芯耀
与非AI
178
AI落地的最后一公里难在哪？
——序
人工智能进入通信行业已有几年，从大模型接入到各类智能应用试点，各家运营商都有不少布局。但一个现实的困境始终存在：多数AI应用还停留在演示和试点阶段，真正嵌入日常生产流程、规模化产生效益的案例并不多。
拆解下来，核心堵点有三个。一是建设零散化，部门分头立项，各自采购模型、开发功能，数据不打通，能力不共享，重复投入多，形成一个个应用烟囱。二是技术业务脱节，不少项目是技术驱动，为追热点而做，工具成了员工的额外负担，而非业务助手。三是重建设轻运营，很多项目上线即终点，没有持续迭代优化，最终慢慢沦为僵尸系统。
我认为，AI落地难，难的从来不是技术本身，难的是怎么把技术和业务真正揉到一起，怎么从单点试点走向体系化落地，怎么从项目交付走向持续运营。这是全行业都在探索的命题。
- 01 -思特奇的破局之道：从企业本体出发重构AI体系
面对这个行业共性难题，深耕通信领域三十年的思特奇，在2026CUPC上，联合中国联通北京公司（下称“北京公司”）共同举办“AI产品和服务-数智应用成果发布”，集中发布面向支撑、网络、政企领域的AI产品和服务体系，并系统展示AI在实际业务中的创新应用与实践成果。思特奇这套解决方案没有堆砌最新的技术概念，而是回归企业运行的本质，走出了一条从业务本体出发的AI落地路径。
思特奇对自己的定位是，做AI时代的本体论先行者和价值引导者。这两句话恰恰点中了当前AI落地的两个核心缺失。
本体论先行，对应的是很多AI项目脱离业务本体的问题。思特奇的逻辑是，先理解企业是怎么运行的。企业的组织架构、岗位角色、业务流程、生产活动，这些是企业运行的本体。AI不能悬浮在业务之上，要对应到具体的岗位，嵌入到具体的流程，承担具体的工作任务，最终成为企业组织能力的一部分。
价值引导，对应的是很多AI项目价值模糊的问题。所有的AI建设，都要有明确的价值锚点。是提升客户体验，还是提高员工效率，或是优化产品价值，最终都要落到企业价值增长上。没有清晰价值支撑的项目，注定走不远。
基于这个核心理念，思特奇面向运营商打造了三层完整的产品服务体系。
最上层是场景化智能体。覆盖业务支撑、网络运营、数字政企三大领域，一共形成了280多个开箱即用的智能体。业务支撑领域对应市场、销售、运营等不同岗位，布局了100多个智能体。网络运营领域围绕规建维优营全流程，有80多个智能体。数字政企领域也沉淀了30多个行业智能体。
和市面上很多通用大模型应用不同，这些智能体都对应具体的工作场景和工作任务。员工进入平台后，按照自己的角色和业务需求，就能快速找到对应的能力，打开就能用，直接解决手头的问题。不需要员工去思考怎么写提示词，怎么调参数，降低了使用门槛。
中间层是AI底座。这是所有智能体的能力中枢，涵盖算力调度、高质量数据集、企业知识库、模型网关、智能体开发平台、多模态交互等基础能力。相当于给所有AI应用提供了统一的基础设施。新场景开发不用从零搭架子，能力复用率大幅提升，也从根源上避免了重复建设和数据烟囱。
最底层也是最容易被行业忽视的，是业务价值运营服务。思特奇认为，AI上线只是开始，能不能持续用起来、持续产生价值才是关键。他们提供两类服务，一类是价值运营服务，持续分析智能体使用效果，优化流程配置，拓展应用场景。另一类是运营赋能服务，帮助客户建立自己的AI运营团队，掌握持续优化的方法。
从行业视角看，这套体系最大的价值，是把AI从一个个零散的项目点，变成了一套可生长、可运营的企业级能力。它解决的不只是怎么把AI做出来的问题，更是怎么让AI用起来、用得久的问题。
- 02 -实战样本：北京公司的规模化落地成效
体系能不能打，最终要放到真实业务场景里检验。北京公司联合思特奇打造的智能中台，已经成为运营商AI规模化落地的典型样本。
这套智能中台覆盖北京公司多条专业线、多个部门，支撑数十支开发团队、数百名开发者协同工作。目前已经上线百余个智能体，近一年累计调用超过数百万次，日均调用接近数万次。这些数据不是试点结果，而是AI 真正嵌入日常业务流程后的真实运行成果。
城市家具治理是其中最具代表性的场景。北京共有100多万个通信类箱体杆件，其中八成以上超期服役，设施老化破损问题突出。过去依靠人工巡检，覆盖范围有限，漏检误判多，治理一直处于被动局面。同时这项工作还有明确的政策要求，是必须推进的重点工程。
北京公司没有简单地上线一个图像识别工具，而是和思特奇一起搭建了一套完整的闭环治理体系。前端市民可以随手拍照上报问题，系统自动生成工单，直接派发到对应管线网格。维修人员现场处置后上传整改照片，由AI视觉模型自动打分验收。评分低于八十分的工单自动退回返修，整个流程全程可追溯。
这个场景里，AI承担的是最耗时的审核环节。过去人工审核每天处理量有限，标准也很难统一。现在基于思特奇提供的视觉大模型能力，三秒就能完成一张照片的审核，而且评分标准一致，不会因人而异。他们还建立了错题本机制，人工抽查发现误判，就分析原因补充提示词，模型准确率持续提升。
最终的成效体现在三个维度。社会效益上，治理成效多次获得市政府常务会点名表扬。管理效益上，过去不参与治理的零效人员情况基本消除，全体员工广泛参与，主动治理量较之前实现数倍增长。经济效益上，年节约人力成本两百余万元，还盘活了数千平方米的闲置土地资源。
申诉回文助手是另一个典型的生产级应用。运营商的申诉回文要求高，既要符合监管规范，又要逐案核对计费、套餐、流量等多系统数据。全人工编写耗时耗力，质量还依赖个人经验，新人上手慢。
基于思特奇的智能体工作流能力，北京公司落地了端到端的智能回文生成助手。只需要输入号码、账期和投诉内容，系统就会自动完成意图识别、模板匹配、数据调取、回文生成全流程。背后采用五节点工作流架构，每个节点都可以灵活切换工具链和大模型，数据核查走工具链保证准确，通用场景走大模型保证效率，两端互为兜底。
落地之后，回文编写时长缩短一半以上，已经覆盖九类申诉场景，输出内容标准统一，新人也能快速上手。同时这套能力还沉淀成标准化接口和部署指南，新场景接入周期可以缩短一半。
除了这两个重点场景，其他领域也都有扎实的落地成果。政企线合同质检准确率处于很高水平，网络线大批基站日均实现可观节电，服务线投诉意图识别准确率实现大幅提升，安全线人工告警处理量大幅下降，管理线会议转写累计达到数百万字。
这些场景有一个共同的特点，就是AI都不是独立于业务之外的存在，而是深度嵌入到业务流程的各个环节，和现有系统无缝衔接。它们不追求技术概念的新奇，而是实实在在解决一线的具体痛点，帮员工减负，帮业务提效。而这背后，都离不开思特奇整套产品体系的支撑。
- 03 -行业启示：AI生产力化的思特奇路径
从思特奇的产品体系到北京公司的落地实践，我们能清晰看到运营商AI走向生产力的底层逻辑，这背后是思特奇深耕通信行业三十年，一步步跑出来的落地路径，对全行业都有参考意义。
第一，价值牵引是根本前提，这也是思特奇反复强调的核心逻辑。做AI不能先想技术能做什么，而要先想业务需要什么。思特奇所有智能体的设计，都锚定具体的业务价值，是降本、提效还是增收，目标清晰，技术才有方向，从根源上避免了面子工程、演示工程。也正是因为价值明确，这些应用才能真正被一线接受，实现规模化调用。
第二，体系化底座是规模化基础，对应思特奇的九思・智基AI底座。靠部门级的零散试点，永远形成不了生产力。思特奇把算力、数据、模型、开发工具这些基础能力统一沉淀到中台，在全企业范围内复用共享。新场景开发不用从零搭架子，能力复用率大幅提升，试错成本大幅降低。北京公司能在短时间内落地一百多个智能体，靠的就是这套统一底座的支撑。
第三，流程嵌入是落地的关键一步，这是思特奇智能体和通用AI工具最核心的区别。思特奇的智能体不是独立于业务之外的聊天工具，而是对应到具体岗位、嵌入到具体流程，承担具体的工作环节。从城市家具治理的AI质检，到申诉回文的全流程自动化，都是AI和业务流无缝融合，员工在日常工作中自然用到AI，而不是特意去用AI，自然就能推广开。
第四，持续运营是长期价值的保障，这正是思特奇九思・智维业务价值运营的核心。AI不是上线就万事大吉，业务在不断变化，模型和规则也要持续迭代。思特奇不仅提供产品，更提供价值运营和运营赋能两类服务，帮助客户建立自己的AI运营能力，让AI能够持续迭代、持续产生价值。这也是很多AI项目容易忽略的一环，恰恰是AI能否长期跑通的关键。
对于整个通信行业来说，这次发布也是一个值得关注的信号。AI在运营商的落地，正在从技术探索阶段，全面走向价值落地阶段。未来行业比拼的，不再是谁的模型参数更大，谁的概念更新，而是谁能把AI真正沉到业务里，转化为实实在在的经营成果。
作为深耕通信行业多年的厂商，思特奇这套从产品体系到运营服务的完整方案，为行业提供了一套可落地、可复制、可运营的参考路径。当更多运营商沿着这个方向走下去，AI真正成为核心生产力的时代，才会真正到来。
