执行摘要与回顾：

在 第一部分, ，我们探讨了为何当企业将人工智能部署视为常规软件采购时，其采用率会停滞在14%水平。前沿人工智能的价值正源于模型与企业之间的差距（data）。在第二部分中，我们将梳理该体系的四个结构性组成部分， 部署层：部署（治理）、基础搭建（MCP 和业务规则）、采用（针对 data 生产环境的培训）以及构建（生产代理）。我们通过以下案例进行演示： 博拉·巴西 为什么“扎根”必须始终先于训练。.

在模型与业务之间，存在一层既非纯粹的IT工作，也非纯粹的变更管理工作。我将其分为四个部分，并对每个部分都有自己强烈的看法。.

1. 部署

该平台本身——包括Claude Enterprise、Claude Code和Cowork，或是ChatGPT Enterprise和Codex——已顺利上线。实际上，这意味着采用了一种按角色、领域和职级分配席位的许可模式，而非先到先得；通过企业单点登录（SSO）进行身份认证，并支持基于群组的访问权限； 一套使用政策，用通俗易懂的语言明确规定哪些内容可以粘贴、哪些不可粘贴；一份最佳实践指南，阐明理想的使用场景；以及成本治理机制，从第一周起就能按部门显示谁在使用什么。这是大多数组织做得还算不错的部分，但仅就其本身而言，却是最不具价值的部分。 一个配置完美却没有任何连接的租户，不过是一个极其昂贵的聊天窗口。.

2. 接地

使模型能够根据公司自身的真实情况给出答案的上下文层。具体来说：一台运行在客户自有 cloud 租户中的 MCP 服务器，该服务器通过一个受管控的入口，将结构化的 data （Fabric 或 Snowflake 中的销售表、预算表、KPI 数据集市）以及非结构化存储库（SharePoint 或 Drive 中的合同、政策、董事会演示文稿和流程）通过一个受管控的入口进行访问。.

此外，还有一层业务知识层：官方术语表、财务部门制定的KPI定义、业务规则（“季度结账日为25日”， “净销售额中应剔除公司间交易”），以及每份文档的语义描述，以便模型能准确定位目标文件并全文读取，而非仅凭片段内容进行推测。 访问权限与每位员工现有的权限设置完全一致，因此模型只会向您展示您本人原本就能打开的内容。而且每个答案都附有引用来源：表格、行筛选条件、文档、页面。.

我认为，企业人工智能的成败就在于此，而这正是几乎所有人都会跳过的一环，因为它看起来就像是管道工程一样枯燥。没有它，模型就像一个才华横溢的陌生人；有了它，模型就成了一个通读一切且能证明这一点的同事。.

3.通过

针对公司实际运行的data系统，按部门逐一开展培训。我已经对那种充斥着示例邮件和虚构公司的千篇一律的“提示技巧大师班”产生了抵触情绪：这类培训只能引发一周的好奇心，随后便归于沉寂。真正有效的培训课程则截然不同。.

  • 销售部门花了两个半小时讨论上季度的一个实质性问题。.
  • 财务部门对实际月末文件进行对账。.
  • 人力资源部重新编制了一份真实的缺勤报告。.
  • 法律部门会根据公司自身的操作手册，对一份真实的保密协议进行审查。.

每位参与者离开时都会带走一个“克劳德项目”，其中包含其所在部门的规则以及一个可运行的成果，他们将在周一再次打开查看。其中的区别不在于教学方法，而在于在对任何人进行培训之前，该模型是否已经过充分验证。.

4. 构建

生产代理工具，由工程师与客户团队并肩协作，基于客户维护的框架，通过短周期迭代开发而成。那些看似不起眼的工作——将供应商发票数据导入数据模型并标记未匹配的行项、根据 Teams 会议记录起草会议纪要和行动项、对照公司内部指南核对保密协议并总结责任条款和终止条款、 从一堆PDF文件中提取数据填入承保模板——这些才是耗费大量时间的地方，而大多数代理程序却永远无法达到这一步，因为它们一开始追求的是令人印象深刻的效果，而非真正有用的功能。.

这四点构成一个系统，而非单纯的选项清单，而且我要进一步强调：只做其中之一而忽略其余三点，往往比什么都不做还要糟糕。缺乏基础的培训会让人们认为工具会“产生幻觉”，而他们确实有道理。 没有训练的接地，只会建造一座无人问津的大教堂。没有平台的代理程序，只会产生十几个彼此孤立、缺乏共同治理的自动化流程，而安全团队最终必然会——而且理应——将其关闭。.

示例：在Bora Brasil，谁负责回答销售方面的问题？

试想一下，一位广告导演在周一早上可能会提出这样一个简单的问题： “Skala上个季度的业绩与去年同期相比表现如何？我们在哪些方面失去了市场份额？”

在 博拉·巴西, 由 Skala Brasil 和 Lola From Rio 合并而成的护发集团，这个问题过去总是辗转流转。从总监到分析师，从分析师到商业智能（BI）数据提取，从数据提取到电子表格，从电子表格到演示文稿，三天后又回到总监手中——而此时，后续问题已经发生了变化。 与此同时，已有十五位早期采用者正在非正式地使用Claude，将其与电子邮件、日历、Teams和文件连接起来，从而获得看似合理的答案——这些答案的来源无人能追溯，而且有时使用的“共享”定义甚至连财务部门的任何人都无法理解。 管理层提出的三个要求恰好就是上述三个问题：基于该团队自身“data”原则的答案、尊重现有权限的访问权限，以及一个受管控的环境，以确保敏感商业信息不再流向未经授权的工具。这就是从内部视角所看到的“14%”时刻。.

在这九周里发生变化的并非模型本身。有三条工作线并行推进：自下而上的采用线、自上而下的路线图线以及治理线。 工程团队在Azure上构建了一个上下文平台，该平台已获得集团技术领导层的批准，通过单个MCP服务器暴露了Microsoft Fabric（销售、KPI、预算）和SharePoint（合同、政策、演示文稿）中的数据。 业务知识层包含术语表、KPI 定义和业务规则，并对每份文档进行语义描述，以便 Claude 能够定位并阅读完整文件。访问权限与每位员工现有的权限设置保持一致，且每个数据都注明了其来源表或文档。 与此同时，通过对商务、市场营销、创新与研发、运营、财务及人力资源部门负责人的访谈，共识别出83个机遇。经按商业价值和技术复杂度进行评分后，将候选项目缩减至24个，随后在一次领导层研讨会上，进一步筛选出5个项目纳入第一年路线图。.

随后——也只有到那时——才针对这一具体的销售问题展开培训。在长达150分钟的培训环节中，每位参与者都创建了一个包含业务规则的Claude项目，从SharePoint中提取了KPI定义，在向Fabric运行查询前进行了规划，构建了一个可共享的交互式销售仪表盘，并核对了每个数据的来源。 动作较快的学员甚至在培训结束前，就已将该仪表盘设置为 Cowork 中的每周定时任务。由 Claude 构建的培训师指南，则一步步追踪了每位参与者的进度。.

目前已有62名员工投入使用，未来将扩展至150人，许可证按角色和区域分配，设有中央AI办公室，每个业务领域都配备一名推广负责人。首批30名许可证持有者反馈，平均每周至少节省4小时；其中七成的人每周节省3小时或以上。 一项人力资源薪资data数据转换任务仅耗时90分钟，而外部咨询公司此前报价需40小时。一份过去需要耗费8小时人工核对的考勤报告，现在已能按计划自动生成。.

我讲这个故事，并不是因为数据很大——这些数据还处于初期阶段，而且是自我报告的——而是因为其中的过程本身就是一堂课。先打好基础。在打好基础的基础上进行训练。将这种习惯传授给那些会留下来的人。如果顺序颠倒，那不过就是一场网络研讨会罢了。.

⏭️ 接下来是第3部分——前沿部署运作模式

该体系的构建和落实不能仅依靠传统的指导委员会或外部幻灯片演示文稿。在 第三部分, ，我们详细阐述了“前置部署”的运作模式——即在开发过程中将战略专家与工程师配对协作如何打造持久的能力、跳过这一步骤的风险，以及如何 钱塞里门 独立开发了20多个生产代理。.