一款车型有成百上千条低压线束。线径、引脚、电流负载、电压负载和温度等参数都要逐项计算，熟练工程师过去需要两天，也就是2880分钟。
现在，导入参数表后，大约5分钟就能得到结果。
这个工具出自长安汽车的电气系统集成测试工程师毛海，他把线束选型规则整理成产品需求文档，再借助AI完成开发，AI负责计算、分析和呈现，工程师核对过程并作出判断。
在河北长安公司，质量工程师郭子雅也在用相同的方式解决问题。一批扫码枪无法直接录入汉字，员工只能手工输入质量问题。不同人的表述可能存在差异，后面的数据分析和问题归类也会受到影响。更换设备要增加投入，开发新系统要等待开发排期。
郭子雅决定自己做一个工具。她2013年进入河北长安，学的是材料专业，没有软件开发经验。借助AI，她先做出文字转换和二维码生成工具，又根据扫码枪的字节限制增加自动检查功能。系统会判断二维码能否被识别，指出需要调整的内容，再生成与现有设备匹配的二维码。
之后，她继续把AI用于随车文件检查、自动提交，以及原因和整改措施核查。她不熟悉智能体工作流，就把实际流程逐步讲给AI，让它说明参数如何连接。
一名工作了13年的质量工程师，开始直接修改自己每天使用的流程。
从2880分钟到5分钟，长安把AI推向业务一线：最了解问题的人，开始自己把解决方案做出来。
过去几年，外界讨论车企与AI的结合，注意力主要集中在智能辅助驾驶和智能座舱。但是，长安汽车正在把千问办公推向企业内部，让它进入研发、生产、采购，运营和服务等日常工作。
千问办公落地长安汽车的案例展示了企业AI落地的另一面。
模型能力只是起点，哪些人提出问题，业务规则能否说清楚，个人做出的工具如何进入组织，开始决定实际效果。
01 要提效，AI先进入规则清楚的工作
毛海选择低压线束选型，看中的是它足够明确的输入、输出和计算逻辑。工程师需要处理线径、引脚、电流负载、电压负载和温度等参数，计算量很大，但每一步都有规则可循。
毛海先与线束工程师一起梳理计算逻辑，把输入、输出和规则写进产品需求文档，再交给AI开发可执行工具。工具投入使用后，还增加了结果追溯功能，把每一步计算过程列出来，方便工程师核对。
0
评论 (0)