DY / FLOW待人工确认
OFFICE LEASING
01租赁线索智能工作台
01
需求结构化面积 300–500㎡ · 高新区 · 本月入驻
已完成02
匹配条件检查预算和装修偏好仍需补充
AI 建议03
业务负责人确认确认后进入跟进台账
待确认01 · POSITIONING
我们是谁，以及如何把 AI 做进业务。
企业 AI 化不是先买工具，而是从真实业务出发，把场景、资料、流程、人员和结果标准逐一说清楚。
登元跃迁：给中小企业做企业 AI 化落地。
我们的工作方式：先理解业务，再选择适合的知识库、智能体或工作流，让团队真正用起来，并在需要的地方保留人工确认。
从一个真实场景开始，逐步形成业务闭环
我们关注的不是“用了多少工具”，而是某项工作是否更清楚、更可追踪、更容易协作，并且由负责人确认最终结果。
1理解业务
2落地场景
3团队使用
1
理解业务
还原真实流程、参与岗位、现有资料和需要人工判断的地方。
2
落地场景
围绕一个高频、重复、规则相对清楚且结果可核对的场景小范围试跑。
3
团队使用
通过培训、反馈、复盘和持续优化，让方案进入日常工作，而不是停在演示里。
02 · SERVICE METHOD
从业务理解，
到一条能运行的流程。
企业诊断、知识库、FAQ Agent、工作流、培训、测试和验收，组成一条可推进、可核对、可持续优化的服务方法。
同一套视觉、Logo、色彩和服务方法，分别服务客户浏览与团队推进。
先找到真正值得改造的工作
从业务目标、现有流程、资料来源、参与岗位和风险边界开始，不把 AI 当成万能答案。
- 看清楚工作从哪里开始、怎样结束
- 识别高频、重复和容易遗漏的环节
- 确认哪些动作必须由人判断
业务事实 → 场景判断
把 AI 放进一条真实流程
根据场景选择知识库、FAQ Agent 或工作流，先做小范围试跑，再依据测试和反馈迭代。
- 资料整理与知识源管理
- 信息提取、问答、建议和流程协作
- 异常处理、回退和人工审核
场景设计 → 小范围试跑
让团队会用，也知道何时停
通过培训、演练、反馈和复盘，让方案进入日常工作；价格、合同、审批和正式承诺始终由人确认。
- 岗位培训与真实业务练习
- 测试、验收与问题闭环
- 复盘后决定是否扩展
培训使用 → 验收优化
理解业务选择场景共创流程培训使用复盘优化
统一工作原则公开内容帮助客户理解；内部工作台推动项目执行；所有关键商业、权限、安全和公开事项由负责人最终确认。
03 · INDUSTRY SCENARIOS
先把一个行业做深，
再把方法复制出去。
行业页面不把 AI 写成万能工具，而是沿着业务实际发生的三个经营环节，明确可切入的工作、人工责任和下一步证据。
01PRIMARY INDUSTRY
首要行业
写字楼租赁（二房东）
围绕租赁业务从获客到续租的完整经营链路，先把高频、重复、可核对的工作做成可使用的 AI 场景。
01LEAD → DEAL
获客与招商转化
把线索、客户需求、房源条件和带看准备整理成可跟进的信息，帮助业务人员更快判断和推进。
02MOVE → BUILD
入驻交付与装修协同
覆盖标准交付与定制装修两类情况，辅助整理节点、责任人、资料和异常，减少反复沟通与遗漏。
03STAY → REFER
客户经营、续租与转介绍
围绕客户服务记录、续租节点、满意度反馈和转介绍机会形成持续经营台账，关键动作仍由人确认。
02NEXT VERTICAL
待确认
待开发行业
长期保留。后续行业按确认顺序追加，先完成业务事实、流程边界和试点条件，再形成行业解决方案。
按确认顺序持续增加
AI 负责：提取、整理、提醒、生成建议；人负责：业务判断、报价、合同、审批和对外承诺。dyyqsk.com · 对外官网
04 · DELIVERY FLOW
每个项目，都沿着同一条落地路径推进。
把“想做 AI”变成有负责人、有资料、有测试、有验收的实际工作；关键商业和业务决策始终由人确认。
理解目标、现状、流程、资料与风险边界。
明确范围、责任人、资料源、权限和验收人。
整理知识源，设计问答、人工接管和更新机制。
验证正常、反例、敏感、无答案和回退路径。
由负责人核对结果，记录问题并决定是否上线。
围绕岗位练习，让团队知道怎么用、何时停。
以真实问题和成果物为中心，形成可交接的课程。
依据反馈和证据，决定优化、扩展或暂停。
人机边界AI 负责提取、整理、提醒和生成建议；人负责业务判断、报价、合同、审批、权限与对外承诺。
05 · BENCHMARKS
优秀企业案例拆解：真正值得学的是“做法”
以下案例主要来自 OpenAI、Microsoft 官方客户故事；数字保留来源方口径，不能直接搬到登元跃迁宣传中。
点击筛选，查看案例更适合沉淀成哪类资料。
内部 AI 化
OpenAITaisei：从人才发展推动 AI 使用
案例观察
HR 主导人才发展，采用“Middle Out”推进；配套训练、活动、实践社区和黑客松，同时设置访问控制、日志、教育和监测。
登元跃迁要做
建立内部讲师/AI 先锋、微课、案例分享、反馈表和使用边界，不能只发一套工具说明。
来源页报告：3,300 个自定义 GPT、90% 周活、每周 5.5+ 小时节省；均为来源方客户案例口径。
试点与扩容
MicrosoftJCB：PoC、培训小测与内部使用中心
案例观察
先做 440 个许可、约 70 个部门的 PoC；选择不同岗位和人群；培训视频+小测后开通；按使用情况扩容和调配许可。
登元跃迁要做
给客户设计“试点—培训—小测—反馈—扩容”的项目路径，配套使用率、问题数和任务完成度等指标。
案例还把 GenAI 分成日常提效、内部任务、客户服务三级，可作为服务目录的分层参考。
先做自己
MicrosoftCDW：内部使用变成客户交付经验
案例观察
先把 Copilot 用在自己公司，形成第一手客户经验；用 Viva Learning 做培训，用 Brainwave 做内部协作和经验分享。
登元跃迁要做
内部知识库、FAQ、内容生产和项目交付先跑出记录，后续才能形成可信的演示和案例讲解。
内部使用后的客户表达必须区分：真实验证、个人感受、来源方数据和待确认推断。
从高频问题切入
MicrosoftG-STAR：IT 助手逐步扩到多部门
案例观察
从 IT 支持切入，连接 Teams、SharePoint 和工单系统；先在 IT/零售运营试点，再扩到 HR、财务、法务等部门，并配套工作坊和教程。
登元跃迁要做
先做自己的 FAQ Agent；在客户项目中把知识源、系统、试点部门、培训、反馈和扩展条件写成启动卡。
案例页给出了活跃用户、参与度和准确率目标；目标值不能当作已实现效果。
知识库治理
MicrosoftCarlsberg：受控知识源 + 小范围测试
案例观察
以 SharePoint 为主要知识源，覆盖供应链标准、培训资料和文档；先由测试小组验证，用点赞/点踩反馈，再逐步扩围。
登元跃迁要做
把资料治理、版本台账、测试集、无答案处理、用户反馈和更新责任写进知识库/Agent 项目包。
来源页报告了搜索时间和使用反馈等数字；仍属于客户故事口径。
治理与复用
MicrosoftAT&T：审核门、监控和 Agent 库
案例观察
每个新 Agent 经过法律、安全、财务审核；监控性能和数据流；将可复用技能沉淀成库，并形成统一入口。
登元跃迁要做
交付不止有 Prompt，还要有权限清单、审核点、日志/反馈、模板复用和上线后的责任人。
这类治理要求可以缩小成中小企业可执行版：谁能看、谁审批、什么必须人工复核、出现问题如何回退。
真实问题优先
OpenAILSEG：先高影响低风险，再进入工作流
案例观察
先从真实问题开始；对关键输出做人工复核和数据安全控制；鼓励早期用户、培训和结果定义，再向工作流级 AI 扩展。
登元跃迁要做
客户诊断不能只问“想不想用 AI”，而要问真实工作、输入资料、判断标准、风险、基线和验收证据。
案例页的效果数据只作为研究参照，不作为登元跃迁承诺。
动手式培训
OpenAIOpenAI 小企业项目：培训要带产出
案例观察
采用线上动手培训、线下 AI 学院、具体行业用例、提示词和工作流练习；强调指导、练习、支持和即时可用的结果。
登元跃迁要做
外部培训按“课前诊断—现场共创—当天成果物—7/30 天复盘”设计，不做只讲工具的泛讲座。
来源页的参与者结果是项目方报告；登元跃迁需建立自己的培训验收证据。
上线前后闭环
方法参考OpenAI Presence：工作流、权限、测试、升级
方法观察
部署从具体工作开始，只给 Agent 必要知识和系统权限；定义能做什么、何时审批、何时人工接管；上线后用升级问题推动改进。
登元跃迁要做
每个 Agent/工作流都配“业务目标—权限—政策—测试—人工接管—版本更新—复盘”的最小清单。
这是产品/方法页面，不是登元跃迁的技术承诺；适合抽象为项目治理模板。
06 · MATERIALS & FAQ
把企业介绍、服务方法，
和常见问题说清楚。
公开页面用于帮助客户理解我们是谁、做什么、如何合作；具体项目范围、价格和正式服务承诺仍由负责人确认。
企业介绍 · 服务介绍 · 常见问题 · 对外培训与合作说明
先选业务问题，再确定技术组合
我们不从“买什么工具”开始，而是从业务目标、流程、资料、人员和人工判断开始，逐步形成可使用、可测试、可复盘的方案。
01企业 AI 认知与培训
让管理者和员工理解 AI 能做什么、不能做什么，以及如何进入真实工作。
从认知开始
适合对象
管理者、业务负责人、流程负责人和希望把 AI 用进日常工作的团队。
核心内容
AI 能力、业务场景、资料边界、风险控制、岗位练习和持续使用方法。
培训目标
团队能说清一个真实工作、一个可切入场景和一个需要人工确认的边界。
培训如何落地
01 · 认识问题从企业真实工作出发
02 · 拆解场景看输入、步骤和结果
03 · 动手练习用企业自己的资料练习
04 · 留下行动明确负责人和下一步
培训原则：不只讲工具；每次培训都要留下场景、流程、练习结果或后续行动。
02业务场景与流程诊断
把企业想解决的问题还原成一条真实、可判断、可推进的业务流程。
先把问题问清楚
好的 AI 项目不是从“有没有 AI 需求”开始，而是从“哪项工作最值得先改善”开始。
我们重点了解
业务目标
这项工作为什么重要，什么结果才算完成，当前最影响业务的地方是什么。
流程与资料
谁参与、用什么工具和资料、哪些步骤重复、哪里容易遗漏或返工。
风险与责任
哪些内容需要脱敏、哪些动作必须人工审核、谁负责确认最终结果。
诊断输出
事实客户明确描述的现状
场景可能优先改造的环节
缺口资料、权限和责任缺口
下一步补充资料或小范围试跑
边界：诊断用于帮助双方形成判断，不代替客户决定预算、采购、上线或正式业务规则；不要求外部访客在官网上传敏感资料。
03知识库与 FAQ Agent
把分散的制度、SOP、服务资料和常见问题，整理成团队可查询、可维护的知识源。
统一口径
先整理知识源
明确资料来源、版本、适用范围、负责人和可见边界。
再设计问答
对已确认内容直接回答；资料不足、冲突或敏感问题明确提示并转人工。
持续维护
记录反馈、问题、人工修正和版本更新，避免 Agent 变成无人维护的资料堆。
适合先解决的问题
- 新人反复询问相同的公司、服务和流程问题。
- 制度、服务说明和标准答案分散在不同文件里。
- 团队对外回答口径不一致，无法快速找到依据。
- 需要让 AI 提供建议，但关键内容仍由负责人确认。
使用边界：价格、合同、付款、客户敏感资料、未授权案例、正式承诺和上线结论不由 Agent 自动决定。
04AI 工作流落地
把信息提取、建议生成、人工确认、异常处理和复盘串成一条能运行的工作流。
小范围试跑
工作流的基本结构
触发什么事件开始
处理AI 整理、提取或生成建议
确认谁审核、谁决定、谁执行
回退异常时如何转人工
首要行业：写字楼租赁（二房东）
获客与招商转化
整理线索、提取需求、匹配房源条件和准备跟进信息。
入驻交付与装修协同
辅助整理交付节点、装修需求、责任人和异常事项。
客户经营、续租与转介绍
沉淀服务记录、续租节点、反馈和转介绍机会。
项目原则：先做一个可核对的小闭环，再依据测试、使用反馈和负责人验收决定是否扩展。
不是。先理解业务，再组合知识库、Agent、工作流和培训。
从一项真实、高频、结果可核对的工作开始小范围试跑。
不会。关键判断、报价、合同、审批和承诺由负责人确认。
可以联系 FDE 郁佳琪，先沟通业务问题与适合的合作起点。
NEXT STEP
191 6437 3312带着一个真实业务问题，开始第一次沟通。
对外联系人：郁佳琪 · FDE