“出差，正在被一句话改写”
在 2026 飞书未来无限大会暨豆包工作开工大会上，携程商旅展台的主角，是一套能“对话”的差旅服务：在豆包工作的对话窗口里，员工说一句出差需求，差旅 AI 就能查政策、做行程、一键下单，全程一两分钟。
其实携程和飞书的缘分也不浅。2025 年下半年，携程 4 万多名员工整体迁入飞书办公平台；这次把差旅 AI 接进豆包工作，交互方式也从“点击跳转”变成了“对话即服务”。能做成这样，背后是 20 年差旅数据的积累。AI 到底能解决多少问题？“效率提升 10 倍”是怎么算出来的？能力开放出去，壁垒还剩什么？带着这些问题，极新和携程商旅全国渠道生态总监张航聊了聊。以下为采访实录。
93% 的答案，7% 的温度
Q：携程商旅推出了面向差旅全场景的AI生态。AI能在多大程度上解决差旅中遇到的问题，有哪些是现阶段AI很难替代的？
张航：我们内部做过统计，目前我们的Agent 已经能覆盖 93% 以上的常见差旅咨询场景，比如政策查询、预订规则、报销标准、行程变更指引这些标准化、高频的问题，员工基本上不需要找人，自助就能解决。
但剩下不到 7% 的场景，恰恰是最需要 "人" 在的时候，这就人机协同（HITL）机制。我们把它归为两类：
第一类是需要人工判断的复杂决策。有些问题不是查个知识库就能回答的，比如涉及和外部供应商的资源协调以及在多轮对话中还是无法自助解决的问题，这时候 AI 只能给到参考信息，最终判断还是需要差旅顾问来做。
第二类是需要人工及时介入的紧急和重要操作情况。比如旅途中遇到航班大面积取消、天气突发事件、客户在境外遇到安全问题，或者订单履约过程中出现的售中售后问题 —— 这种时候员工需要的不只是一个答案，而是有人立刻帮他处理，对于客诉升级，大额订单退改等重要场景也会人工介入。
把高频、标准化的问题交给 AI，让人去处理真正复杂、真正紧急的事情。这不是说 AI 做不到，而是差旅这个场景里，"人的温度" 和 "专业判断" 本身就是服务的一部分。
Q：“效率提升约10倍”这个数据是在什么条件下测出来的？是理想场景下的峰值表现，还是真实企业环境中的平均结果？不同规模、不同差旅管理成熟度的企业，效率提升幅度差异大吗？
张航：这是真实员工差旅场景的流程对比，是我们从企业客户的真实操作得出的结论，并非理想场景的峰值表现。
传统模式下，员工订一次机票加酒店，搜索、筛选、比价、填信息、提交订单，十几个环节走下来，平均 15 分钟打不住。要是跨境或者多段行程，40 分钟也很正常。这还没算他在差旅申请、预订、报销好几个系统之间来回切的时间。
换成新模式以后，员工只要说出出差要求，AI 在合规框架里直接匹配方案，确认就下单，一两分钟的事。
所以 10 倍这个数，其实是取了一个偏保守的平均。对那些政策严、流程重的企业，提升幅度比 10 倍还要大。
至于不同企业之间的差异 —— 确实有，但最大的变量不是公司规模，而是差旅管理的成熟度。例如：系统集成的深度。如果已经通过飞书这类平台把申请、审批、行程提醒都打通了，员工不用切换系统，就能完成预订，在预订场景的效率可以说提升约10倍，而数字化基础弱一些的企业，AI 带来的相对提升更大。
越开放，越难被复制
Q：携程商旅强调20年差旅管理数据经验的积累。这个积累在AI Agent能力上，具体体现为什么？
张航："20年数据积累"这句话，具体可以体现在以下三点。
第一，是数据基座的广度，它决定了AI的认知边界。20年做差旅管理，我们沉淀下来的是一张覆盖全球的机票、住宿和地面交通网络的实时信息，这背后还有100万+企业客户、6000万出行人真实的知识库。这些是通用大模型给不了的。你问一个大模型"北京到上海有哪些航班"，它答得出来；但你问它"这家企业这个岗位的差标允许什么舱位、这家协议酒店对这家客户的履约价是多少，它就不知道了。数据基座决定了一个Agent能不能给出"既懂行业、又懂这家企业"的答案。
第二，是数据被加工成知识和规则之后，决定的判断力。20年沉淀下来的不只是原始数据，更是被反复验证过的行业know-how。比如退改签规则是有专人团队在维护的，目的地知识库是持续更新的；我们还在大量历史风险订单里——机票退款至个人、酒店异常调价套现、用车异常订单、员工行程冲突——训练出了合规风险模型，再基于这套模型和出差意图识别，做到了自动审批。这块有一个可以量化的结果：我们的合规风控能力，累计已经为企业挽回损失2800万+。这就是数据"变现"成风险判断力的直接证据——同样一条退改签政策，通用模型只能转述，我们能判断这一个订单对于企业是否合规。
第三，也是最容易被忽略的一层：数据让AI能闭环，而不只是回答。通用模型给你一段建议，专业Agent是直接帮你把事办完。员工说一句"帮我订深圳分公司附近的协议酒店"，Agent不用先反问分公司在哪儿——因为企业组织信息、协议酒店清单、差标、实时库存和价格，全都在同一个数据底座上，理解、匹配、下单一次完成。“对话即办事"这件事，本质上就是20年数据积累出来的结果。
Q：携程商旅要把AI能力开放给企业自有系统。但这里有一个矛盾：“壁垒”之所以是壁垒，恰恰因为它不开放。如果AI能力真的开放出去了，携程商旅的差异化还剩什么？携程的底气是“数据别人拿不走”，还是“就算给了数据，别人也学不会”？
张航：首先，在AI时代，"壁垒恰恰因为不开放"这个假设已经不成立了。
先看我们开放的是什么。我们开放的是能力的接口，企业可以在自己的系统里、自己的办公平台里调用携程商旅的AI能力。我们已经推出企业开放平台，把差旅出行的AI能力开放共享，目前已有15家企业接入。请注意，开放的是"调用权"，不是"所有权"——就像运营商开放了通信线路，并不意味着别人就能自己再建一张网。
再看差异化还剩什么。我们的壁垒从来不是"把AI藏在自家界面里"，那是最脆弱的壁垒。真正的壁垒是三层：
数据与知识资产的持续运营。20年差旅、100万+企业客户、6000万出行人的数据基座，加上每天由专人维护的退改签政策、协议价格与履约状态。知识库不是一份静态文件，而是活的系统——可以抄走今天的答案，抄不走每天的更新机制。
供应链与履约网络。450+航司、200万+协议酒店的直连与协议关系，出票、改签、应急服务的全球保障SOP。这是二十年商务谈判与服务实践建出来的"物理网络"，不是一个算法模型。
飞轮效应本身。通过开放合作的生态，我们可以更了解不同企业的真实需求，同时来校准我们AI迭代的方向，让AI落地更加聚焦实用价值。
所以回到问题本身：底气是"数据别人拿不走"，还是"给了数据别人也学不会"？我的回答是两个都不是。客户的数据属于客户，我们本来就不应该、也不会把它当作壁垒；我们的底气在于，即使把全部接口开放，运营系统也复制不走——而且开放得越充分，这个系统的迭代优势反而越大。这正是"不做围墙花园"的商业逻辑：在AI时代，留住用户的是体验和迭代速度，不是围墙。
Agent 接力，重构差旅
Q：携程商旅的AI Agent接入了豆包工作平台。未来在Agent协作的方向上，还有哪些场景是你们想探索的？
张航：这次接入豆包工作，我们放入的是差旅问答和行程规划两个Agent——选这两个，是因为它们覆盖了员工出差最高频的需求。但这只是起点，Agent协作的探索我们有三个方向：
第一，从单Agent应答，到多Agent接力。2026年4月，我们在首届全球商旅伙伴大会发布了携程商旅AI生态：4大场景、7大Agent——差旅出行（问答、行程预订）、差旅管理（审批、洞察、合规风控、财务结算）、采购管理（协议采购）、能力共享。未来的图景是：员工在同一个对话窗口发起出差，行程预订Agent规划方案，差旅审批Agent自动核验合规低风险直过，差旅洞察Agent在行程结束后沉淀数据分析——多个专业Agent在用户无感的情况下接力完成全流程。专业分工、各司其职，比一个"什么都会一点"的通用Agent更可靠。
第二，跨厂商的Agent协作生态。差旅只是企业运营的一部分，天然要与HR、财务、费控等场景协作。通过开放生态，我们希望差旅Agent可以和其他场景中的Agent协同工作。
第三，与企业及生态伙伴的共建。目前已与15家企业共享开放，我们也在与云厂商、SaaS厂商探讨联合场景。企业内部的AI平台在授权合规前提下，可直接调用携程商旅的核心行业知识与AI功能，无需重复建设。未来希望与企业伙伴一同探索更多个性化的差旅AI应用场景，让差旅AI真正“能落地、用得上”。
Q：如果用一个词概括差旅AI Agent目前所处的阶段，您会说什么？是“可用”“好用”还是“离不开”？亦或是“替代”“辅助”“重构”，为什么？
张航：我觉得可以能是“重构”，是因为在差旅这件事上，现在变的不只是功能，而是方式。
替代是替掉一个人，辅助是多一个帮手，重构是这条流程被重新塑造。差旅正在发生的，是第三种。
第一，是员工的工作方式。过去一趟差旅，员工要在OA、费控、预订、报销之间来回切换，本质上是"人去找系统、人来填流程"。现在方向反过来了，是"系统来懂人"——一个对话入口，把理解、匹配、下单、审批这一串动作一次做完。员工从流程的执行者，变成一句话下达意图的人。省下来的不是点击次数，是被流程占住的那部分时间和注意力。甚至可以大胆想象下，未来都不需要系统支持，人与AI直接对话就能完成所有的差旅需求，回归最原生交互方式。
第二，也是对企业影响最大的，是管理差旅的方式。以前差旅是一笔事后才看到的成本，报销单交上来才知道花了什么。现在它变成了一条事前可管控、事中可干预的实时数据流——合规从靠人审，转成模型自动判定，审批被重构，风控被重构。对企业的财务和行政来说，差旅部门这个角色本身都在被重新定义。
所以我的总结是：判断一个行业有没有真的被AI改变，不要看它上了多少功能，要看它的流程有没有被重塑。差旅这条流程，正在被重新绘制——这就是我说"重构"的原因。
更多干货分享敬请注我们的公众号与视频号~超多精彩对话内容等待您的解锁！
热门跟贴