客户故事 / 制造业
AI贯通流程治理与研发制造，全员共建业务应用，存量经验转化为组织能力
AI贯通流程治理与研发制造，全员共建业务应用，存量经验转化为组织能力。
制造业主要成效
业务部门参与 AI 实践
18 个Bug 检索与分析耗时
20 分钟 → 2 分钟自动化分批处理速度提升
3 倍企业背景
四川长虹新网科技有限责任公司深耕全球运营商市场二十余年，具备软硬件研发、制造和全球化市场营销能力，持续服务国内外200多家主流电信及广电运营商与垂直行业客户。公司围绕网络接入与覆盖、智慧媒体终端、物联网行业解决方案及泛智能终端等业务，为全球客户提供产品与服务。
以AI连接企业知识与既有系统，让流程经验进入业务现场
长虹新网将千问办公定位为全员可用的AI办公平台，依托专属钉、知识库、AI表格、待办、Skill及MCP连接器，把AI接入流程治理、研发协同和生产改善等实际工作。内部18个业务部门参与AI实践，累计提交40余个作品并遴选出9个代表项目，推动AI从文档生成进一步进入制度审查、Bug分析、任务创建、工艺诊断和改善方案输出等环节。
实践一：【流程治理】流程治理AI工作台 | 盘活700余份制度与流程文件，让制度审查形成闭环
现状痛点
制度资产难以调用
BPM平台已运行约两年，沉淀了700余份制度与流程文件，但传统系统主要解决结构化存储问题，制度、授权、岗位职责和流程要求仍需人工查找与理解。
交叉审查耗时
制度发布前，需要核对集团要求、国资监管要求、公司授权、部门职责及法律法规。单份流程人工审查通常需要20至30分钟，批量检查对专业能力和业务经验要求较高。
变革机会依赖专家发现
现有流程能否合并节点、加入数字员工或改为自动拦截，过去主要依赖少数熟悉业务与数字化的人员判断，难以持续覆盖全部业务域。
业务需求难以讲清
非技术人员提出制度修订、流程优化或系统需求时，常因表达不完整导致业务与技术反复沟通。
场景解决方案
通过千问办公构建流程治理AI工作台，把岗位画像、制度扫描、需求转译、任务派发与落地复审串成闭环
岗位画像与AI机会识别
综合岗位职责、岗位说明书及员工在钉钉中的实际工作记录，对比“岗位应做什么”与“实际在做什么”，识别职责偏差，并生成个人AI机会清单，找出可由RPA、API或AI承担的重复工作。
制度流程批量扫描
支持单份文件或按业务域批量扫描，将公司制度与集团文件、授权关系、部门职责及法规要求交叉比对。目前已对财务、数字化等3个业务域完成样本测试，扫描结果自动形成变革机会台账。
集团要求转为审查规则
从集团制度中提取红线、黄线等“门禁卡片”，在新制度起草或发布前自动执行符合性检查，降低下位制度与上级要求冲突的风险。
业务需求逐步转译
通过Skill逐步追问业务痛点、目标与约束，把口语化需求整理为结构化方案，帮助非技术人员完成制度、流程或项目需求描述。
700余份 纳入治理范围的制度与流程文件
9项业务 流程治理覆盖业务数
实现效果
1、流程治理AI工作台 2、操作流程链路
实践二：【研发生产】禅道智联 | 自然语言检索历史Bug，问题初步分析由20分钟缩短至2分钟
现状痛点
历史Bug规模大、检索慢
网关、路由器等不同产品长期积累了大量Bug记录。研发人员遇到相似问题时，需要在禅道中反复筛选和查找，定位相关记录保守估计需要20分钟。
历史经验利用不足
根因、处理步骤与验证结果分散在不同Bug记录中，传统关键词查询难以综合多个相似案例形成判断。
系统操作步骤多
新建需求、提交Bug、补充处理过程需要进入禅道逐项填写，增加研发人员的记录负担。
场景解决方案
通过自建MCP服务连接禅道，让研发人员以自然语言完成检索、分析、创建与回填
相似Bug一键检索
研发人员描述当前问题后，千问办公调用禅道MCP服务，自动检索不同产品中的相关Bug并列出候选记录。
综合历史记录分析根因
AI结合历史记录中的处理步骤、问题根因和验证信息进行综合分析，给出优先排查方向；研发人员确认后继续深入处理，未命中时再转回传统排查方式。
自然语言操作禅道
研发人员只需简要描述需求或Bug，系统即可在禅道中完成记录创建，减少页面切换和字段填写。
处理过程自动回填
Bug解决后，千问办公将对话内容整理为易读的处理步骤，并通过MCP服务回写禅道，推动经验持续沉淀。
20分钟→2分钟 相似Bug检索与初步分析耗时
分钟级 历史记录综合分析与建议输出
实现效果
1、整体流程框架 2、技术实现链路
实践三：【系统搭建】LCIA低成本自动化分析系统 | 改善方案由人工摸排转向AI辅助，不到1个月挖掘18个方案
现状痛点
现场摸排耗时
IE与工艺工程师需要通读SOP、观察现场动作，再逐道工序识别等待、搬运及动作浪费，分析一条产线往往耗时数小时至数天，还可能遗漏工序。
方案质量依赖个人经验
工程师需要凭经验设计2至3套方案，并逐项估算投入与收益；不同人员的经验差异会直接影响方案质量和落地可行性。
改善经验难以复用
已验证案例散落在个人文档和历史台账中，同类工位再次改善时仍要重新摸排、重新设计。
评审跟进依赖人工
方案定稿后还要手工填写钉钉评审表、统计进度、催办评审并编制周报，跨部门衔接慢且容易出错。
场景解决方案
通过千问办公构建Web端LCIA业务应用，打通“材料上传—逐工序诊断—方案生成—评审跟踪—现场验证—案例入库—周报推送”全流程
多模态逐工序分析
上传PDF、Excel格式的SOP或现场操作视频，AI自动拆解每道工序，识别动作与流程中的浪费点；文本信息优先分析，必要时调用视觉能力补充判断。
低成本方案硬约束
每道工序固定生成2套L1方案（单套投入不超过1000元、采用不同改善思路）和1套L2方案（投入1000至20000元），禁止输出L3万元级大型改造和机器人替代方案，确保建议聚焦轻投入、易落地。
落地案例优先匹配
分析前先从方案库中检索相似案例，再结合当前工位生成定制建议。方案库已导入18个现场验证案例，支持按改善等级、改善类型、工位类型、预算和目标效率组合检索；AI预估方案不会自动入库，只有经人工确认落地后才会沉淀。
长任务异步提速
将60至200秒的大模型任务改为“提交即返回任务号、前端轮询进度”，每批处理6道工序、3路并行调用，规避网关超时，整体处理速度提升约3倍。
数小时至数天→153秒 17道工序全量AI深化分析实测耗时
约3倍 异步化与分批并行后的处理速度提升
实现效果
1、多模态工位分析 2、落地方案库
人物证言
千问办公让“全员拥抱AI”不再是一句口号，普通员工也能用AI把活干出来，在工作中学会与AI协同。对企业来说，这是一笔花小钱提升组织效率的划算投资，也是我们迈向“企业组织大脑”的第一步。
