标签:
案例实践
中集集团数字员工实践:50 位数字员工、超百项场景是怎么长出来的
鞍钢“数智员工”上岗拆解:40 余名数字员工如何覆盖 17 类制造管控场景
本文档发布于 八骏知识星球
-
+
首页
鞍钢“数智员工”上岗拆解:40 余名数字员工如何覆盖 17 类制造管控场景
制造企业数字员工怎么落地,鞍钢给了一个样本。据中国钢铁工业协会、鞍钢日报等公开报道,鞍钢股份以"数据+AI重新定义钢铁制造流程"项目拿下第五届智能制造创新大赛钢铁行业赛道三等奖,40 余名"数智员工"在业务提效、制造管控等 17 类场景中上岗。这里的"数智员工"本质就是制造企业说的**数字员工**,只是叫法不同。比起数量,更值得拆的是这套东西怎么搭起来的:为什么它强调知识库与智能体双轮驱动,又为什么把多智能体协同、大小模型协同放在核心位置。本篇按公开信息拆解这套数字员工的搭建逻辑,看制造企业能借鉴什么。 ## 一、底座先行:鞍云智鼎统一数智底座 鞍钢这套数字员工不是孤立应用,而是站在统一底座上。公开资料显示,钢铁制造长期面临不同厂区系统互不联通、生产调度复杂、大量数据沉睡难利用的难题。鞍钢以"数据驱动流程变革,AI 重构管控模式"为思路,打造"鞍云智鼎"统一数智底座,整合全域业务数据构建"数据资源一中心",并集成多种开源模型搭建 AI 智能体平台。 这个顺序值得制造企业对照。很多数字员工项目一上来就挑模型、做助手,却跳过系统联通和数据归集,结果每做一个场景就要重新对齐一次数据,越做越慢。鞍钢的路径说明,**数字员工** 的能力上限由底座决定:数据没汇到一起、系统之间不通,再强的智能体也只能盯着局部做文章。 对起步企业来说,这一课是先把记录和流程做实。底座这件事不性感,却决定了后面 17 类场景能不能一个接一个复制出来,而不是每次从零开始。 ## 二、双轮驱动:知识库加智能体,一个给事实一个给行动 鞍钢项目反复提到一个提法:知识库与智能体双轮驱动。这句话点破了数字员工的能力结构。知识库管"知道什么",把工艺规程、设备经验、历史案例沉淀成可检索的事实;智能体管"能做什么",基于这些事实拆解任务、调用系统、处理例外。两者缺一不可。 只有知识库没有智能体,数字员工就是一套查询系统,人问一句答一句,最后还得自己动手。只有智能体没有知识库,就容易脱离企业实际口径,凭通用常识给出似是而非的答案,在钢铁这种强工艺约束的场景里尤其危险。鞍钢把两者并列为驱动,正是要让**数字员工** 的每一步动作都有企业自己的事实依据。 这个结构对制造企业有直接借鉴意义。做数字员工之前先问一句:这个岗位要用的知识沉淀下来了吗?没有知识底座,智能体只能靠猜,准确率压不住,一线也不敢用。 ## 三、数字员工 17 类场景怎么分布:从业务提效到制造管控 公开报道提到,40 余名数字员工覆盖业务提效、制造管控等 17 类应用场景;鞍钢日报进一步说,这些场景系统性规划在采购、制造、物流、营销多个领域。看这个分布会发现,它不是只挑容易的办公场景做样子,而是往制造主战场里扎。 背景是鞍钢面对多基地管控、多产线协同的复杂挑战,系统性规划了"精益化、标准化、自动化、数字化、智慧化"建设路径,关键工序数控化率保持高位。也就是说,数字员工是顺着既有数字化路径往深水区走,而不是另起炉灶。决策支持系统 2.0 构建 16 个专业模块、111 个主题智能图谱,大幅精简优化报表,决策流程效率整体提升 20% 以上,这类成果正是场景深耕后的产出。 **数字员工** 覆盖面的宽度,取决于底座的深度。鞍钢能同时铺开业务提效与制造管控两类场景,靠的是多年数字化积累,而不是短期堆人堆钱。制造企业借鉴时要量力而行,先在一个领域做透,再横向扩展。 ## 四、多智能体协同与大小模型协同:复杂场景的关键设计 鞍钢项目还有两个技术提法值得拆:多智能体协同调度,以及大小模型协同优化生产工艺。前者解决的是"一个场景需要多个角色配合"的问题,比如排产要同时考虑设备状态、物料齐套、订单交期,单一智能体顾不全,多个各司其职的智能体协同才能给出可执行方案。 后者解决的是成本与效果的平衡。不是所有环节都要用最大的模型,简单的分类、抽取、校验用小模型就够,复杂的推理判断再调用大模型。钢铁行业的智能体调用是持续、密集的,算力成本不低,大小模型协同能把成本压到可持续的范围。这不是技术炫技,而是规模化落地的现实选择。 对制造企业做数字员工来说,这两个设计的启示是:**数字员工** 做到一定规模后,重点会从"单个能不能做"转向"多个怎么配合、成本怎么控"。这时候的选型标准也变了,能否支持多智能体编排、能否灵活调度不同模型,比单点能力强弱更重要。 ## 五、鞍钢做法对照:一张表看清可借鉴点 | 鞍钢做法 | 背后逻辑 | 制造企业可借鉴点 | 起步动作 | | --- | --- | --- | --- | | 打造统一数智底座 | 系统不通数据就沉睡 | 先补联通与数据归集 | 盘清各厂区系统接口 | | 数据资源一中心 | 全域数据汇到一处 | 主数据统一口径 | 建统一编码与台账 | | 知识库加智能体双轮 | 事实与行动缺一不可 | 先沉淀岗位知识 | 整理工艺规程与案例 | | 17 类场景系统规划 | 从提效延伸到管控 | 先做透一类再横向扩 | 列优先级场景清单 | | 多智能体协同调度 | 复杂场景要多角色配合 | 按职责拆分智能体 | 画场景角色分工图 | | 大小模型协同 | 成本与效果要平衡 | 按任务难度选模型 | 区分简单与复杂环节 | | 决策效率提升 20% 以上 | 用结果验证价值 | 指标先行再谈上线 | 定基线与验收口径 | *注:以上数据与表述来自中国钢铁工业协会、鞍钢日报、新华网等公开报道,具体以企业官方发布为准。* 这张表建议当对标清单用:逐行问"我们有没有对应的基础"。多数企业与鞍钢的差距不在模型,而在底座、知识和场景规划这三样慢功夫。 ## 六、从鞍钢案例看数字员工的三个借鉴原则 第一条是底座决定上限。系统联通、数据归集、主数据统一,这些没做好就上数字员工,等于在流沙上盖楼。鞍钢先做"鞍云智鼎"和数据资源一中心,才谈得上 17 类场景,顺序不能反。 第二条是知识要先于智能。知识库沉淀的是企业自己的工艺与经验,是**数字员工** 不跑偏的根。没有这层底座,智能体给的答案脱离实际,一线不敢信也不敢用。**低代码** 配置能让业务人员自己维护知识条目与规则口径,政策工艺一变就能改,不必等厂商排期。 第三条是安全边界要先写清。鞍钢场景涉及采购、制造、物流、营销,数据敏感度不低。制造企业可评估 **私有化部署** 加 **买断制**,把 **信创**、**等保** 适配写进条款;**多层级版本** 让不同基地按自身工艺配置又共享统一底线,**DMS+CRM一体化** 让渠道与直销客户口径一致。八骏 KnowAgent 数字员工具备知识库与智能体协同的能力结构,可作为评估方案时的参考基准,具体范围以实际业务为准。 ## 七、落地顺序:别从 17 类场景开始 第一步是选一个领域做透。鞍钢的数字员工做到 17 类场景是多年积累的结果,不是起步动作。制造企业不妨先挑一个高频、痛点明确、数据现成的领域,比如设备维修知识查询或报表自动汇总,把一个场景做成真正有人用的数字员工。 第二步是把知识沉淀成资产。每做一个助手,顺手把工艺规程、历史案例、判断依据整理成可复用的知识条目。这一步看似慢,却是后面能复制的前提。知识沉淀下来了,第二个、第三个场景才有站得住的肩膀。 第三步才是扩面与协同。当单个场景跑顺、知识底座成形,再考虑多智能体协同与大小模型调度,逐步从业务提效走向制造管控。八骏 FDE 团队在制造与经销场景有相应积累,可作为评估方案时的参考基准,具体范围以实际业务为准。 ## FAQ **鞍钢的"数智员工"和我们说的数字员工是一回事吗?** 本质上是一回事。"数智员工"是鞍钢自己的叫法,公开报道描述其由知识库与智能体双轮驱动,在业务提效、制造管控等场景中上岗,这与制造企业常说的数字员工在能力结构上一致:有知识底座、能自主执行、对岗位结果负责。叫法不同不影响借鉴价值,看能力结构比看名字更重要。 **鞍钢的 17 类场景,普通制造企业能直接照搬吗?** 不能直接照搬,但逻辑可以借鉴。17 类场景是鞍钢在多基地、多产线、多年数字化积累基础上系统规划出来的,与企业自身规模和管理成熟度强相关。制造企业更实际的做法是先在一个领域做透一类场景,把底座和知识沉淀下来,再逐步横向扩展。场景数量是结果,不是起点。 **多智能体协同是不是意味着要用很多个模型?** 不是。多智能体协同强调的是角色分工,不同智能体各管一段、互相配合,并不等于每个都要独立模型。鞍钢同时提到大小模型协同,恰恰说明模型复用与按需调度才是重点:简单环节用小模型,复杂推理再上大模型。制造企业选型时应看平台是否支持灵活编排与调度,而不是数模型个数。 **怎么验证服务商真能做出这类数字员工?** 看它是否愿意先用你的真实场景跑一个闭环,而不是先演示通用看板。要求说明知识从哪来、底座怎么建、确认点在哪、出错怎么退,再看能否支持多智能体编排与模型灵活调度。配合私有化部署、低代码与多层级版本的适用边界一起看,判断方案能否在真实业务里长期跑,而不只是在演示环境里显得很顺。
鞍钢
数字员工
数智员工
制造业AI
案例实践
baipishu
八骏 KnowAgent
2026年11月18日 09:17
转发
上一篇
下一篇
手机扫码
复制链接
手机扫一扫转发分享
复制链接
下载Markdown文件
分享
链接
类型
密码
更新密码