《AI+场景落地启航营》

《AI+场景落地启航营》

——运营商客户经理的 AI 落地修炼：看清全局×掌握方法×动手实操

主讲：叶宇清老师

【课程背景】

“我们想部署私有化大模型，Token 怎么计费？”——客户经理刚坐进会议室，对面客户已经开口。但这位客户经理的脑子里，第一反应还是空白。

这不是个例。在 AI 全面进入政企客户业务的今天，一线客户经理正集体陷入三个尴尬：

一是不懂 AI 接不住话——分不清 Token 和流量、说不清大模型参数与性能的关系，客户一开口就被带跑；

二是不懂场景给不出方案——知道客户有智能客服、智能数据分析的需求，但不知道用哪家模型、怎么组合能力、怎么评估成本，只能眼睁睁看着商机被集成商抢走；

三是不会搭工具做不出 Demo——客户要“能不能先做个 POC 看看”，却连原型工具都不会用，POC 一拖再拖，客户耐心耗尽。

背后是同一个底层趋势：AI 不再是“加分项”，而是“新基础设施”。2026 年全球 Token 周调用量突破 10 万亿，中国超越美国成为全球最大 Token 市场；政企客户的需求，已经从“AI 是什么”转向“AI 能帮我解决什么问题”，招标书中 AI 相关技术要求占比超过 60%。

对运营商而言，这恰好是历史级机遇——三代经营模式正从“流量经营”跃迁到“Token 经营”：网络覆盖、客户基础、合规保障三大优势，决定了运营商有能力、有资格抢占 Token 市场的先机。但机会只留给有准备的人：谁能先掌握 AI 场景落地的方法，谁就能把商机变成合同。

本课程不讲抽象的 AI 概念，也不堆砌工具名词。它从“客户经理的三个真实挑战”出发，按“看清 AI → 掌握方法 → 动手实操”三阶递进，把 AI 世界的七层地图、五层落地结构、三大前端场景画布，一次性讲清、讲透、讲会。让每一位学员回到岗位，都能用一张《AI 场景应用画布》把本岗位的真实场景拆给 AI，让 AI 真正帮上忙。

【课程收益】

看懂 AI 重塑业务的真相，建立从“流量经营”到“Token 经营”的战略认知，把握运营商抢占下一代市场的窗口期；

看清 AI 世界的七层架构与主流工具全景，对每一个客户的 AI 话题都能接得住、答得准；

掌握 AI 场景落地的五层结构（业务目标→场景定义→任务拆解→AI 能力→工具实现），把模糊需求变成可执行的 AI 方案；

运用智能体与提示词工程这两项核心武器，把日常重复工作交给数字员工，把判断与温度留给自己；

应用《AI 场景应用画布》对自己岗位的真实场景做一次完整填写，带走至少 1 个可落地的 AI 场景；

建立从“偶尔问问 AI”到“场景化稳定使用 AI”的跃迁路径，率先成为业务部门里最懂 AI 的人，把商机抓在手里、把项目干得漂亮。

【课程对象】运营商各省/地市分公司的一线客户经理、政企客户经理、行业总监、解决方案经理、产品经理；以及希望借助 AI 把高频工作自动化的运营、客服、营销、团队管理岗位人员。

【课程时间】1-2 天（6 小时/天）

【课程大纲】

一、AI 到底给前端带来了什么价值？——看清 AI 重塑业务的真相与代价

1. AI 给前端业务的三大核心价值

效率提升：把人从重复性工作中解放出来——AI 擅长标准化、重复、规则明确的工作（数据报表、文案撰写、工单分派等）

质量优化：标准化输出、减少人为差错——话术规范、质量检测、风险预警，让每位员工都达到“销冠”水准

能力扩展：突破人力边界，做到人做不到的事——7×24 在线、海量归因、跨系统协同，把“不可能”变“日常”

从“人力密集型”到“智能驱动型”：不是工具升级，是服务模式的根本转变

2. 人机协同四象限——找准 AI 与人的分工边界

第一象限（高规则 × 高并发）：AI 绝对主场——批量生成话术、海量公域线索初筛、24h 风控

第二象限（低规则 × 高并发）：人机协同增强区——AI 批量输出 → 人筛选纠偏

第三象限（低规则 × 低并发）：人类核心竞争力——关键决策、客情共情、破局创意

第四象限（高规则 × 低并发）：人机协同增强区——AI 初稿模板 → 人审核定责

核心口诀：“谁擅长谁来做”——把简单重复的交给 AI，把需要判断、创意、温度的留给人

3. AI 应用趋势：从“工具使用”到“智能协同”

工具时代：AI 是一个个独立工具，人主动调用——用 deepseek 写文案、用豆包做 PPT、用即梦生成图片

协同时代：AI 融入工作流，自动感知、自动执行、端到端闭环——数据自动同步 → AI 自动分析 → 自动生成报表 → 自动推送到群

人的角色转变：从“工具使用者”变为“流程设计者和监督者”——从“人找 AI”变成“AI 找人”，从“单次输出”变成“持续运行”

互动：单选判断——以下哪个场景真正体现了“智能协同”而非“单点工具”？（4 个备选：文案撰写/海报设计/数据闭环/文本翻译）

案例：森马零售“规模化数字员工实践”——94 个数字员工 = 545 人工作量，覆盖 200+ 业务场景，效率提升 70%+

案例：康宝宝·AI 垂类大模型——国内首个养老行业垂类模型，护理查询时间从 15 分钟降至 30 秒，差错率下降 60%

案例：顺丰速运“AI+寄件”——一句话/一张图就能下单，最快 10 秒完成寄件，操作步骤减少 80%

二、客户经理为什么接不住 AI 时代的商机？——一线三大挑战与 Token 经营跃迁

1. 一线面临的三大挑战

挑战一·不懂 AI → 无法对话——客户说“我们想部署私有化大模型”，客户经理分不清 Token 和流量的区别，客户转身找竞争对手

挑战二·不会方案 → 商机流失——客户说“我们需要一个智能客服方案”，客户经理给不出方案、不知哪家模型适合、无法评估成本，商机被集成商抢走

挑战三·没有工具 → POC 难产——客户说“能不能先做个 Demo”，客户经理不会用原型工具快速搭建，POC 周期长到客户耐心耗尽

三大挑战的核心：客户经理的 AI 能力缺口正在直接转化为客户流失和商机损失

2. AI 正在重塑企业服务模式——大势不可逆

调用规模指数级增长：2026 年全球 Token 周调用量突破 10 万亿+，AI 成为新型基础设施

中国超越美国成为全球最大 Token 市场，市场规模持续领跑

政企客户需求从“概念认知”转向“实际应用落地”——招标书中 AI 相关技术要求占比超 60%，方案能力成为刚需

AI 已从“技术热点”变为“基础设施”：不懂 AI = 不懂客户需求，谁先掌握，谁占先机

3. Token 是运营商下一波增长的核心——三代经营模式跃迁

第一代：通话分钟——语音通话时代，按分钟计费，峰值 2000-2010 年

第二代：流量经营——移动互联网时代，按流量计费，峰值 2010-2020 年

第三代：Token 经济——AI 智能体时代，按 Token 调用计费，爆发期 2024-2030 年

运营商抢占 Token 市场的三大优势：网络覆盖（CDN 边缘节点遍布全国）+ 客户基础（政企客户关系深厚）+ 合规保障（国云国芯国模战略保障数据安全）

案例：森马/康宝宝/顺丰三大落地案例给运营商的启示

模型：运营商 Token 经营能力跃迁曲线——从“卖连接”到“卖智能”，从“按流量”到“按 Token”

三、AI 的“技术地图”长什么样？——AI 世界七层架构与主流工具全景

1. AI 世界的七层地图——一层都不能少

312293033782000第 1 层·大模型（基座层）：AI 的“大脑”，提供基础理解和生成能力——GPT、豆包、DeepSeek、通义千问、星辰大模型

第 2 层·提示词/上下文（交互层）：人和 AI 沟通的“语言”，决定 AI 输出质量——好的提示词 = 明确角色 + 具体任务 + 背景信息 + 格式要求

第 3 层·知识库/RAG（知识层）：给 AI 装上“专业大脑”，解决幻觉与时效性难题——把内部文档、业务知识、产品资料注入

第 4 层·智能体/Agent（执行层）：能自主做事的“数字员工”——大模型 + 记忆 + 工具使用 + 自主决策

第 5 层·编排与治理（管理层）：多个 AI 和系统的“总指挥”——扣子 Coze、WorkBuddy、TeleAgent、OpenClaw 等平台

第 6 层·MCP/API（连接层）：AI 和外部系统的“通用接口”——CRM、ERP、OA、数据库的标准化连接

第 7 层·多模态（交互层）：AI 的“感官升级”——语音、视觉、文本的自然融合，豆包/Gemini/即梦/星辰多模态

关键认知：“越往上，越接近业务价值；越往下，越接近技术底层”——前端业务主要工作在第 2-5 层

2. 七层地图，每层都有对应主流工具

基座层（对话/推理）：国内—文心一言/通义千问/豆包/Kimi/DeepSeek/智谱/讯飞星火/腾讯混元；国外—ChatGPT/Claude/Gemini/Llama/Grok

提示词工程：内置于各平台，关键在方法论而非工具

知识库/RAG：国内—Coze 知识库/星辰知识库/Dify/百度千帆/阿里百炼；国外—Pinecone/Weaviate/Chroma

智能体/编排：国内—TeleAgent/扣子 Coze/WorkBuddy/Dify/百度千帆；国外—LangChain/Make/Zapier/MS Copilot Studio

API/连接（MCP）：国内—企业微信 API/飞书 API/钉钉机器人；国外—OpenAI API/Claude API

多模态·生图：国内—即梦/可灵/万相/堆友/文心一格；国外—Midjourney/Stable Diffusion/DALL·E/Firefly

多模态·生视频&语音：国内—可灵/即梦/海螺/豆包视频/讯飞智作/魔音工坊；国外—Sora/Runway/Pika/HeyGen/ElevenLabs

选型原则：“没有最好的工具，只有最适合的工具”——根据场景、技术能力、安全要求来选

工具：AI 七层地图速查卡——每层解决什么问题、用什么工具、对应前端哪些场景

四、怎么和 AI 说话它才听得懂？——提示词工程与知识库装配

1. 提示词工程：把模糊需求变成精准指令

差的提示词：“帮我写个客户跟进话术”——AI 只能猜

好的提示词：“你是一位有 10 年经验的电信行业销售专家，请针对一位对云服务感兴趣的企业客户，写一条微信跟进话术，要求：语气专业但不生硬、突出降本增效价值、字数 150 字以内、结尾引导下一步动作”

四要素公式：明确角色 + 具体任务 + 背景信息 + 格式要求

前端两大高频场景：① 客户跟进话术生成（销售赋能）② 客户拜访纪要整理（管理赋能）

2. 知识库/RAG：给 AI 装上“专业大脑”

解决大模型“不懂专业知识、信息过时、会胡说八道”三大问题

注入专业知识：让 AI 掌握产品知识、业务流程、政策规定

保证信息准确：基于真实资料回答，减少“幻觉”（胡说八道）

知识统一管理：把分散在各处知识集中起来，AI 和人都能用

前端场景举例：销售赋能（新员工可随时问 AI = 口袋里装了销冠）+ 新员工培训（资料问答缩短上手时间）

3. 从“工具使用”到“智能协同”——AI 角色的根本转变

工具时代：你问一句，AI 答一句；每次只能完成单一任务，无法自动联动

协同时代：多步骤端到端——数据自动同步 → AI 自动分析 → 自动生成报表 → 自动推送到群

人机协同的本质：不是替代，而是分工——“把简单重复的交给 AI，把需要判断、创意、温度的留给人”

演练：提示词优劣对比演练——同一场景用好/差提示词各跑一次，看输出差距

工具：销售场景提示词模板库——话术生成/纪要整理/客户画像/异议应对 4 类模板

五、AI 怎么从“会聊天”变成“会干活”？——智能体与编排治理

1. 智能体（Agent）：会干活的“数字员工”

公式：智能体 = 大模型 + 记忆 + 工具使用 + 自主决策

四大核心能力：有目标（知道要完成什么）+ 会规划（拆解成具体步骤）+ 能用工具（调用 API/数据库）+ 能迭代（遇错自动调整）

对比大模型：你问一句我答一句 vs 你给个目标 AI 自动干完——这是 AI 从“工具”到“员工”的关键跃迁

2. 超级智能体：处理更复杂、长期、不确定的任务

“超级”体现在：任务复杂度（复杂模糊）/ 智能体数量（多智能体协作）/ 记忆能力（长期记忆）/ 推理深度（几十上百步）/ 工具使用（自己学新工具）/ 自我进化（持续优化）

智能体 vs 超级智能体——适用边界：标准化重复工作用智能体，复杂判断/跨系统协同用超级智能体

3. 智能体平台运行原理——五大核心机制

机制 1·大模型基座（大脑）：提供理解、推理、生成能力，对应第 1 层

机制 2·提示词（指令）：告诉 AI 要做什么、怎么做，对应第 2 层

机制 3·知识库（专业教材）：注入业务知识，让 AI 懂行，对应第 3 层

机制 4·API 调度（手脚）：连接外部系统，执行实际操作，对应第 6 层

机制 5·流程编排（总指挥）：串起多个步骤，控制整体流程，对应第 5 层

主流平台总览：商业平台（WorkBuddy/扣子 Coze）+ 内部平台（TeleAgent）+ 开源平台（OpenClaw 小龙虾）+ 代码框架（LangChain/LangGraph）

4. 内外部平台工具介绍——选平台比用平台更重要

TeleAgent（某运营商自研）：安全可控/数据不出域/对内办公场景定制；产品形态覆盖桌面版/网页版/企业版

TeleAgent 八大核心功能：对话交互/任务执行/工具调用/文件操作/Skill 市场/企业知识库/多模型支持/安全管控TeleAgent 使用技巧：精准指令四要素（明确目标/提供素材/设定规则/确认交付）+ Skill 安装与创建 + 工作目录安全规范

WorkBuddy（腾讯 AI 原生桌面智能体）：本地文件直连/多端远程协同/智能定时执行/多智体并行处理

WorkBuddy 五大功能模块：智能任务/项目管理/专家智库/技能扩展/流程自动化

演练：TeleAgent 实操演练——搭一个“周末出行规划助手”

演练：WorkBuddy 实操演练——搭一个“家电选购决策助手”

案例：客户投诉智能处理流水线——编排 5 步：进线→分类→AI 答复/转人工→生成回访→生成报告；治理要求：隐私脱敏+重大投诉人工审核

六、怎么把业务场景系统拆给 AI？——五层落地结构与各层产出物

1. 五层结构总览：从“随便用”到“精准用”

300228031369000L1·业务目标（WHY·为什么做）：锚定项目价值原点——解决什么痛点、带来什么可量化商业价值

L2·场景定义（WHAT·做什么）：把模糊需求具象化——输入条件、处理过程、输出结果

L3·任务拆解（HOW·怎么做）：把复杂场景拆成标准化子任务——流程拆解、判断节点、人机分工

L4·AI 能力（TECH·用什么 AI）：基于子任务精准匹配——大模型/提示词/知识库/智能体/多模态

L5·工具实现（ACTION·落地执行）：选平台、配置搭建、测试验证、上线运营

核心口诀：选场景 → 定任务 → 拆步骤 → 标卡点 → 交给 AI

2. L1 业务目标：四步法——找痛点 → 算价值 → 可量化 → 可验证

业务目标三个维度：降本（人力/时间/差错）+ 提效（单位时间产出/响应速度）+ 增收（转化率/新业务机会）

反面案例 vs 正面案例对比：“用 AI 提升客服体验”vs“用 AI 自动回答常见问题，自助率达 70%、人力成本降 30%”

本层产出物：业务痛点清单 + 价值评估结果 + 项目目标（3-5 个核心指标 + 验收标准）

3. L2 场景定义：高频 × 痛点明显 × 可量化

场景三要素：输入条件（触发/信息/格式）+ 处理过程（核心任务/逻辑规则/边界约束）+ 输出结果（产出物/格式/质量标准）

好的场景定义 vs 不好的：边界必须明确——只回答标准问题、不涉及投诉退费等敏感场景

前端三大方向高频场景：运营提效（数据复盘/物料制作/风险管控）+ 商机转化（客户洞察/拜访准备）+ 团队管理（目标拆解/人才培养）

本层产出物：场景说明 + 场景边界 + 成功标准（关键指标 + 验收标准 + 达标线/红线）

4. L3 任务拆解：拆得越细，AI 做得越好

拆解三原则：颗粒度适中（太粗 AI 搞不定、太细效率反低）+ 逻辑清晰（先后顺序/判断条件/异常处理）+ 可标准化（有明确输入输出和判断标准）

拆解四步法：① 画主流程 → ② 标判断节点 → ③ 考虑异常情况 → ④ 标注人机分工

本层产出物：业务流程图（流程+分支+异常）+ 任务清单（每个子任务名称/输入/输出/分工）+ 人机分工表

5. L4 AI 能力：每个子任务匹配最合适的能力

五大能力：① 大模型（理解/生成/推理）② 提示词工程（大多数场景首选）③ 知识库/RAG（专业准确回答）④ 智能体（复杂多步骤执行）⑤ 多模态（图片/语音/视频）

能力匹配示例：理解客户问题→大模型+提示词；检索产品知识→知识库；生成标准回答→大模型+知识库+提示词；判断质量→大模型+提示词；自动发消息→智能体+工具

本层产出物：能力需求清单（每子任务需要什么能力+优先级+组合关系）+ 模型选型（用哪个、为什么、成本评估）

6. L5 工具实现：把 AI 场景真正跑起来

四阶段：① 平台选型（根据需求选合适平台 + 验证能不能满足要求）② 配置搭建（挂载知识库/配置工具 API/设置流程规则）③ 测试验证（功能/效果/压力/安全测试）④ 上线运营（小范围试点→收集反馈→优化迭代→逐步推广）

本层产出物：平台选型报告 + 配置文档 + 上线方案

7. 完整示例：智能客服场景五层落地

L1：常见问题自助率 70%、客服人力成本降 30%；L2：客户通过微信咨询常见问题（资费/套餐/办理流程）；L3：接收问题→判断类型→检索知识库→生成回答→质量判断→发送/转人工；L4：大模型（理解+生成）+ 知识库（产品知识）+ 提示词（优化质量）+ 智能体（自动转人工）；L5：TeleAgent 平台 + 客服知识库 + 企业微信接口

工具：五层结构对照表——每层对应“核心问题/产出物/常见错误”

演练：自己岗位的一个场景，按五层结构走一遍，产出各层产出物

七、怎么把方法带回真实工作？——三大场景画布实战与课后行动

1. 三大前端场景视图——AI 落地的三大主战场

团队管理（让管理更精准）：目标拆解 + 人才培养 + 绩效辅导 + 会议管理

运营提效（让运营更高效）：数据复盘 + 物料制作 + 流程优化 + 风险管控 + 报表分析

商机转化（让转化更智能）：客户洞察 + 商机分析 + 方案生成 + 拜访准备 + 经验沉淀

2. 工具导入：AI 场景应用画布——把方法论变可交付物

画布模板：L1 业务目标(WHY) + L2 场景定义(WHAT) + L3 任务拆解(HOW) + L4 AI 能力(TECH) + L5 工具实现(ACTION)画布填写四大原则：① 真实性（基于自己真实场景，不要“我觉得”）② 具体性（数字化、动作化、可验证）③ 聚焦性（一画布只解决一个场景）④ 闭环性（五层从头到尾填满、目标←场景←任务←能力←工具一一对应）

3. 画布实操示例：商机转化·方案定制场景

L1 业务目标：增收（沿街商铺千兆签约转化率提升 30%）+ 提效（方案制作从半天缩至 30 分钟）

L2 场景定义：输入（客户基本信息 + 痛点描述）→ 处理（画像分析→需求匹配→方案定制→异议预判）→ 输出（个性化千兆宽带方案+产品+报价+竞品对比+异议话术）

L3 任务拆解：① 收集客户信息（人，10 分钟）② 画像自动生成（AI，自动）③ 产品方案匹配（AI）④ 竞品对比（AI）⑤ 异议预判（AI）⑥ 方案整合（AI）⑦ 人工审核定制（人，15 分钟）

L4 AI 能力：NLP 文本理解（抽取意图）+ 推理式 AI（推导网络需求）+ 生成式 AI（方案+话术）+ RAG（竞品+产品知识库）

L5 工具实现：平台——知识库平台(RAG)+ GPT API + 企业微信；上线——搭知识库(1天)→开发 Prompt(半天)→封装企微侧边栏(1天)→2 区域试点 1 周→优化→全区域推广

4. 课后作业：完成 2 张《AI 场景应用画布》

画布 1（AI+运营提效方向）：从数据复盘/物料制作/流程优化/风险管控/报表分析中任选一个真实场景

画布 2（AI+商机转化方向）：从客户洞察/商机分析/方案生成/拜访准备/风险预判中任选一个真实场景

填写标准：L1 业务目标（量化指标）+ L2 场景定义（输入输出边界）+ L3 任务拆解（流程+判断+异常）+ L4 AI 能力（LLM/Prompt/RAG/Agent 匹配）+ L5 工具实现（TeleAgent/Coze/WorkBuddy 落地路径）

5. 角色跃迁：从“AI 工具使用者”到“场景设计者”

第一阶段·工具使用者：“我让 AI 做什么，AI 就做什么”——单点工具调用，每次重新描述需求

第二阶段·流程设计者：“我设计规则，AI 自动跑”——场景化稳定使用，五层结构走通

第三阶段·协作者：“AI 找人，AI 持续运行”——多智能体协同，端到端自动化

本课程目标：把每位学员从第一阶段推进到第二阶段——能独立完成一个场景的五层设计

工具：AI 场景应用画布模板（空白可填版）

模型：AI 落地成熟度模型——工具使用→场景设计→持续协同

演练：学员现场填写一张画布——讲师/助教 1 对 1 点评与优化