企业里不缺系统，缺的是把系统串起来的人。一位政企客户经理要准备一次客户走访，得在客户关系管理、商机、工单、经营分析、方案库、报价等六七个生产系统之间来回切换，手工查数、复制、拼装，一次准备将近一小时，而这只是他一天中很小的一块工作。AI 落地的真正难点不在模型能力，而在存量生产系统缺少一种“可被对话调用”的能力形态。

江苏移动把 AI 工作台做成企业系统的统一对话入口：为存量系统逐一建立能力适配层，把“查客户、查在用产品、查近期故障、建商机、出方案、回填走访记录”等系统能力注册为可被对话调用的能力单元；由工作台完成意图理解、任务编排、多系统调用与结果回写，员工用一句话即可驱动多个系统完成一件完整的工作。本次演讲以政企客户走访这一真实场景为主线，拆解能力接入规范、任务编排引擎、执行回写机制、身份代理与观测运营的完整技术方案，并给出可复制的企业内部改造路径与量化成效。

演讲提纲

1. 场景与痛点：一位客户经理的“六系统之旅”
   • 真实场景：准备一次客户走访，要在 6—7 个生产系统之间切换，手工整合近一小时；走访结束后还要把记录再逐个系统回填。
   • 三层割裂：入口割裂（每个系统一个账号一个入口）、数据割裂（客户、产品、故障、经营数据分散在不同系统）、能力割裂（同样一件事，在不同系统重复做多遍）。
   • 核心判断：AI 落地的瓶颈不是模型能力，而是存量系统只有“人用的界面”，没有“可被调用的能力”。
2. 总体思路：把生产系统变成“可对话的能力”
   • 四层架构：对话入口层 → 理解与编排层 → 能力接入层 → 存量系统层。
   • 关键转变：走“能力接入”而不是“应用重构”，存量系统业务逻辑不动，外围加能力适配层。
   • 一句话概括：对话框在前面，生产线在后面，任务把两端串起来。
3. 技术方案一：存量系统能力如何标准化接入
   • 四种接入模式与适用边界：MCP 连接器（系统既有 API）、Skills（需要交互界面的能力包）、H5-API（页面级能力复用）、Agent-UI（多步复杂任务）。
   • 能力描述规范（可直接照抄的字段）：能力 ID、供模型理解的语义描述、入参/出参 Schema、权限域、幂等键、超时与错误码、读写属性、是否需人工确认。
   • 零改造适配层设计：统一鉴权代理、协议与报文转换、字段映射、限流与降级。
   • 能力的注册、版本与上下架管理：新增能力不改工作台主体，接入即生效。
4. 技术方案二：从一句自然语言到跨系统任务编排
   • 意图识别与槽位补全：缺参数时的三种处理——上下文继承、默认策略、反问澄清。
   • 任务规划：把一次业务任务拆成能力调用图，支持串行、并行、条件分支与人工确认点。
   • 执行引擎：请求合并、超时重试、部分失败降级、断点续跑、结果收敛。
   • 多智能体协同：一个任务按职责拆给若干专职智能体，由编排层统一收敛结果，避免“一个万能智能体”的不可控。
5. 技术方案三：真执行、真回写
   • 写操作分级：可自动执行 / 需确认执行 / 禁止执行，按能力粒度配置。
   • 身份代理：以用户自身身份调用系统，权限不放大；每一次调用可追溯、可审计。
   • 写操作三道闸：执行前确认、幂等键防重、执行后回执与撤销。
   • 结果回写：写入生产系统，保证系统始终是唯一事实源，而不是在对话里留一份“影子数据”。
6. 技术方案四：上下文、记忆与多轮续接
   • 三层记忆：会话上下文、工作日记、长期偏好，分别解决“这一轮说什么”“这几天做了什么”“这个人习惯怎么做”。
   • 跨会话续接：任务状态持久化，昨天没做完的走访准备今天接着做。
   • 记忆边界：什么写入、什么不写入，以及个人数据与组织数据的隔离。
7. 技术方案五：安全、成本与可观测
   • 分级安全网关：强制拦截 / 风险预警 / 免责核验三级，避免“一刀切”误伤正常业务。
   • 算力成本：模型网关分层 KV 缓存提升单位算力 Token 吞吐，个人/部门/系统三级 Token 配额与超额熔断。
   • 可观测：全链路调用追踪、任务成功率、人工介入率、Token 计量，让每个场景的投入产出可核算。
8. 上线路径与量化成效
   • 场景选择四条标准：跨系统、高频、规则明确、价值可量化。
   • 五步上线：能力接入 → 评测门禁 → 小范围灰度 → 扩面 → 常态化运营。
   • 量化成效：改造前后关键指标对比与测算口径。
9. 总结与展望
   • 技术演进：对话框越来越小，能力越来越无形，系统被“调用”而不只是被“打开”。
   • 组织演进：从改造一个系统到改造一批系统，从交付一个项目到沉淀一套规范。

方案与业界现有方案的区别和优势

1. 以“能力接入”替代“应用重构”的存量系统改造路径。业界常见做法有两种：一是把 AI 塞进某个系统做成“系统内助手”，能力出不了这个系统，员工依然要逐个系统登录；二是为 AI 另建一套应用，存量系统的流程、权限、数据要重新对齐一遍，代价大且上线即落后。我们走第三条路：不动存量系统的业务逻辑，只在其外围增加能力适配层，把系统既有能力按统一规范注册为可被对话调用的能力单元——同一个“查客户在用产品”的能力，既能被对话调用，也能被页面调用、被其他能力编排调用。企业内部接第 1 个系统和接第 20 个系统，用的是同一套规范、同一套流程，边际成本持续下降。
2. 对话直连生产系统的“真执行”链路。多数企业 AI 助手停留在“查询 + 建议”：能告诉你该做什么，但不能替你做，落地效果止步于“提效不明显”。我们打通了写操作——以用户身份代理调用（权限不放大）、写操作分级（可自动执行 / 需确认执行 / 禁止执行）、幂等键防重、执行后回执与撤销。客户经理在对话里说“把这个商机推进到方案确认阶段”，工作台调用商机系统接口真实变更状态，而不是只回一句建议。这一步是“从对话框到生产线”的关键分水岭，也是企业最谨慎、最难打通的一段。
3. 面向任务的跨系统编排引擎，而非单点智能体。单点智能体解决的是“一件事在一个系统里做完”，而企业里真实的工作天然跨系统：一次走访准备要同时读客户档案、读在用产品、读近期故障、读经营数据，再生成走访方案。我们把能力编排成有向图，支持串行、并行、条件分支与人工确认点；缺参数时按上下文继承、默认策略、反问澄清三种方式补全；执行中支持超时重试、部分失败降级与断点续跑。用户看到的是“一句话出结果”，背后是多个异构系统能力的稳定调度。
4. 交付的是一套可复制的接入与上线规范，而不是一个项目。我们沉淀了四种接入模式的适用边界、能力描述字段规范、场景选择四条标准，以及“能力接入 → 评测门禁 → 小范围灰度 → 扩面 → 常态化运营”的五步上线流程，并配套能力准入与质量门禁机制。其他企业可以照搬这套规范完成自身存量系统的 AI 化改造，不必从零摸索架构，这是本方案对企业级 AI 落地最直接的借鉴价值。

本技术在实践过程中的痛点问题

1. 能力接入的标准化与存量系统差异性之间的矛盾。规范越统一，接入越顺畅，但存量系统由不同厂商建设、接口风格与字段口径各异，适配层往往要为每个系统做一次“方言翻译”。哪些差异应在适配层消化、哪些必须反向推动系统侧整改，是我们持续在权衡的问题。
2. 从“给答案”到“动系统”的信任与责任边界。写操作分级是按能力粒度配置的，但同一能力在不同业务场景下的风险并不相同——同样是“修改商机状态”，日常场景可以自动执行，重大商机可能必须人工确认。如何用更细的场景化策略替代粗粒度开关，目前仍在实践中摸索。
3. 跨系统编排的稳定性与部分失败处理。一个任务跨 4—5 个系统，任何一个系统超时或返回异常，都会影响整体体验。我们通过重试、降级、断点续跑缓解，但“部分成功如何向用户解释、如何让用户接着做完”仍是需要反复打磨的地方。
4. 权限代理与安全合规的精细度。以用户身份执行保证了权限不放大，但也意味着 AI 的能力上限被个人权限锁死；跨部门协作任务中，用户权限之外的数据如何安全获得，需要在合规框架内另行设计。
5. 规模化之后的算力成本控制。推广面越大，Token 消耗增长越快。KV 缓存与配额制能压住成本曲线，但“业务价值 / Token”这一目标本身难以短期量化，容易陷入只看用量、不看效果的误区。

听众收益

1. 拿到一套“存量系统可对话化”的完整技术方案。包括能力接入规范、能力描述字段清单、四种接入模式的适用边界（MCP 连接器 / Skills / H5-API / Agent-UI），可直接用于评估自身企业的系统改造范围与工作量。
2. 掌握跨系统任务编排与“真执行”的工程做法。意图理解与槽位补全、任务编排图设计、写操作分级、身份代理与幂等回滚、结果回写生产系统——这套组合拳是把 AI 从“聊天”推进到“干活”的具体路径。
3. 了解规模化推广中安全与成本的管控方法。**分级安全网关如何在守住合规红线的同时不误伤业务、身份代理如何保证权限不放大、分层 KV 缓存与三级 Token 配额如何把算力花在刀刃上。
4. 获得可复制的企业内部改造路径与场景选择标准。包括选场景的四条标准、五步上线流程、能力准入与质量门禁机制，避免把 AI 落地做成单点 Demo 或推倒重来的大工程。