复制“金牌销售”的大脑：江森自控如何利用 Foundry 将部落知识代码化？

先来看一个相当有代表性的案例——它展示了一家百年工业巨头，如何用AI和本体（Ontology）技术，把沉睡了几十年的历史数据重新唤醒，解决“老龄化”和“数据孤岛”的顽疾，最终完成销售模式的彻底转型。

这个案例的主角是江森自控（Johnson Controls），一家拥有140年历史的全球工业领导者，专注于智能建筑领域（暖通空调HVAC、消防、安防）。它的客户遍布写字楼、机场、数据中心，甚至包括美国海军。而推动这场转型的关键人物，是商业增长高级总监 Gabriel Dornbach。

核心痛点：数据孤岛与部落知识流失

江森自控的内部系统五花八门——ERP、服务工具、各种SaaS软件，数量超过200个，数据互不相通。这是典型的“数据孤岛”。更棘手的是，公司里很多资深销售拥有30到40年的工作经验，他们知道“什么时候该给客户打电话”、“什么设备该换了”。但随着这批老员工陆续退休，这些宝贵的经验——所谓的“部落知识”——也正在流失。过去，销售模式很被动：设备坏了才去修，或者等着客户找上门，缺乏主动出击的能力。

底层逻辑：用本体（Ontology）打通一切

转型的基石，是把那200个系统映射为一个统一的“本体”。江森自控将分散在ERP、CRM、IoT设备中的数据全部拉通，构建了一个包含以下维度的企业知识图谱：这个楼里装了什么空调？什么火警面板？（设备资产）；这个设备有没有买维保？（合同状态）；现在的固件是不是该升级了？（健康状况）；这是同一个客户在不同地点的两栋楼吗？（客户关系）。所有信息统一在一个本体中，为后续的AI应用提供了干净、连贯的数据底座。

核心应用：AIP驱动的销售线索引擎

有了本体，AIP（AI平台）就像一个不知疲倦的超级销售助理，日夜扫描数据，挖掘商机。它的工作可以分为三个层面：

——分析过去未完成的交互，找出流失原因；——这才是最厉害的部分，AIP能够预测未来的需求。例如，系统自动识别出“这批烟雾探测器已经安装了10年，即将过时（Obsolete），需要更换”，然后自动生成一条“更换升级”的销售线索，推送到销售人员面前。

Gabriel强调，AIP的规则库本质上是“数字化了的老销售经验”。举个具体例子：过去，只有老销售知道“如果客户买了我们的冷水机组（Chiller），通常也需要买消防维保”。现在，这条逻辑被写入了AIP的Agent中。即使是刚入职的新销售，系统也会告诉他：“这个客户有冷水机，建议你向他推销消防服务。”

那么，这句“如果客户买了冷水机，通常也需要买消防维保”是如何写进系统的？这被称为

。大致流程是：业务专家告诉开发人员，或者直接在Foundry的无代码界面中定义规则——IF (客户拥有的资产类型包含 "Chiller") AND (客户当前的活跃合同类型不包含 "Fire & Safety Maintenance")，THEN (标记为 "高潜力交叉销售机会：消防服务")。这里有个精妙的比喻：规则不直接写在Object（对象）或Link（关系）上，而是配置在函数或数据管道中。Object/Link是食材（冷水机、客户、合同关系），规则是菜谱。你不会把菜谱写在猪肉上，而是写在烹饪指南里。

在具体实现架构上，数据层定义好Customer、Asset、Contract三个对象及彼此的Link；逻辑层编写一个Ontology Function或AIP Tool，里面封装了那条“冷水机+无消防”的判断逻辑；应用层则在销售的界面上自动运行这个Function，如果返回True，就弹窗提示：“建议推销消防服务”。

除了硬性的If-Then规则，AIP（大模型）还可以处理更模糊的逻辑。例如，它可以阅读冷水机的维修日志，发现客户最近频繁抱怨设备过热，结合历史数据推断出这往往伴随着对消防喷淋系统检查的需求，从而生成更智能的推荐。

线索生成：从模式匹配到前瞻预测

AIP扫描本体，发现一个客户拥有两栋楼。楼A安装了最先进的设备且买了维保合同（高价值客户），楼B安装了同类设备但没有维保合同（风险点/机会点）。传统模式下，老销售精力有限，只能盯住几十个大客户；但系统可以盯着几万个客户。AIP驱动的引擎会每天遍历Ontology中的所有客户对象：拿着刚才定义的“老销售经验规则”，去比对每一个客户的数据。系统扫描到客户张三：有冷水机，有消防合同——Pass；扫描到客户李四：有冷水机，无消防合同——Hit（命中规则）。

对于前瞻性预测，逻辑是：IF (设备安装日期 < 当前日期 - 10年) THEN (生成"设备过时/需更换"线索)。这不再依赖销售记性好不好，而是依赖数据的客观事实。

系统判断这是一个完美的交叉销售机会后，会生成策略：建议给楼B的安防设备提供一个优惠的维保报价，将其打包进楼A的合同里。接着，系统不仅仅是弹个窗，而是会在Ontology中生成一个新的“销售线索”对象，并自动分配给负责该区域的新销售。新销售打开这个线索时，AIP会生成一段摘要：“建议操作：向该客户推销消防维保服务。推荐理由：根据系统分析，该客户在2020年安装了大型冷水机组，通常此类设施需要高标准的消防合规检查，但该客户目前尚未签署相关维保协议。且同类客户的转化率高达40%。”

最终，系统不会直接发邮件，而是弹窗给销售经理。销售经理查看所有背景信息（设备型号、合同状态），认为建议合理，点击“批准并生成报价”。然后自动生成报价单，并选择最佳触达渠道（发给客户经理、内部销售或直接发给现场维修技师）。

效果与“遥控器”功能

在18个月内，江森自控通过AIP自动生成了超过10万条高质量销售线索。更值得关注的是，管理层获得了所谓“遥控器”的能力——可以通过调整系统的权重，瞬间改变全公司的销售重心。例如，让AIP优先推送高毛利的维保合同线索，或者优先推送走量的设备更新线索。这种灵活性确保了战略调整能快速落地。

三个关键洞察

这个案例背后有几点值得深思：第一，

——对于百年老店，最大的资产不是厂房，而是沉淀在200多个旧系统里的数据。Palantir的作用是把这些数据变成现金流。第二，——利用AI将即将退休的资深员工的“直觉”和“经验”固化为代码和算法，解决了人才断层问题。第三，——维修技师不再只是修机器的人，在AIP的武装下，他们拿着iPad就能告诉客户：“根据数据，您的这台设备该升级了。”这彻底改变了工业服务的商业模式。