲的产品、不确定的卖点，直接问数字人。它既是随时在线的培训老师，也是产品知识的统一出口。培训部门把新品资料同步进知识中枢，门店当天就能用上新口径。
② 经销商服务助手。承接政策、返利、售后责任划分等高频咨询。简单的直接回答，复杂的生成处理建议并转给对应区域负责人，问题不再凭空消失。
③ 内部服务台。面向集团员工的IT、人事、行政类咨询，由AI智能体先接一轮，把重复问题挡在人工之前。
④ 营销内容生产。门店和市场人员输入产品信息与活动主题，由数字人生成讲解脚本和短视频素材，市场部保留合规审核环节。
方案落地的关键动作之一，是把数字人从问答工具变成业务入口。数商云团队为集团梳理了一批可被智能体调用的业务能力，比如订单状态查询、售后工单创建、政策文件检索。用户在对话里说出诉求，AI智能体判断意图，调用相应接口拿到结果，再用自然语言返回。整个过程对用户来说是“一句话的事”，背后是权限校验、接口调用和结果组装在协同。
家居建材行业的特殊性在于，答案往往不是唯一的。同一款产品在不同区域、不同渠道可能适用不同政策。方案因此没有把知识做成一份大而全的文档库，而是按区域、渠道、角色维度做了分层管理。数字人回答前先确认用户身份和场景，再给出对应口径。这一设计在后续运营中被反复验证，也是项目能持续推进的原因之一。
项目没有直接进入开发。最先做的是场景盘点，数商云团队与集团信息中心、培训、渠道、售后、市场等部门坐在一起，把候选场景按发生频率、痛点强度、数据完备度、责任人是否明确几条标准做排序，先做能形成闭环的，暂时搁置条件不成熟的。
进入开发阶段后，双方采用共创工作坊的方式推进。业务专家负责提供真实问题和标准答案，数商云团队负责把这些内容转化为智能体的知识结构和对话流程，再通过小范围灰度收集反馈。有段时间，团队每天上午看对话记录、下午调整提示策略和知识切片，反复打磨的是“答不准”和“答得太啰嗦”两类问题。集团项目负责人回忆，前期最耗时的不是技术，而是让业务部门相信这件事能落地，所以每一次迭代都拿真实门店的问题来验证。
上线阶段采取的是试点先行。先在部分区域和门店开放，选出种子用户，建立问题反馈通道；同时帮助集团培养了一批内部智能体运营人员，负责后续知识更新和场景扩展。数商云团队的角色也随之从交付方转向方法论的传递者。
变化最直观的地方在门店。以前新导购上手，靠老员工带、靠自己翻资料，遇到不确定的产品问题往往选择回避；现在掏出手机就能问，回答统一来自总部的最新口径。带教周期明显缩短，门店讲解的一致性大幅改善——这件事对品牌来说，价值不亚于成交本身。
渠道服务的变化同样明显。过去区域经理每天要回复大量重复咨询，现在相当一部分问题由数字人直接接住，只有复杂情况才转到人。区域经理的时间结构变了，从“接电话的人”回到“经营渠道的人”。经销商那边也少了等待，问题随时能问，答复有依据、可追溯。
内容生产环节的节奏也松了。市场部不再是一个人扛所有门店的素材需求，门店可以自助生成讲解脚本和视频初稿，市场部把关合规与品牌调性。整体出稿效率明显提升，门店做活动的积极性也跟着上来。
更深一层的变化在知识本身。过去散落在共享盘、邮件、聊天记录里的经验，经过梳理变成了有来源、有版本、有责任人的资产。谁负责更新、什么时候生效，都能查到。管理层还能从高频问题里看到线索——哪些政策表述容易引起误解，哪些产品说明需要重写。这些信息反过来推动总部优化政策与产品资料，形成一条从终端反馈到总部决策的通路。
对IT团队而言，角色也变了。从被动接需求、逐个交付系统，变成运营一个平台，业务部门在上面自助搭建智能体。需求仍然多，但不再是无边界的定制开发。
回看这个项目，有几条经验值得其他行业参考。
数字人本身不是目的，能不能接入业务、办成事才是分水岭。形象和语音只是入口，后面站着的是知识治理、智能体编排和系统集成。缺少后者，数字人很快就会回到“演示”状态。
平台比单个场景重要。某个智能体搭建得快不快不重要，重要的是后续场景能不能复用同一套底座。企业自主搭建的核心能力，最终落在平台上，而不是落在某个具体应用上。
业务部门必须在前排。知识从哪来、答案对不对、口径怎么统一，只有业务专家能判断。IT负责平台与安全，业务负责内容与场景，这个分工越早明确越好。
这套逻辑并不只适用于家居建材。零售连锁、装备制造、医药流通、能源化工等行业，凡是渠道层级多、人员流动快、知识更新频繁的企业，都会遇到相似的处境。数商云在企业级AI应用与大模型落地上的实践，正是围绕这条路径展开。欢迎联系数商云团队，获取专属的数字人AI Agent建设与落地咨询。
点赞 | 0
