2026年5月26日直播 | 安克创新 × WaytoAGI 共学系列 | 主讲人：Dara Dai（安克创新内容营销专家）
一句话概括
💡单点的流程智能体很好用，但如果没有串联机制和人的赋能，它们永远只是散落在各处的工具。赋能者要做的，是把散装智能体升级成围绕项目持续运转的系统能力。
单点的流程智能体很好用，但如果没有串联机制和人的赋能，它们永远只是散落在各处的工具。赋能者要做的，是把散装智能体升级成围绕项目持续运转的系统能力。
核心问题：工具建好了，为什么没人用？
安克内部上线了一批流程智能体后，做了好几轮培训，满意度评分高达 8 分。但两周后看后台数据，发现：
❌超过一半的流程智能体使用人数不超过 5 个人（大概率只有建设者自己+身边一两个帮忙测试的同事）很多智能体用户用了一次就再也没回来
超过一半的流程智能体使用人数不超过 5 个人（大概率只有建设者自己+身边一两个帮忙测试的同事）很多智能体用户用了一次就再也没回来
问题不在于培训不到位，也不在于智能体本身好不好用，而是出在对「赋能」这件事的理解上。赋能不是开几次培训课、告诉大家有哪些工具，而是要解决更深层的结构性问题。
三大结构性缺口
通过深度追踪业务同学的真实使用场景，Dara团队发现了三个同时存在的缺口：
💡缺口一：动态的项目上下文没有被管理起来建设者造智能体时把通用业务逻辑内置了（怎么做洞察、怎么做素材），但每次具体项目的动态信息——产品卖点、目标人群、竞品动态、预算——无法提前写入。每次使用者都要自己去拼凑，拼得全不全、准不准，全靠个人能力。
缺口一：动态的项目上下文没有被管理起来建设者造智能体时把通用业务逻辑内置了（怎么做洞察、怎么做素材），但每次具体项目的动态信息——产品卖点、目标人群、竞品动态、预算——无法提前写入。每次使用者都要自己去拼凑，拼得全不全、准不准，全靠个人能力。
💡缺口二：智能体之间没有协作关系的设计洞察智能体跑完产出一份报告就停在那里，策略智能体不知道它的存在。工具和工具之间怎么衔接？谁先谁后？产出怎么传？这些都没被设计过，全靠人工搬运。
缺口二：智能体之间没有协作关系的设计洞察智能体跑完产出一份报告就停在那里，策略智能体不知道它的存在。工具和工具之间怎么衔接？谁先谁后？产出怎么传？这些都没被设计过，全靠人工搬运。
💡缺口三：全链路运行状态不可见、不可控每个建设者只看自己的那一段，业务同学虽然扎根业务但脑子里没有AI工具全景图。项目跑起来后，哪个环节卡住了、AI产出质量如何、哪个节点需要介入——大家都看不见。
缺口三：全链路运行状态不可见、不可控每个建设者只看自己的那一段，业务同学虽然扎根业务但脑子里没有AI工具全景图。项目跑起来后，哪个环节卡住了、AI产出质量如何、哪个节点需要介入——大家都看不见。
这三个缺口对建设者不可见（他们只看自己的智能体）、对业务方也不可见（他们没有工具全景图），但对赋能者可见——因为赋能者是唯一同时站在两端的人。
解法：两层桥梁
桥梁一：对智能体的赋能——全流程智能体
赋能者搭建了一个「全流程智能体」，这是一层把所有流程智能体串联起来的基础设施。它用三层设计解决三个缺口：
第一层：项目容器 + 数据底座
项目启动不是开会，而是在全流程智能体里创建项目。输入产品型号后，系统自动同步产品信息、竞品数据、电商评论到项目 ID 下。缺失的数据（如社媒评论）自动提单采集。所有数据做好结构化，智能体直接读取。
🔄关键设计：双向流动智能体不只是从数据池取数，跑完的输出也会流回项目数据池，成为下游智能体的输入。洞察报告存入底座后，后续需要它的智能体直接取用，不需要人做搬运工。
关键设计：双向流动智能体不只是从数据池取数，跑完的输出也会流回项目数据池，成为下游智能体的输入。洞察报告存入底座后，后续需要它的智能体直接取用，不需要人做搬运工。
第二层：编排引擎 + 协作模式
智能推荐：系统根据项目类型自动推荐需要的流程智能体清单，负责人可自行增减。新品上市项目系统推荐了15个，负责人根据需要加到21个。
编排引擎：谁先跑、谁后跑、谁能并行，写进系统变成规则。洞察在策略之前完成，网红策略和创意策略可以并行。
三种协作模式（都是跑真实业务倒逼出来的设计）：
- •普通模式：一个智能体对应一个执行人，专人专职
- •赛马模式：同一智能体多人同时跑，各自产出版本，项目负责人对比选最优
- •多产品模式：多款产品在同一个项目里跑，进度在一个仪表盘统一呈现
第三层：实时仪表盘 + 质量门禁
实时仪表盘：一张图展示整个业务链条。项目第二天，负责人一句话「帮我盘点项目进度」，系统返回：洞察已完成3份报告待选、网红策略今天产出、广告策略运行中，同时弹出红色阻塞提示——某个智能体要等7天后的广告测试结果。
💡质量门禁：每个节点都设卡每个智能体的产出必须经过项目负责人审阅确认，才能流向下游。AI的产出不是100%稳定的，细微偏差沿着整条业务链叠加，到执行层会变成明显问题。10分钟的确认环节，比让问题流到下游花几天返工，省时太多了。
质量门禁：每个节点都设卡每个智能体的产出必须经过项目负责人审阅确认，才能流向下游。AI的产出不是100%稳定的，细微偏差沿着整条业务链叠加，到执行层会变成明显问题。10分钟的确认环节，比让问题流到下游花几天返工，省时太多了。
桥梁二：对人的赋能——从培训到实战
之前的培训满意度8分但使用数据拉胯，说明传递知识不等于创造体验。
第二次组织的是真实业务实战：拉一些项目组和MVP同学，把一个真实项目从头到尾跑一遍。一个人听懂一件事不一定去做，但当他亲手把自己的项目从洞察跑到执行，看到上游数据自动流入、不用发消息就知道下游什么时候启动——这种感觉讲不出来，只能自己经历。
跑完之后大家开始主动用全流程智能体启动新项目了，因为事情真的变简单了。
AI赋能者的画像
安克从各业务线调了一批人做赋能——财务、渠道销售、品质管控、营销。这些人不是IT背景，不是算法专家，是各自领域扎根最深的业务骨干。
🎯赋能者三个关键词1. 扎根业务：从业务里土生土长出来的人，知道哪一步最耗时、哪一步容易出错2. 拥抱变化，深度理解AI：知道AI能做什么、边界在哪里，精准把工具配到对的业务环节3. 让能力可复制不满足于自己跑通，要让团队每个人都能跑，甚至跑得比自己更好
赋能者三个关键词1. 扎根业务：从业务里土生土长出来的人，知道哪一步最耗时、哪一步容易出错2. 拥抱变化，深度理解AI：知道AI能做什么、边界在哪里，精准把工具配到对的业务环节3. 让能力可复制不满足于自己跑通，要让团队每个人都能跑，甚至跑得比自己更好
赋能者的核心能力：把业务的问题翻译成AI能解的任务，把AI的产出翻译回业务能用的结果。
两套可观测体系
观测一：智能体跑得怎么样
每次运行过程全部记录：对话轮次、响应时间、调用了哪些工具、成功率、token消耗。再接一个评审模块，让另一个大模型从准确性和完整性两个维度打质量分。
观测二：人用得怎么样
发现了两种典型用户：
- •一路点Yes型：全程认可智能体输出，没有深度介入——不是不认真，是还没建立跟AI协作的能力
- •主动介入型：AI跑偏时能主动纠正，能清楚说出差在哪里——这是高能力的AI协作者
邀请高能力协作者总结交互经验分享给团队，持续提升整体水平。
给校招生的特别培训
安克专门为校招生开了培训：多个营销智能体 + 两周课程 + 真实业务场景，让他们在最短时间把营销全链路走一遍。因为没被旧习惯定型，这些新人从第一天起就用AI驱动的方式工作。
💬校招生反馈：「以前以为AI只是单点工具，这个培训让我看到营销全流程可以被工程化拆解。AI不再是辅助工具，而是共创伙伴。」
校招生反馈：「以前以为AI只是单点工具，这个培训让我看到营销全流程可以被工程化拆解。AI不再是辅助工具，而是共创伙伴。」
安克的Token政策
💰安克对员工AI使用Token不限量。HR部门每人每周消耗约200-300美元。公司鼓励大家自由探索——好的AI native玩家是用token烧出来的。
安克对员工AI使用Token不限量。HR部门每人每周消耗约200-300美元。公司鼓励大家自由探索——好的AI native玩家是用token烧出来的。
六期课程全景
| 期数 | 主题 | 关键词 |
| --- | --- | --- |
| 第一期 | AI驱动的业务流程重构 | 流程 |
| 第二期 | AI的建设者 | 搭建智能体 |
| 第三期 | AI的赋能者（本期） | 串联 + 落地 |
| 第四期 | AI的变革者 | 组织变革 |
| 第五期 | AI生长的土壤 | 基础设施 |
| 第六期 | AI+硬件产品创新 | 产品 |
下一期将由安克创新变革管理负责人Sally分享：如何跨越部门阻力，搭建配套机制，推动AI从几个人在跑变成整个组织在跑。
完整回放和资料：waytoagi.com→ 「AI正在重构你」专栏