大模型在企业的第三种应用类型：执行行动

大模型在制造业的落地，正在从“能说会道”向“真抓实干”跨越。如果说内容生成和智能问答还停留在辅助决策层面，那么“执行行动”这类应用，已经开始直接介入业务流程的闭环——从接收订单信息，到追踪交货期，再到给出品质改善建议，AI不再只是提建议，而是真的动手干活了。

大模型在企业中的应用，大致可以划分为三种类型：内容生成、智能问答以及执行行动。前两者大家已经比较熟悉，而执行行动，才是真正让AI从“参谋”变成“操作员”的关键一步。下面我们结合制造业的具体场景，用三期内容，分别拆解每种类型的落地策略和技术实现。本文先聚焦执行行动。

在数据层面，执行行动类应用不仅要处理企业内部IT系统的结构化数据和文档类非结构化数据，还涉及外部数据资源及工具（比如MCP工具）。这意味着系统需要具备更强的异构数据处理能力和流程编排能力。

高频应用场景

经过深入调研，以下三个场景在制造业中需求最迫切，也最适合通过工作流或多智能体系统来实现：

• 销售管理中的订单信息提取
• 采购管理的交货期追踪
• 品质管理的改善建议

这些应用已经超越了简单的生成或问答范畴——系统需要完成从输入信息提取、多步骤中介处理，到最终将结果回写数据库的完整闭环。说白了，就是AI要能“一条龙”搞定活儿。

实战案例：日本龙头企业的订单自动化

来看一个真实的订单信息提取案例。这是一家日本制造业的龙头企业，在细分领域处于国际领先地位。这家企业的订单有几个典型特点：单笔金额小、订单数量庞大、格式种类繁多。目前，该企业有30%的订单已经实现了自动化处理，但剩余70%仍然需要人工提取信息并手动录入系统。企业的目标很明确：用AI技术把这70%也自动化掉。

：多样化订单数据源，包括PDF、文本、图像，甚至微信截图等非标准格式。

：

• 多模态大模型负责图像识别
• 文档解析工具处理PDF/Word等格式
• 文本直读处理纯文本文件

：

• 将提取的文本填充至提示词模板
• 大语言模型进行结构化数据抽取
• 结果在管理界面展示确认
• 最终录入订单系统

三大技术难点及解决方案

看似流畅的流程，实际落地时却要翻过三座大山。

订单可能来自不同客户、不同系统，格式五花八门：有的用日文，有的用英文，有的手写体，有的扫描件模糊不清。解决方案是整合多模态大模型与文档解析工具，将异构数据统一转化为文本，再交给后续模型处理。

即便转成了文本，大模型也可能“看走眼”——把“10个”识别成“10个”，或者把产品编号搞混。解决方案是双管齐下：一方面利用上下文语义理解，另一方面结合主数据匹配（包括产品字典、客户字典以及历史订单样本），确保提取的数据准确无误。

通用大模型对制造业的专业术语、产品规格、行业惯例了解有限，输出结果往往不够“内行”。解决方法是持续使用历史订单数据对模型进行微调，通过数据积累循环提升生成精度。时间越长，模型越懂行。

总结

执行行动类应用，通过工作流或多智能体团队的协作，能够处理复杂的任务，实现端到端的业务闭环。相比单纯的内容生成或问答，它提供的业务价值更高、效率提升更显著，也更接近“生产力”的本质。对于制造业来说，这或许才是AI真正开始“干正事”的样子。