大模型融合办公场景，实现万人企业内部的高效协同|人工智能技术|办公场景|大模型|智能化|算法

大模型技术已经成为各行各业的关键驱动力，在协同办公领域中，具有丰富且可落地的业务场景，本文挑选了6个可以获得高收益、快速落地、有良好效果的应用场景，供大家参考，今天的内容将从以下三个部分进行展开：

1. 大模型在协同办公中的应用场景与建设路径

2. 针对大模型幻觉和数据治理的解决思路

3. 大模型的落地实践案例分享

分享专家｜杨国生泛微网络副总裁

内容已做精简，如获取专家完整版视频实录和课件，扫码领取

大模型在协同办公中的落地场景与建设路径

大模型的AI技术，能够打造一款让用户高度自然交互的智能办公平台，简化前台操作，让软件自动识别，办公场景中各类系统功能指令。这不仅仅为员工的工作方式带来了变化，还能让员工更专注于以客户需求为服务中心，更专注于解决更复杂的问题和更具有创造性的工作。

融入大模型的协同办公场景会有哪些？

实际上，大模型可广泛应用于日常工作中的各类场景，例如像市场、营销、采购、行政、人事等等，具体比如会议室预定、日程安排、知识问答等等。

接下来举例几个具体的场景应用。

人事考勤场景：这是在办公领域很典型的一个场景，在结合大模型的能力后，让用户使用就变得极为简单。只要说一句话，比如“查询我上周的考勤情况”，那么就可以自动地、精准地识别出上周的考勤情况了。

行政管理场景：日程的安排也是办公领域很常见的场景，在结合大模型的能力后，只要说一句话，就可以自动地、精准地识别出日程安排，包括同事为我安排的工作和自己创建的行程。

商务订票场景：企业商旅出行订票是很多业务人员经常要用的一个功能，在结合大模型的能力和RPA能力后，只要说一句话，比如“查询下周一去北京的机票”，就可以自动的检索各个商旅平台，下周一去北京的各个时间段的机票情况、价格信息等，比较很方便让员工做出选择。

合同审批场景：在采购过程中，会经历合同申请、审批，在结合大模型的推理能力后，比如和某位客户的办公软件采购合同，首先大模型会自动地抽取跟客户有关的方案报价信息。这实际上是利用大模型提取的能力，同时把提取出来的信息，再结合公司标准的合同模板，就自动地生成客户的合同。

人工只要简单地确认一下信息，就可以省去撰写合同的工作量，同时在整个合成的过程中，也涉及到合规方面智能审查，这部分工作量也通过智能模型的能力得到了有效减负。

通过上述场景的介绍，整个智能化的协同系统，实现路径是怎么样的？

整体来说可以分为四个环节：

第一，前期建设的核心是要找到典型的需求场景；

第二，根据具体需求来设计整个场景的交互体验；

第三，根据场景去做前期的数据收集，和语料的标注、训练等等；

最后是整体系统开发实施、测试、上线、运维。

在这个过程中，前期需要根据需求场景做些样本，用样本数据去测试模型在特定场景下的整体效果是怎么样的。通过这样的前期样本测试后，再继续展开所有场景的训练和测试。

测试的过程实际上是一个迭代的过程，直到最后根据测试样本的指标，去验证它的整体效果，最后达到上线的标准。

大模型落地业务过程中，遇到的难题与解题思路

第一个是大家比较熟知的大模型幻觉问题。

举一个例子，比如说用户要预定会议室，那按照这个场景的设计，它应该是会产生多轮的对话询问，包括预定哪个会议室、什么时间开始、什么时间结束等等。

从上图很显然可以看出，它编造了会议的地点、会议的时间、甚至会议的内容。

那如何一步步去解决幻觉问题带来的影响？

1. 可以通过优化提示词，这是很常见的一个方法。优化提示词来严格地告诉大模型，帮它做好角色的定义，比如说“你是一个关键信息的抽取器，用来提取我这句话里面有哪些是关键信息”，这就是一个角色定义。

2. 可以根据每个场景中表单的字段信息，告诉模型用途。比如说会议地点可以加以标注，会议地点是用来开会的地方，让大模型更能容易理解。

3. 时间方面的问题属于大模型中比较典型的，目前可以弱化这方面的推理生成的能力。比如说上周四到本周二，因为结果由于跨月份后，上下月衔接的时间中，生成的会不太理想。那这时候会去弱化它对时间的推理能力，让模型不要生成具体的开始时间、结束时间，而是直接提取用户表达的信息。当我们拿到比如上周的这个时间表达以后，会用泛微的模型去做转化，转化出正确的时间段以后，再结合大模型本身的结果，整合到一起再推给终端用户。

4. 如果确实碰到一些场景存在大量的多样性样本，导致整个效果不是很好的情况下，需要抽取各自的样本去做微调。

第二个典型问题是企业对数据管理的要求十分严格。

当前部署大模型都是以SaaS的API的形式来服务的，GPU资源贵是很重要的制约条件。

那么企业组织过程中，经常会有敏感的数据，比如说人员信息，企业名称信息等等，这些信息直接用API的方式出去是不合适的，所以为了避免企业关键的敏感信息泄露，也实现了一套脱敏的算法。

整体的流程如上图所示，当用户发出请求后，我们会去识别里面的关键信息，是不是属于我们定义的敏感信息，比如说人名、企业名等等，如果识别到了，会把信息提取出来，然后用特别的算法去做加密，并自动形成密文表。

加密还有很重要的关键点，一定要带有语义的加密，不是从前那种MD5之类的方式，加密后会让大模型不认识，带有语义的加密信息通过大模型生成完后，再自动解密。

带有语义的加密可以举几个简单例子，比如说周杰伦马上要在上海开演唱会，会自动把它加密成张某杰这样方式，张某杰对于大模型来讲，还是能知道它代表人名的意思，而且这个密文还是随机的。

大模型在协同办公中的实践案例

传统办公与运营过程中面临的挑战较多，痛点主要分为以下四个方面。

第一，组织规模大了以后，遇到事情不知道找谁，员工之间往往都是互相不熟悉的，每个人实际上都有自己业务专长，碰到某个问题以后，不知道找哪个专家去协助解决。

第二，公司的产品越来越多，业务越来越广，每个业务团队要求需要更高的知识背景和更全面的客户了解。企业内部实际上已经沉淀了大量各业务条线的专业知识，是否可以充分挖掘出来，直接让业务员便捷访问，快速得到需要的答案。

第三，随着企业的发展，往往需要更多的数字化应用的功能来支撑，但是功能多了，员工学习成本、使用成本也就越来越高，不经常用的功能入口往往不容易被找到。用户是否可以以一种自然语言的方式，方便地使用，来提高系统的使用和办事效率的方式。