兔展智能SkillsUI测评：如何将旧系统升级为AI能力库

市面上能对话的AI很多，但能真正执行任务的AI，却寥寥无几。

这正是当前企业AI应用面临的核心困境，也恰恰是价值最大的突破点。来看一个典型场景：一家年营收百亿的零售企业，内部审计发现，员工平均每天需要登录11个不同的业务系统。而要完成一项具体任务，无论是报销、发货还是处理客户问题，平均需要横跨4.3个独立后台。

颇具讽刺意味的是，这家公司早已部署了AI工具。员工可以用大模型润色文案、翻译合同、制作PPT。但当销售提出“帮我提交上周客户的回访工单”时，AI的回应千篇一律：“请打开CRM系统，进入客户管理模块……”

本质上，它只是把问题抛回给了操作者。

在“能对话”与“能办事”的AI之间，横亘着一道关键壁垒——对企业现有业务系统的无缝调用能力。跨越这道鸿沟，才是打通企业AI落地“最后一公里”的关键。

一场由新物种驱动的、静水流深的企业IT架构变革，正在拉开序幕。

大模型落地的下一程：从“理解力”到“调度力”

回顾企业数字化进程，大致经历了两个主要阶段：

• 第一阶段是信息化。从ERP到OA、CRM，核心是将线下流程线上化，关键词是“系统建设”。
• 第二阶段是集成化。通过主数据、ESB、中台等手段，打通数据孤岛，关键词是“数据连通”。

对于多数中大型企业，这两步已基本完成。

然而，管理者面临一个尴尬现实：系统功能齐全，但使用体验不佳。员工仍在群里询问“报销入口在哪”，客服需要多次转接才能查询物流，运营依然依赖Excel手动拉取数据。高管的日常工作，往往在十几个后台间频繁切换。

问题的核心并非缺少系统，而是系统设计以自身逻辑为中心，要求人去适应复杂的操作路径。

因此，第三阶段应运而生。这一阶段的关键词不再是“建”或“连”，而是“调”——核心在于让AI主动调度既有的系统能力，服务于人的意图。

近期推出的SkillsUI，正是这一路径在国内市场的代表性实践。

然而，这个看似顺理成章的“下一站”，在工程化落地时却让众多企业碰壁。过去两年的AI热潮中，多数尝试仍停留在问答层面。AI能回答问题，但一旦涉及具体操作，便束手无策。

根本原因在于，回答问题仅需语义理解，而执行任务则需要实打实的系统调用与流程编排能力。

以一个日常场景为例：让AI代理完成差旅报销。这需要执行一整套动作链：解析员工口语化指令→查询预算与审批路径→调用OA流程引擎→对接发票系统→流转所有审批节点→回写财务系统→并在关键节点请求人工确认。

每一步都涉及对一个独立系统的调用，且必须符合权限与合规要求。这绝非“在现有系统上添加一个聊天框”所能实现。

它要求在企业IT架构中，构建一个全新的独立层级。

这一层，可称为“AI入口层”或“智能调度层”。其作用，类似于浏览器之于互联网、应用商店之于智能手机——提供统一入口与调度能力，将分散的业务功能重新组织，最终实现“一句话，事办成”的体验。

SkillsUI所聚焦的，正是这一战略层级。

△SkillsUI：实现“对话即执行”的统一AI入口

告别“打补丁”模式：从人适配系统，到系统服务于人

许多AI产品失败的原因，在于做成了“功能的简单堆砌”。例如，在旧系统上强行叠加聊天机器人或智能搜索，结果往往导致入口更多、流程更碎片化。

SkillsUI采用了不同的逻辑。它不替代你已有的ERP、OA或CRM，也不在每个系统内嵌入孤立的AI助手。其做法是，通过标准化API连接现有系统，将深藏于各平台中的业务能力，解构为一个个可被AI识别与调用的Skill（技能）。

用户只需用自然语言提出需求，SkillsUI便能自动完成意图识别、路由分发、技能匹配、流程调用、结果回显、等待确认、最终执行等一系列动作。

其底层逻辑的转变可以概括为：从“人找系统”，到“AI调系统，服务人”。

△SkillsUI将企业现有系统能力解构为可被AI调用的Skills

这对决策层的价值在于，无需推倒重来或重构IT堆栈，即可让过去十年的系统投资被重新激活。ERP、CRM等系统本身不变，但它们从“需要员工主动操作的界面”，转变为“可被AI按需调用的能力库”。那些沉淀在系统中却使用率低的功能，首次得以高效利用。

△SkillsUI的技能市场（Skill市场）

场景一：电商运营提效

若发现昨日GMV异常下滑，传统流程是：登录多个后台、导出数据报表、组织会议分析、制定策略、安排执行。

现在，只需询问“昨晚销量下降的原因是什么”，AI便能直接跨系统抓取数据、生成分析报告、提供优化建议。运营人员只需在生成的交互卡片上确认，系统即可自动执行如调价等操作。

从决策到执行的链路，从数小时缩短至几分钟。运营的角色，也从“数据搬运工”转变为“策略指挥官”。

△SkillsUI案例示意：电商经营助手

场景二：企业差旅报销自动化

过去，员工报销需经历：在OA中寻找入口、填写表单、整理发票、提交申请、并持续跟进催办。

现在，只需发出指令“帮我报销上周的差旅费”，AI即可自动完成约80%的事务性工作，仅在关键节点（如凭证确认）需要员工在交互卡片上点击确认。

△SkillsUI案例示意：流程审批助手

场景三：C端服务转化优化

以健身课程预约为例。以往用户需点击多层页面才能完成预约，繁琐流程导致客户流失。优化后，用户在首页直接说出需求，系统即刻弹出预约卡片，选择课程、教练、时间一站式完成。

△SkillsUI案例示意：健身服务助手

以上三个场景虽不同，但底层逻辑一致：不改造旧系统，只为旧系统叠加一个AI调度层，使其能理解指令并自动执行。

给决策者的四个关键判断：抢占AI入口的战略窗口

在看清效率跃升的潜力后，核心问题转变为：何时启动？首个试点应选在何处？

以下四个基于实践的判断，可为今年的战略决策提供参考。

判断一：AI调度系统的技术是否已足够成熟可靠？

两年前答案或许存疑，但今天已截然不同。大模型在意图理解、工具调用、长链条任务规划等方面的可靠性，已跨越企业级应用门槛。结合“人在关键节点介入”的设计模式，可控性更多是工程问题，而非无解的技术难题。

判断二：先发是否具备结构性优势？

答案是肯定的。AI入口层一旦在组织内跑通，员工的操作习惯会迅速从“打开系统、寻找菜单”迁移至“直接说出需求”。这种习惯一旦形成，将反向驱动业务流程的优化与重塑。行动迟缓的企业，其效率差距将由此被逐步拉开。

判断三：是否会绑定单一供应商，形成新的数据孤岛？

这需要在选型阶段主动规避。SkillsUI的定位是仅做调度层，不替代底层业务系统；其接口标准开放，企业可根据自身需求自定义和扩展Skill。决策时应重点关注三点：是否采用标准API；形成的Skill资产是否归企业所有；以及是否支持私有化部署（这对金融、政务、医疗等强合规行业至关重要）。

判断四：从何处切入风险最低、示范效应最强？

切忌从“全员AI化”这类宏大叙事开始，这几乎是注定失败的路径。更明智的选择是，瞄准一个高频、低风险、且涉及多系统协同的场景作为切入点，例如差旅报销、订单状态查询、客户工单处理或销售辅助。成功跑通一个场景，形成标杆案例后，自然能复制到其他领域。

回归决策本质，需要回答的核心问题是：未来三到五年，你的员工和客户将以何种方式与你的IT系统交互？

如果答案仍是“登录系统、寻找菜单、点击按钮”，那么你的IT架构在下一个周期将愈发笨重且不受欢迎。但如果你的答案是“一句话指令，系统自动完成”，那么今年就需要在企业的IT蓝图中，为“AI入口层”预留出战略生态位。

这无需All in One，也不必立即全员推广。可以从一个高频场景入手，进行一个季度的试点，验证用户接受度、效率提升幅度与风险可控性。这是一次低成本、可回退、信号清晰的战略试水。

但必须警惕的是，留给企业观望和试错的窗口期正在收窄。AI入口层一旦在头部企业验证成功，这种高效交互模式将迅速重塑供应链、人才市场乃至客户预期。慢一步的企业可能面临的，不是“尚未启动AI化”，而是“AI化的最佳入口已被竞争对手牢牢占据”。

底层支撑：多模态大模型的长期积淀

SkillsUI能够将“对话”推进至“办事”，不仅源于产品形态创新，更依托于其在多模态大模型领域的长期技术积累。

作为从企业场景中成长起来的AI公司，其自研的“兔灵”大模型是广东省首个完成备案的视觉空间智能大模型。其开源项目曾连续多日登顶GitHub全球趋势榜，单模型下载量超2600万次；而UniWorld系列模型在探索“理解、生成、编辑”的统一架构上持续突破，在图像编辑、结构化生成等任务上获得国际关注。

正是这些底层模型能力的持续沉淀，使得SkillsUI不仅仅是一个聊天入口，而更像是一个连接企业系统、业务流程与真实世界动作的AI理解与调度中枢。

来源：互联网