“當(dāng) AI 成為企業(yè)軟件服務(wù)的新引擎，將 AI 的‘智能化’與無代碼的‘低門檻’深度融合，通過打造貫穿軟件交付全流程的端到端 Agent，真正踐行‘人人可構(gòu)建、場景易落地’的核心使命?！?——數(shù)睿數(shù)據(jù)創(chuàng)始人穆鴻在發(fā)布企業(yè)級無代碼軟件平臺 smardaten 2.0時(shí)強(qiáng)調(diào)。

　　一、深水區(qū)困局：AI落地遭遇系統(tǒng)性壁壘

　　畢馬威在其 2025 年相關(guān)報(bào)告中指出，過去幾年間，中國超 90% 的頭部企業(yè)已將 AI 納入核心戰(zhàn)略布局，中小企業(yè)的 AI 工具使用率近兩年同比提升 31%。這組數(shù)據(jù)的背后，折射出無論是大型企業(yè)還是中小企業(yè)的共同期許 ——借助 AI 提升企業(yè)數(shù)字化水平。然而，市場上的 AI 技術(shù)真的能實(shí)現(xiàn)這一目標(biāo)嗎？

　　據(jù)不完全統(tǒng)計(jì)，在所有已落地 AI 應(yīng)用的企業(yè)中，僅 35% 的 AI 項(xiàng)目能夠?qū)崿F(xiàn)規(guī)?；茝V，絕大多數(shù)企業(yè)仍停留在試點(diǎn)階段。造成這一現(xiàn)象的問題幾乎貫穿軟件開發(fā)的各個環(huán)節(jié)，例如缺乏充足的數(shù)據(jù)基礎(chǔ)、從需求提出到產(chǎn)品設(shè)計(jì)交付的鏈路不通暢等。

　　面對這樣的困境，在過去幾年，低代碼 / 無代碼賽道因 “低代碼 + AI 或能降低軟件構(gòu)建難度” 被關(guān)注，成為企業(yè)試圖突破困境的方向。但現(xiàn)實(shí)是，多數(shù)企業(yè)未推進(jìn)深度 AI 轉(zhuǎn)型：未將 AI 完全嵌入開發(fā)邏輯，僅停留在問答助手層面，缺乏真正的交互操作 Agent。

　　深究根源，不少低代碼產(chǎn)品的 AI 功能只聚焦基礎(chǔ)階段，生成簡單框架和頁面，不支持復(fù)雜頁面、圖表，這與平臺本身無法開發(fā)復(fù)雜應(yīng)用、不支持定制有關(guān)。若要將 AI 嵌入低代碼全流程，服務(wù)商不僅要實(shí)現(xiàn)固有組件的 AI 編排調(diào)度，還需針對業(yè)務(wù)管理、決策分析等場景深度思考，并構(gòu)建支持多 Agent 協(xié)同解決復(fù)雜任務(wù)的能力，挑戰(zhàn)巨大。

　　二、破冰行動：十年沉淀鍛造“雙核引擎”

　　面對困局，數(shù)睿數(shù)據(jù)的解法直指核心——打造與軟件工程、數(shù)據(jù)工程深度融合的AI底座。為實(shí)現(xiàn)這一深度融合的AI底座，團(tuán)隊(duì)首先發(fā)起了一場針對核心痛點(diǎn)的攻堅(jiān)戰(zhàn)。

　　

　　從104個痛點(diǎn)開始的攻堅(jiān)戰(zhàn)

　　團(tuán)隊(duì)耗時(shí)三個月梳理出整個企業(yè)級軟件定制交付全流程中影響交付效率的104個關(guān)鍵痛點(diǎn)，最終鎖定10大核心問題集中突破。比如需求調(diào)研時(shí)無法抓住用戶核心痛點(diǎn)、原型繪制效率低下、配置開發(fā)過程中重復(fù)性工作提效等，具體可以總結(jié)為三大關(guān)鍵瓶頸：讓抽象需求精準(zhǔn)落地為復(fù)雜界面、讓業(yè)務(wù)數(shù)據(jù)自動轉(zhuǎn)化為決策洞察、讓行業(yè)知識沉淀為可復(fù)用資產(chǎn)。

　　行業(yè)知識到可復(fù)用資產(chǎn)的AI標(biāo)注

　　要借助AI解決這些問題，其中一項(xiàng)頗具挑戰(zhàn)的是行業(yè)知識庫的構(gòu)建與快速迭代。交付、研發(fā)、運(yùn)營三大部門聯(lián)手，將十年積累的實(shí)施方案、設(shè)計(jì)文檔、客戶案例等非結(jié)構(gòu)化資料整理歸類、統(tǒng)一格式，通過smardaten 2.0 實(shí)現(xiàn)文檔向量化轉(zhuǎn)換和元數(shù)據(jù)標(biāo)注，構(gòu)建AI可理解的語義知識圖譜。

　　數(shù)睿數(shù)據(jù)知識商超上已積累的海量業(yè)務(wù)場景模板，包含應(yīng)用模板、頁面模板、大屏模板、卡片模板等，產(chǎn)品研發(fā)團(tuán)隊(duì)進(jìn)行人工標(biāo)注（標(biāo)簽、樣式等），AI通過學(xué)習(xí)這些標(biāo)注信息，能夠輸出新的不同類型/跨行業(yè)模板方案。通過以上通用以及個性化的整合，最終為 smardaten 2.0 構(gòu)建了強(qiáng)大的行業(yè)知識庫支撐，為AI提供了一個貼身的“業(yè)務(wù)助手”，讓AI在現(xiàn)有的積累之下進(jìn)行創(chuàng)新。

　　“雙通合璧”的技術(shù)突破

　　數(shù)睿數(shù)據(jù)依托 smardaten 平臺的深度實(shí)踐，將十年沉淀的 “流程經(jīng)驗(yàn)”與“數(shù)據(jù)能力”凝練為強(qiáng)大的 “雙核引擎”——數(shù)字通與數(shù)據(jù)通。二者強(qiáng)力互補(bǔ)：數(shù)字通構(gòu)建標(biāo)準(zhǔn)化軟件定制開發(fā)鏈路，為 Agent 提供清晰的流程導(dǎo)航，確保任務(wù)高效執(zhí)行；數(shù)據(jù)通聚焦數(shù)據(jù)治理與可視化分析，為 Agent 訓(xùn)練所需的高質(zhì)量數(shù)據(jù)標(biāo)注、場景化建模等關(guān)鍵環(huán)節(jié)，奠定堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。兩者通過“數(shù)據(jù)模型驅(qū)動洞察，應(yīng)用模板加速落地”的雙輪驅(qū)動，讓每個業(yè)務(wù)場景都能高效釋放數(shù)據(jù)價(jià)值，確保企業(yè)數(shù)字化的建設(shè)時(shí)不僅解決當(dāng)下問題，更持續(xù)積累數(shù)字資產(chǎn)，贏在未來賽道。

　　從場景驗(yàn)證來看：在軟件定制全流程的實(shí)踐落地中，某制造業(yè)軟件服務(wù)商交付團(tuán)隊(duì)借助smardaten2.0的智能助手，將調(diào)研階段的軟件原型繪制效率提升80%，單個中等復(fù)雜度功能模塊的需求確認(rèn)周期從平均3天大幅壓縮至僅需4小時(shí)。方案設(shè)計(jì)階段設(shè)計(jì)工程師通過AI檢索知識庫，獲取成熟業(yè)務(wù)設(shè)計(jì)方案，結(jié)合項(xiàng)目業(yè)務(wù)場景微調(diào)后即可交付終稿，總體設(shè)計(jì)工作量減少超過60%。

　　在數(shù)據(jù)治理與分析中，某醫(yī)療集團(tuán)案例中，信息科周主任通過系統(tǒng)提交自然語言需求：“提取各分院 2024 年第二季度皰疹病例，篩選出皰疹數(shù)量≥10 個且體溫≥39℃的患者，按年齡分段統(tǒng)計(jì)分布情況”。

　　AI智能引擎即時(shí)響應(yīng)，自動關(guān)聯(lián)各分院患者基本信息表、診療記錄表，10 秒內(nèi)完成數(shù)據(jù)調(diào)取、條件篩選與數(shù)據(jù)分析，直接生成年齡分布圖表。

　　傳統(tǒng)模式下，這類需求需信息科聯(lián)合臨床統(tǒng)計(jì)員手動對接 23 家分院導(dǎo)出數(shù)據(jù)，至少 1人耗時(shí)3小時(shí)才能完成匯總分析，數(shù)據(jù)通通過自動化處理實(shí)現(xiàn)效率躍升，同時(shí)避免人工統(tǒng)計(jì)誤差。

　　三、AI底座驅(qū)動企業(yè)智能轉(zhuǎn)型三重奏

　　smardaten 2.0 作為強(qiáng)大的AI底座，其價(jià)值遠(yuǎn)不止于提升單點(diǎn)效率。它正深度重構(gòu)企業(yè)核心能力，驅(qū)動一場圍繞軟件交付流程、數(shù)據(jù)價(jià)值根基與組織協(xié)作模式的智能轉(zhuǎn)型三重奏。通過將AI深度融入開發(fā)基因、構(gòu)建滋養(yǎng)AI的數(shù)據(jù)沃土、以及培育面向場景的Agent生態(tài)，smardaten 2.0 為企業(yè)提供了實(shí)現(xiàn)全面智能化轉(zhuǎn)型的核心引擎。

　　（1）再造開發(fā)基因：從“功能模塊”到“神經(jīng)中樞”

　　傳統(tǒng)AI工具往往作為獨(dú)立插件存在，而smardaten 2.0將AI深度植入開發(fā)基因。當(dāng)某汽車廠商需要定制經(jīng)銷商管理系統(tǒng)時(shí)，AI不僅生成界面原型，更同步構(gòu)建數(shù)據(jù)模型、優(yōu)化頁面設(shè)計(jì)、調(diào)用API接口文檔、配置權(quán)限規(guī)則，實(shí)現(xiàn)需求到上線的端到端貫通，如同系統(tǒng)的‘神經(jīng)中樞’般協(xié)調(diào)運(yùn)作。

　　（2）革新數(shù)據(jù)土壤：為AI扎根奠基

　　“沒有高質(zhì)量數(shù)據(jù)，AI就是無根之木?！蹦馒檹?qiáng)調(diào)?；趕mardaten 2.0 數(shù)據(jù)通提供的 data agent 能力，企業(yè)可以對自身的數(shù)據(jù)體系進(jìn)行智能優(yōu)化，從數(shù)據(jù)清洗到數(shù)據(jù)標(biāo)注、數(shù)據(jù)模型構(gòu)建到分析報(bào)告生成等，構(gòu)建起滋養(yǎng)AI價(jià)值最大化的“數(shù)據(jù)沃土”。

　　（3）重構(gòu)組織協(xié)同：組織效能提升與生態(tài)初現(xiàn)

　　在數(shù)睿數(shù)據(jù)內(nèi)部，一場由Agent驅(qū)動的顛覆性效能正在發(fā)生。用戶服務(wù)部率先開發(fā)的“智能客服Agent”，通過深度學(xué)習(xí)歷史用戶FAQ和用戶手冊等物料，不僅能實(shí)時(shí)生成精準(zhǔn)的智能應(yīng)答，還可自動輸出結(jié)構(gòu)化技術(shù)文檔與配置開發(fā)方案。該Agent上線后，成功釋放80%的重復(fù)性技術(shù)答疑人力投入。

　　此外，公司正構(gòu)建AI Agent矩陣生態(tài)。除客服場景外，“界面智能優(yōu)化Agent”、“智能流程編排Agent”已進(jìn)入開發(fā)階段。這些由不同部門孕育的、面向特定場景的Agent，正滲透各業(yè)務(wù)環(huán)節(jié)，編織企業(yè)級應(yīng)用生態(tài)，有力印證“全民開發(fā)”理念的可行性。

　　四、通往Agent民主化的道路

　　伴隨著企業(yè)如今邁入數(shù)字化轉(zhuǎn)型的深水區(qū)，需要的恰是一個AI時(shí)代的新底座。這個新底座不僅要具備固有類似無代碼/低代碼等的低門檻開發(fā)能力，同時(shí)還應(yīng)該具備數(shù)據(jù)智能、交付智能等一系列AI能力，讓企業(yè)可以做到以最小的門檻、最高的性價(jià)比進(jìn)行各個環(huán)節(jié)的AI應(yīng)用搭建，基于AI進(jìn)一步解決固有的數(shù)字化卡點(diǎn)、難點(diǎn)，提高企業(yè)的業(yè)務(wù)競爭力。

　　這也恰是數(shù)睿數(shù)據(jù)正在做的事情。站在smardaten 2.0發(fā)布的時(shí)間點(diǎn)，數(shù)睿數(shù)據(jù)已啟動更激進(jìn)的3.0計(jì)劃。新版本將引入Agentic Agent架構(gòu)，實(shí)現(xiàn)AI自主拆解任務(wù)、協(xié)調(diào)資源、閉環(huán)驗(yàn)證的能力?！拔覀兊哪繕?biāo)一直沒有變化，就是要做到‘讓人人都能開發(fā)Agent’?！蹦馒櫿雇f道。

免責(zé)聲明：以上內(nèi)容為本網(wǎng)站轉(zhuǎn)自其它媒體，相關(guān)信息僅為傳遞更多信息之目的，不代表本網(wǎng)觀點(diǎn)，亦不代表本網(wǎng)站贊同其觀點(diǎn)或證實(shí)其內(nèi)容的真實(shí)性。如稿件版權(quán)單位或個人不想在本網(wǎng)發(fā)布，可與本網(wǎng)聯(lián)系，本網(wǎng)視情況可立即將其撤除。