隨著AI技術的普及，越來越多的人開始探索如何將其融入日常工作以提升效率。本文從企業(yè)應用的角度出發(fā)，探討了AI在2B場景中的潛在價值，供大家參考。

挺多人都已經(jīng)在用AI產(chǎn)品，這說明大家都認可了AI的能力，也愿意享受它帶來的強大生產(chǎn)力。

豆芽君作為一名軟件行業(yè)從業(yè)者，我們不會止步于作為一名用戶去使用像deepseek這類AI產(chǎn)品。近期我們從企業(yè)應用的視角，開始考慮大模型如何在企業(yè)內(nèi)部應用。

以下豆芽君試著提出一些方向，以及背后的邏輯。也歡迎對這方面有興趣的朋友，可以加入討論，一起把AI應用這件事給張羅起來。以下說的AI僅限AIGC這個范圍

AI到底有什么能力？

我們不查官方資料，就從普通用戶使用AI的發(fā)現(xiàn)，來談談AI的能力。

AI被輸入了海量的知識，且已擁有了類人的分析、推理能力，這讓它達到了各行各業(yè)的高手級的水平，在某些行業(yè)甚至達到了專家級的水平。這主要取決于一個行業(yè)的顯性知識的完善程度，越能總結(jié)出顯性知識的，AI也就越能達到專家級。

目前AI廠商提供的產(chǎn)品形態(tài)主要是問答。用戶向AI輸入問題，AI快速地進行分析、推理，然后回答出高質(zhì)量的答案。這是比較適用于2C的使用場景。但大家是否有想過，如果是2B的場景，那又應該是怎么樣的呢？

2B的使用場景有哪些？

多數(shù)辦公類的企業(yè)，內(nèi)部已經(jīng)有各種多樣的業(yè)務軟件、管理軟件。這時AI要如何嵌入到這些應用軟件，以提高工作的效率呢？

我們先提出一個問題：傳統(tǒng)的應用軟件有個典型的特點：所有的業(yè)務規(guī)則都需要事先定義，軟件按IT人員定義好的規(guī)則來執(zhí)行各種檢查、運行各種進程。這種模式存在什么問題？請你先試著思考一分鐘再往下看

問題就是業(yè)務規(guī)則的完整性、準確性，也就是這些軟件的能力上限。

幾年前，豆芽君和同行就有在討論軟件的一些智能規(guī)則，典型的如淘寶的猜你喜歡。它的背后結(jié)合了用戶大數(shù)據(jù)、機器學習和實時計算（用戶剛點了什么，在什么商品上停留的時長更久）等技術。

這類2C產(chǎn)品的技術是否也有可能用于2B的業(yè)務場景呢？

豆芽君當時的看法是，2C的業(yè)務有更強的容錯性，而2B的業(yè)務大多要求準確性，所以這類技術暫時不好用于2B業(yè)務。

但最近，豆芽君看了一些產(chǎn)品的使用場景后，認為2B的業(yè)務如果進一步拆分具體場景，是有可能使用一些AI工具來解決問題的。

比如說用戶常常要花較多的時間在業(yè)務流程的第一個環(huán)節(jié)來錄入數(shù)據(jù)，那么在這類場景中，就可以考慮引入OCR技術+大模型的分析、推理技術提高錄入的速度和準確率。

具體的實現(xiàn)邏輯：先用OCR技術來識別來自外部商業(yè)合同、物流單據(jù)上的信息，從圖片識別成文本；再用大模型的分析、推理技術將文本識別成業(yè)務系統(tǒng)對應字段的字段值。通過一圈下來，最后通過我們說的AI開發(fā)工具將大模型結(jié)構(gòu)化后的文本寫入到現(xiàn)有的業(yè)務系統(tǒng)（兩邊通過接口實現(xiàn)）。

這樣一頓操作下來，用戶就只需要再做些信息檢查和補錄就可以完成原本的信息錄入了。

再比如說業(yè)務系統(tǒng)沉淀的這些數(shù)據(jù)，作為管理者如何充分利用這些數(shù)據(jù)，去發(fā)現(xiàn)新的洞見，找到業(yè)務提升點？

具體的實現(xiàn)邏輯：可以考慮將AI開發(fā)工具對接已有的業(yè)務系統(tǒng)或數(shù)據(jù)倉庫，管理者可以通過問答的方式先和AI進行對話，AI先輸出提煉后的業(yè)務數(shù)據(jù)。再將大模型與已有的報表開發(fā)工具對接，直接輸出直觀的報表或圖形。

這些合理的想象在沒有大模型之前幾乎是不敢想象的。因為那時我們沒有AI這種“大腦”，無法借助這個跨系統(tǒng)的“中樞神經(jīng)”來拆分、組合、推理。

但現(xiàn)在有了這個“超級大腦”，這一切都變得可行、可預期了。

通過我們的分享，你覺得AI還可以用在你自己生活或工作中得那些場景？歡迎留言討論