随着AI技术的普及，越来越多的人开始探索如何将其融入日常工作以提升效率。本文从企业应用的角度出发，探讨了AI在2B场景中的潜在价值，供大家参考。

挺多人都已经在用AI产品，这说明大家都认可了AI的能力，也愿意享受它带来的强大生产力。

豆芽君作为一名软件行业从业者，我们不会止步于作为一名用户去使用像deepseek这类AI产品。近期我们从企业应用的视角，开始考虑大模型如何在企业内部应用。

以下豆芽君试着提出一些方向，以及背后的逻辑。也欢迎对这方面有兴趣的朋友，可以加入讨论，一起把AI应用这件事给张罗起来。以下说的AI仅限AIGC这个范围

AI到底有什么能力？

我们不查官方资料，就从普通用户使用AI的发现，来谈谈AI的能力。

AI被输入了海量的知识，且已拥有了类人的分析、推理能力，这让它达到了各行各业的高手级的水平，在某些行业甚至达到了专家级的水平。这主要取决于一个行业的显性知识的完善程度，越能总结出显性知识的，AI也就越能达到专家级。

目前AI厂商提供的产品形态主要是问答。用户向AI输入问题，AI快速地进行分析、推理，然后回答出高质量的答案。这是比较适用于2C的使用场景。但大家是否有想过，如果是2B的场景，那又应该是怎么样的呢？

2B的使用场景有哪些？

多数办公类的企业，内部已经有各种多样的业务软件、管理软件。这时AI要如何嵌入到这些应用软件，以提高工作的效率呢？

我们先提出一个问题：传统的应用软件有个典型的特点：所有的业务规则都需要事先定义，软件按IT人员定义好的规则来执行各种检查、运行各种进程。这种模式存在什么问题？请你先试着思考一分钟再往下看

问题就是业务规则的完整性、准确性，也就是这些软件的能力上限。

几年前，豆芽君和同行就有在讨论软件的一些智能规则，典型的如淘宝的猜你喜欢。它的背后结合了用户大数据、机器学习和实时计算（用户刚点了什么，在什么商品上停留的时长更久）等技术。

这类2C产品的技术是否也有可能用于2B的业务场景呢？

豆芽君当时的看法是，2C的业务有更强的容错性，而2B的业务大多要求准确性，所以这类技术暂时不好用于2B业务。

但最近，豆芽君看了一些产品的使用场景后，认为2B的业务如果进一步拆分具体场景，是有可能使用一些AI工具来解决问题的。

比如说用户常常要花较多的时间在业务流程的第一个环节来录入数据，那么在这类场景中，就可以考虑引入OCR技术+大模型的分析、推理技术提高录入的速度和准确率。

具体的实现逻辑：先用OCR技术来识别来自外部商业合同、物流单据上的信息，从图片识别成文本；再用大模型的分析、推理技术将文本识别成业务系统对应字段的字段值。通过一圈下来，最后通过我们说的AI开发工具将大模型结构化后的文本写入到现有的业务系统（两边通过接口实现）。

这样一顿操作下来，用户就只需要再做些信息检查和补录就可以完成原本的信息录入了。

再比如说业务系统沉淀的这些数据，作为管理者如何充分利用这些数据，去发现新的洞见，找到业务提升点？

具体的实现逻辑：可以考虑将AI开发工具对接已有的业务系统或数据仓库，管理者可以通过问答的方式先和AI进行对话，AI先输出提炼后的业务数据。再将大模型与已有的报表开发工具对接，直接输出直观的报表或图形。

这些合理的想象在没有大模型之前几乎是不敢想象的。因为那时我们没有AI这种“大脑”，无法借助这个跨系统的“中枢神经”来拆分、组合、推理。

但现在有了这个“超级大脑”，这一切都变得可行、可预期了。

通过我们的分享，你觉得AI还可以用在你自己生活或工作中得那些场景？欢迎留言讨论