微软Copilot嵌入Office，Google Gemini覆盖Workspace，国内腾讯WorkBuddy、字节豆包、阿里千问办公等密集迭代，AI办公助手赛道持续升温，各方争夺的是办公场景的桌面入口。
产品能力在提升，功能覆盖面在扩大，但在企业侧究竟能跑出什么样的实际效果，目前能拿出完整案例的并不多。
蒙牛8月中旬办了一场AI应用创新大赛的中期路演。大赛从5月启动，蒙牛从内部28个一级事业部选拔出200名“AI先行官”，选手基于腾讯WorkBuddy开发应用，45件作品角逐TOP10，场景覆盖奶牛诊疗、工厂故障诊断、新品全链路管理、电商出图、竞品追踪等。
大部分参赛选手来自非IT领域，包括：研发、供应链、营销、职能等岗位。大赛负责人王觉锋表示，“我们这次并没有以纯IT的同事为主要参赛群体,大量选手来自各个业态、各个岗位方向的业务人员，因为他们自带场景，只是缺AI的翅膀。”
选工具只是第一步
选择WorkBuddy并非一时兴起。蒙牛数智科创部联合参与了工具在易用性、可用性以及安全性稳定性方面的综合判断，赛训部门则由蒙牛集团人力资源管理部与数智科创部联合举办，腾讯智慧经营学堂和腾讯智慧零售行业团队分三个环节全程陪跑，联合交付。
选工具只是第一步，合作的方式远不止把工具交给企业。腾讯智慧经营学堂负责人张芳把合作拆成三环。
第一环是共创赛训机制。这次没有照搬标准模板，而是设计了“事业部选拔+中心化赛训”。前端由各事业部结合真实业务场景发现和选拔人才，保证选手带来的问题来自一线；进入赛训阶段后统一课程学习、专家辅导、作品打磨和路演机制。这种方式既保留了业务场景的真实性，又能统一培养标准、集中专家资源。
第二环是体系化学习。开营做基础直播和行业案例分享，建立认知；随后上线13节短课，每节课配即学即练的小练习，“避免让大家停留在学懂了但是不会做的环节”。
第三环是实战陪跑。每位学员进入业务场景后遇到的问题各不相同，陪跑不能只靠大课。腾讯安排针对性辅导答疑，围绕学员的具体问题和作品目标帮助明确场景、梳理解法。200进45阶段还做了4天线下工作坊，课程老师、产品专家、售前架构师作为教练进到每个小组。“不是导师替学员做项目，而是帮助学员把自己的业务经验转化为解决问题的能力。”张芳说。
王觉锋补充了一个细节，他们甚至连路演该怎么表达专门开了一门课，“不仅把作品做好，还得要把作品表达好”。
打通组织软件
通过WorkBuddy可以一键安装企业即时通讯工具开放的CLI，安装之后，用户可以在WorkBuddy中直接完成在线文档的增删改查、发送消息、新建和取消日程等操作。
王觉锋举例：“比如说帮我总结一下近一周关于AI大赛的讨论，在哪个知识库，哪个协同文档里，或者搞完之后帮我创建一篇文档，然后通过协同软件发送给谁，每天发送给谁，这个东西现在很容易办得到。”
新零售业务负责人徐飞雄的用法更具体。他负责13个大区经理的催办任务，以前需要逐一发送通知，现在给WorkBuddy布置一遍，它通过协同软件定时提醒，每天追踪进度。“以前我需要发13遍，现在我给WorkBuddy布置一遍就可以。”
蒙牛要求所有嵌入的大模型必须过集团的安全审计网关。企业版WorkBuddy 本身提供 SaaS、VPC（私有云）和本地化部署三种版本，中石油等央企在使用本地化部署版本。企业版支持 Token 消耗的分配管控，不同岗位分配不同额度，后台可查看消耗方向。企业级 Skill Hub 用于内部知识沉淀，团队项目空间支持共享知识库、专家和上下文。
腾讯智慧零售行业解决方案专家闵利铭把下一步称为“深水区”。协同蒙牛团队评估哪些系统和数据可以开放给AI，通过API封装和共建MCP（模型上下文协议）实现对接。“坦白的讲这是特别有挑战的深水区，我们会协同蒙牛团队去评估哪些系统哪些数据是可以去开放的，是允许可以被AI访问的，还有哪些系统的数据是有最大价值的是最优先去应用到AI 的。”
Token方面，参赛选手进入45强后获得约2000元等值积分，一等奖全年Token不限量，目前没有对使用设限。闵利铭提到，行业内正在探索将Token消耗与人力成本结合管理的模式，但目前仍在探索阶段。
从个人能力到组织资产
在安全和可控的基础上，蒙牛更长远的目标是把个人能力转化为组织资产。
从评审标准的变化可以看出蒙牛的导向。200进45阶段，业务价值占30%权重，其次是AI使用深度、完成度、创新性、可复用性。进入45进10后，完成度被去掉，作品完整已是最低要求。可复用性权重提到25%，成为第二高维度。评委都是各一级事业部中心总及以上负责人，分布在市场、销售、供应链、研发等领域，AI应用深度则由腾讯专家把关。
蒙牛已在规划“训、赛、证、产”体系。训是培训，赛是比赛，证是L1到L3的AI先行官认证。L1掌握基础提示词工程和工具使用，L2需要结合场景产出一个类似AI应用大赛的作品，L3则接近FDE（全栈开发工程师）角色，不仅会用、会搭，还要深刻理解业务需求并跟进测试和效果达成。产是资产沉淀，包括案例库、人才库和Skill库，Skill需经过内部审核才能上架到企业版。
蒙牛把这概括为“AI种子工厂”，通过大赛既产出项目，也培养出一批同时具备技术和业务理解能力的人，他们未来带着技术和业务深入业务线，帮助业务解决更多问题，形成循环。
参赛选手的用法也不全是提效。数智科创部的吴桐做了个叫“小刺猬”的Skill，方向和其他选手不太一样。它会反问你、追问你，推动使用者完善自身判断。吴桐的出发点是“AI不应该偷走我的决策权”，她认为AI倾向于迎合用户意图，长期使用可能导致判断力弱化。小刺猬还连接了的个人知识库，每次对话参考他过往的会议纪要、项目文件和PPT，基于个人经历辅助判断。
跑出来的案例
以下是这套模式跑起来之后的部分案例。
牧场里的AI兽医
“人可以通过AI咨询健康问题，奶牛为什么不行？”
产生这个念头的人叫王国银，在蒙牛奶源事业部负责数字化工作，常年奔走于各个牧场之间，每月至少驻站6个。他注意到市面上的AI健康助手能通过层层追问把人的症状锁定到八九成准确，养猪行业的牧原集团也做了个“猪小牧助手”。既然人和牲畜都有AI辅助诊断的先例，奶牛领域同样存在应用空间。
王国银的痛点来自一线。偏远牧场的基层运维人员专业能力参差不齐，一旦牛群出现群体性健康异常，很难第一时间精准研判，只能等外部专家到场或线上远程对接，响应慢，服务成本也高。
没有编程基础的他，借助WorkBuddy将国内外两本奶牛疾病学权威著作作为知识库交给AI，结合自己多年一线经验，封装出一套奶牛精准诊疗智能Skill。
诊疗分两轮：第一轮把肉眼可见的症状告诉AI，包括体温高低、采食量降幅、产奶量和精神状态，AI锁定三到五种可能疾病；第二轮AI主动追问更精确的信息，比如流涎是从鼻孔还是下颚、下颚是否肿胀、牛群近期有无异常事件，范围缩小到一至三种。
锁定后给出三套方案：快速治疗（药剂足、治愈快、兽药成本高）、温和治疗（考虑休药期，但牛奶要弃奶更久），以及折中方案。
王国银没有让AI替代兽医。他把能力边界也写进了Skill里：“尽管通过AI症状匹配预判可大幅提升诊断速度，但面对危重复合病症仍会漏诊误诊，必须由执业兽医到场结合实验室检测综合判定。”
这套工具目前在多个牧场测试，单牧场诊疗时效从1.5天缩短至2小时。王国银计划向公司申请更多算力资源，在四大区技术服务组推广。
100轮对话磨出一个“牛图工厂”
思明是低温事业部的设计师，电商主图的高频重复劳动是她的痛点。每次产品换包装、不同口味规格组合，都要在PS里手动把产品图一个个拖进去调位置。一张主图3到5分钟，而一个产品在不同电商平台可能有上千个链接的主图要出。
参加完WorkBuddy培训后，思明产生了一个想法，能否让它帮忙开发一个网站，将这部分重复耗时的工作自动化处理？
她此前没有编程经验，通过100多轮自然语言对话，让WorkBuddy从零开始帮她写出了一个本地网站。她逐一尝试了WorkBuddy中的前端工程师、UI设计师等专家角色，逐步完善网站功能，取名“牛图工厂”。
现在，上传PS做好的模板和含产品卖点的Excel，网站会自动识别图形位置大小、调用产品库里的产品图，按模板批量生成。单张出图从3到5分钟缩短到几秒钟，速度提升25到35倍。
新零售的AI工具箱
徐飞雄是低温全域行销部总经理兼新零售业务部负责人，负责电商平台、垂直生鲜平台（小象超市）、O2O（美团闪购、淘宝闪购）以及行销策划。他的团队是这次大赛报名最多的部门。
徐飞雄自己也在用WorkBuddy，涉及多个业务场景。订单处理是其中一例。小象超市的订单每天中午12点才全部生成，此前需要专人守着下载、手工比对录入SAP系统。从一个人到三个人，后来变成五个人，一年365天除了大年三十都有订单。现在给WorkBuddy下指令，它直接抓取网页订单、自动匹配录入，原来约三个小时的工作，15分钟完成。
天气预判是另一个场景。台风会影响前置仓日销，徐飞雄给AI写了一条命令：未来一周在小象覆盖的城市天气怎么样，如果有台风，做预测，反推订单量，避免大日期产品积压。
还有每月300多场会议的合规与效率分析。徐飞雄的部门有“无文档不开会、无主题不开会、无评论不开会”的制度，以前人工分析时长、纪要、评论、参会人等信息，现在交给AI。
这些场景的共同点在于，将重复、耗时但规则明确的工作交给AI处理。徐飞雄的团队每周开周会，要求每个成员分享上一周用AI的小技巧，“哪怕说你用AI写了什么提示词，对你的工作效率是有帮助的”。团队文档里固定放着一句话：“AI不会淘汰人，但AI会淘汰不会使用AI的人。”
凌晨2点的工厂
郭东旭来自常温供应链，他从一个凌晨2点的场景切入。常温工厂灌装机突然恒温报警，一个进厂仅三个月的机修工，翻手册、打电话，折腾数小时无果。而老师傅到岗，15分钟手到病除。这样的场景，在一线工厂每天上演153次。
经验锁在两个地方：老师傅的脑子里，和EM系统里的数据。1800条改善案例、16000条维修记录，“锁在系统里面不方便查，不好用”。各工厂之间经验无法互通，近几年成熟人员流动加大，集团推行维操一体化战略，缺口进一步拉大。
郭东旭让AI处理这些此前难以利用的数据。16000条杂乱维修记录的清洗、聚合、标准化，6000种备件的重命名，全部由AI完成。AI还参与了52个模块的代码编写，从检索到前端，连钟摆轮报警误匹配为恒温这种隐藏bug也是AI协助定位的。整套系统部署在武汉工厂本地服务器的显卡上，数据不出厂，无需持续消耗token，全链路私有化。3天上线，一个月完成第二次版本迭代，开发周期下降90%。
系统于6月上线试用，7月完成迭代升级。知识库现已覆盖18657条记录、13个工段、114种设备类型，沉淀1883种改善案例与384组对比图片。7×24小时在线运行，月访问量突破100次。用户每次差评调教，系统自动优化检索策略，让模型越用越精准。郭东旭用“流动”来概括这套系统的价值：经验从老师傅传递到年轻一代，新人得以快速上手；数据从EM系统输入，经AI处理后结果再回到EM，EM从单纯的记录系统转变为可以自主积累、持续优化的系统。“不是不需要老师傅了，而是老师傅20年的经验全都在他的口袋里。”
新品上市效率整体提速51%
徐丽丽在常温行政与创新管理中心，负责新品流程体系建设。她自己的岗位是缩影。一份旬报的诞生曾经需要4天。流程横跨市场、研发、供应链等多个部门，涉及的品牌经理、供应链伙伴、研发人员、采购团队加起来超过百人。信息散落在OA系统、协同群、Excel表格、新品IM、研发RDM等多个平台，一旦人员变动，知识断层随之而来。"各个环节都是追、催、等的状态。"
AI介入后，徐丽丽把新品全链路拆成明暗两条线。明线是数据流转：OA里的PDF信息统一接入数据库，连接知识问答、风险识别、催办和报告归档。暗线是流程再造：分散在各部门的表单和节点统一入口、统一口径、自动流转，持续反馈到协同机制里。目前已打通4个系统，其余在推进中。
量化效果方面，新品上市效率整体提速51%，旬报出具效率提升90%（从4天缩短至30分钟）。从数字看，这不仅仅是效率的提升——更是管理模式的转变。过去依赖人力"追、催、等"的被动模式，被AI驱动的主动预警、自动流转所取代。当流程节点的简化，当表单数量大幅消减，当系统间的数据壁垒被逐一打通，组织的协同效率发生了质的飞跃。这套方法已计划复制到低温、冰品、鲜奶事业部，转换业务口径即可使用。
蒙牛并非孤例。WorkBuddy PC端6月访问量突破2000万，目前已在政务、医疗、零售消费、金融、电子等50多个行业落地。但蒙牛的案例提供了一个具体样本。企业用原有协同软件做协同，用WorkBuddy做AI桌面助手，通过CLI桥接两者，再以赛训机制和认证体系将个人能力转化为组织资产。这一模式能否规模化，取决于“深水区”的数据打通和安全保障能推进到什么程度。
“现阶段我们的目标还很朴素：先把WorkBuddy普及开，让大家真的用得起来、觉得好用。”闵利铭说。
热门跟贴