什么是腾讯云安灯
基于ITIL4
SaaS
源自精益思想
丰田生成方式
助力企业
数字化转型
引用来源：互联网；axelos官网
已构建 腾讯云 x 伙伴 x 客户 的“协作网络”
什么是腾讯云安灯
什么是腾讯云安灯
核心模块
业务流程管理
• B P M
• ITSM
• ITOM
• F S M
• …
数据可视管理
• 离线分析
• 在线分析
• BI
• 看板
• …
AI应用提效
• Chatbot
• 客情感知
• 共性识别
• 知识管理
• ....
全渠道接入
• 企业微信
•内部服务
号
• Slack
• T G
• W e b
• W ebIM
• 热线
• ...
项目实
施管理
客户支
持管理
内部协
作管理
现场调
度管理
…研发过 程管理
业务场景举例
为什么需要腾讯云安灯
信息数字化
数据
流程数字化
工具
业务数字化
管理
…
…
引用来源：互联网
为什么需要腾讯云安灯
IM
• 群太多，应接不暇
• 人太多，责任不清
• 事太杂，容易跟丢
• 效率低，全靠堆人
• 无数据，难管理
• …
+ 安灯
• 有优先级/响应时限管理
• 有角色管理
• 有S LA管理
• 有知识管理（借助AI提效）
• 有质量管理
• …
以 IM 为例，对比IM“工具”和安灯“管理”上的差
异
为什么需要腾讯云安灯
从业务数字化管理top-down，构建完善的 AI 应用增强回
路
——“安灯数字化转型飞轮”
业务
流程
IT数据
A I
决定
固化
产生
注入
加持
AI 的应用和探索
以云的客户IT support业务流程为例
客户 一线 二线 n线
安灯Copilot智能客服
智能建单 智能优先级 客户画像
各种Agent
可视化分析
……
AI 应用机会
AI应用：智能建单
“一句话工单”的博弈 “含1量%”高
提个工单要码一堆字，让人抓狂！
能不能简便点！
建单人
收到“一句话工单”，让人抓狂！
能不能详细点！
接单人
• 满是“111111”的工单
• 缺少信息量的结构化
• 难以分析的数据
传统的客户和接单人在建单体验问题
AI应用：智能建单
智能摘要，自动填单
* 以企业微信群消息建单为例
• 智能摘要，总结群聊的问题
• 信息结构化， 5 W 2 H
• 自动填单，减少手输工作
• 基于采纳率的强化学习
含1量%：下降 90%
CX、
EX
AI应用：智能优先级
服务千头万绪
• 群消息多
• 跟进时间长
• 需要做优先级排序
传统的优先级矩阵
• 基于规则
• 人工设置
• 和客户预期G a p
客户满意度提升瓶颈
• 满意度进入平台期
• 距离卓越还有差距
• 追加投入效果不明显
CSAT 卓越标杆
客户满意度
• 进入平台期
引用来源：互联网
AI应用：智能优先级
基于大模型和机器学习的优先
级调度
• 基于事 X 人
• 自动设置
• 因人而异
满意度提升15%
投诉率降低
24%
• 兔子的“赶快”和乌龟的
“赶快”，不是一种“快”
AI应用：智能助手
客户 一线
传统智能客服
• 基于 F A Q
• 机械式对话
• 多轮对话能力弱
“摇人率%”高
您好，请问有什么可以帮到您？
人工
您好，请问有什么可以帮到您？
人工
人工
运营成本高
• 需要专职团队
• 需长期运营FA Q
• 需手工更新
～45%
摇人率
AI应用：新一代智能助手，基于大模型的“安灯Copilot”
基于混元+ R A G R A G的实现等级
知识感知生成
多源检索和生成
从多个来源检索信息 复杂的检索和融合技术
动态检索和生成
L L M在生成过程中 根据需要动态检索信息
上下文检索和生成
基于上下文理解 相关性过滤/排序
简单的检索和生产
基于关键词相似匹配文档
结合知识图谱等方式 使L L M能推理检索的知识
阿里·阿桑贾尼：《GenAI 成熟度模型》
客户 一线
RLH F
AI应用：嵌入业务流程，放大安灯Copilot价值
客户 张三 李四 王五
…
借助安灯业务流程，实现智能分身串联
像极了“特斯拉阀” “1个好机制胜过10000遍日常管理” —— 吴昊
• 要么向前赋能，否则向后传递
• 增强回路
• 工作中潜移默化知识沉淀
张e三 李e四 王e五
2022H 12020H 1 2023H1 2023H2 2024H1 2024H2E2021H 1
+12%
仅用半年能力就
赶超传统智能客服4年的积累
传统智能客服
安灯Copilot
AI应用：企业的“行业大脑”
知识是“宝”，但未必为企业所“藏”
隐性知识
显性知识
（传统知识库）
<1%
转换为文档 行业大脑
内部知识
生产数据
外部知识
业务场景
基于安灯流程“虹吸效应”，知识藏宝于企业
• 价值
• 价值流
• 流动
• 拉动
• 腾讯混元
• 腾讯VD B
• R A G
• 动态、多源
检索和生成
• reflexion
安灯
工作流
• 流程即消费
无需专职
• 流程即反馈
效果量化
• 流程即生成
增强回路
半亩方塘一鉴开，天光云影共徘徊。
问渠那得清如许？为有源头活水来。
AI应用：基于行业大脑的“客户画像Agent”
传统客户画像的弊病
• 基于标签
• 受经验限制
• 灵活性差
• 维护成本高
• 一抓就乱填
• 一放就不填
• ……
似乎问题是我们自己造成的 基于行业大脑的智能画像
非结构化
智能画像
idea 非结构化
另一些
非结构化
结构化
画像Agent
引用来源：互联网
AI应用：基于行业大脑的“客户画像Agent”
“问我想问”
营销助力 客情分析 问题梳理
AI应用：基于行业大脑的“看板Agent”
和腾讯云chatBI 联动，让人人都是“表哥表姐”
AI应用：基于行业大脑的“腾讯云顾问Agent”
腾讯云顾问 —— 一站式云上可视化治理平
台
传统的手绘软件架构图 基于“腾讯云顾问”，在线治理云架构
一键生图
一键治理
顾问Agent
腾讯云的
卓越架构经验
架构图就是软件工程师的语言，常被应用到软件研发全生命周期
一张广为流传的架构图
“我的”
卓越架构
安全的
可靠的
高性能的
低成本的
运营卓越的
可持续的
行业的
卓越架构经验
引用来源：互联网；tweeter
AI应用：基于行业大脑的“群聊Agent”探索
• 基于Multi Agent框架，将多个Agent的角色，通过Chat对
话的形式交互，输出方案
AI Agent
• 启发：建设一套脚手架，不同专业团队“调教”专家Agent，遇到问题直接拉群，群
里多Agent聊着天就把问题解决
基于专家领域多Agent
CVM Agent
用
户
• 以一个网络问题为例： • Agent集合
网络交互 AI
现实
• 专家团队
排障经验、知
识文档、工具
调教
审核
输入
问题
获取
答案
专家A
专家B
引用来源：互联网；Microsoft autogen
小结
安灯Copilot智能助手
智能建单 智能优先级
行业大脑
看板Agent
画像
Agent
…
引用来源：互联网；麦卡锡官网
小结
数据
引用来源：阿里·阿桑贾尼，
GenAI应用路线图
场景
R A G
微调
评估
飞轮
业务
流程
IT数据
A I
决定
固化
产生
注入
加持
