2026年10月，山东尧旺健康提出“尧旺智擎——企业智能运营与人工智能平台建设工程”规划，重点围绕人工智能、经营数据管理、业务系统协同及企业智能化运营展开布局。

与传统的软件采购和系统升级不同，这项规划关注的是一个更长期的问题：当人工智能模型不断迭代，企业如何建立可持续的技术能力，避免长期投入随着技术更新而失去价值？

从规划内容来看，尧旺健康正探索将人工智能与企业数据、业务流程及管理规则相结合，逐步形成服务实际经营的智能化体系。目前，相关项目仍处于规划阶段，具体实施安排以公司审批为准。

一、从工具升级到经营方式的重构

过去，ERP、CRM和财务系统帮助企业记录订单、库存、客户及经营活动。管理人员通过系统查询数据、分析问题，再决定如何行动。

如今，随着大模型和AI智能体的发展，企业系统有机会从System of Record（记录系统），逐步延伸至具备分析、建议和受控执行能力的System of Action（行动系统）。

当AI能够读取经营数据、提出采购方案，甚至调用业务系统执行操作时，新的管理问题也随之出现：建议是否可靠？操作权限如何划定？出现错误由谁负责？

这些问题已经超出了传统软件部署的范畴。

从“尧旺智擎”的规划思路来看，企业智能化的重点不再局限于引入先进模型，而是让人工智能逐步参与实际业务，在提高效率的同时，保留企业对关键经营环节的管理和控制。

技术是否先进固然重要，但能否解决实际问题，才是衡量数字化投入价值的关键。

二、技术与经营结合，探索健康产业数字化新路径

此次规划由山东尧旺健康科技有限公司首席信息官、山东尧盛酒业有限公司总经理牵头，涉及集团数字化战略、AI技术应用、信息系统建设、数据管理体系、线上渠道规划及数字化运营平台等多个方面。

蔡文凯，具备海外顶尖高校计算机科学专业背景，曾参与剑桥大学、布里斯托大学等世界顶尖学府的科研实践项目，专业方向覆盖人工智能、数据智能、健康数据建模、企业级系统架构及数字化转型。在医疗健康相关机器学习预测模型建设中，他围绕数据建模、模型评估和辅助决策可靠性优化等环节开展实践，对AI技术在健康风险预测、数据分析、智能决策支持及大健康产业应用中的价值转化有系统理解。

健康产业对数据准确性、客户信任和信息安全有着较高要求，而产品经营、供应链管理、渠道销售及企业内部运营，又有着不同的业务逻辑。

因此，数字化建设不仅涉及技术选型，还需要统筹系统整合、投资优先级、业务协同与风险管理。

如何让技术适应企业实际需求，如何在控制投入的同时提高管理效率，以及如何使不同业务板块形成更加有效的协同，都是此次规划需要解决的问题。

这一思路也反映出企业信息技术管理职能的变化：技术部门不再仅仅承担系统建设和运行维护工作，而是逐步参与经营管理、资源配置和长期数字化能力建设。

三、不建“超级大脑”，构建自主可控的企业智能体系

按照规划，尧旺健康不追求由一个“超级AI大脑”控制所有业务，而是考虑采用分层架构，在现有信息系统基础上逐步整合企业数据、内部知识、人工智能模型和业务工具。

底层依托现有业务系统及经营数据，中间通过统一技术平台完成模型接入、信息处理和任务管理，上层则面向不同业务场景提供服务。信息安全、访问权限和操作审计将贯穿相关建设环节。

这种架构有助于避免各部门重复建设，也为未来调整模型供应商保留空间。

当前，不同大模型在推理能力、运行成本和专业任务表现上各有特点。如果将核心业务逻辑完全建立在单一供应商的封闭平台上，未来系统升级和技术替换可能受到限制。

相比之下，将模型能力与企业自身的业务数据、权限规则和工作流程适度分离，更有利于长期技术管理。

更重要的是，企业需要积累的不只有历史数据，还有决策过程和实际经营反馈。

例如，一项采购建议是否有效，不能只看预测结果，还应结合当时的库存、成本、审批意见及后续销售情况进行判断。

如果系统能够持续记录业务状态、决策建议、执行动作及实际结果，企业便有机会形成可复盘的经营反馈机制，为后续管理改进提供依据。

与此同时，随着AI逐步具备调用业务工具的能力，权限管理也变得更加重要。

按照规划，不同应用将根据业务风险设置相应权限：部分系统负责查询和分析，部分可以生成报告或提出建议；涉及资金、合同和重要客户信息等事项，则必须遵循既有审批制度。

关键操作还应保留必要的审核记录、运行日志和人工接管机制。

AI可以获得执行特定任务的能力，但不能获得无限权限。

从这一角度看，“尧旺智擎”所关注的并非单一软件产品，而是一套能够持续完善、具备明确管理边界的企业智能体系。

四、AI进入业务：从“回答问题”到“辅助经营”

在实际业务层面，“尧旺智擎”拟围绕供应链、经营分析、客户运营及企业内部管理等方向探索应用。

供应链管理是其中一个具有代表性的场景。

传统数据分析可以根据历史销量预测需求，但企业在决定是否采购、采购多少时，还需要考虑库存成本、供应商交付周期、资金占用和市场变化。

按照规划，未来相关系统可结合销售、库存及采购数据，识别潜在的缺货或积压风险，提出采购调整建议，再由业务人员审核。后续销售结果则用于检验建议效果。

经营分析是另一个应用重点。

对于涉及多个业务板块的企业而言，统一数据口径、提高报表处理效率、及时掌握经营变化，是数字化建设的重要工作。

在直播及线上运营等场景中，人工智能还可以辅助分析销售表现、运营投入、成本费用及经营结果之间的关系，为日常复盘和风险识别提供支持。

在客户与渠道运营方面，AI可应用于客户需求分类、销售数据分析及服务流程优化。对于健康相关企业，相关应用还必须充分考虑个人信息保护、健康信息使用边界及客户权益。

企业知识与办公管理同样具有应用空间。

员工可通过授权系统查询内部制度、整理工作资料，管理人员则可借助相关工具编制报告、分析经营变化。部分规则明确、风险较低的工作流程，也可以探索引入受控的AI智能体。

此外，酒业渠道管理及国际业务协同等方向，也可结合实际经营需要开展相应试点。

这些应用的目的并非简单取代人工，而是减少重复性工作，让管理人员将更多精力投入业务判断和决策。

五、分阶段推进：从“拥有智能”到“驾驭智能”

从建设安排来看，“尧旺智擎”拟采取分阶段实施的方式。

前期重点梳理现有系统、数据资源和业务需求，选择价值明确、风险可控的场景开展试点，再根据实际效果决定是否推广。

与传统软件项目不同，AI应用除了验收功能，还需要评估模型输出质量、运行成本和实际业务收益。即使一项应用在技术测试中表现良好，也不意味着适合直接全面部署。

在组织管理方面，相关规划拟通过信息技术与数字化管理中心统筹技术建设，并结合项目需要推动业务、财务、法务合规和信息安全等职能共同参与。

人工智能模型可以快速迭代，但企业的数据治理、管理流程和组织协作能力仍需要长期积累。先验证价值，再扩大投入，有助于降低建设风险，提高技术投资的实际效益。

如今，通用模型能力日益普及，同样的技术进入不同企业，最终效果仍取决于各自的业务基础、数据质量和管理水平。

从“尧旺智擎”的规划来看，尧旺健康希望建立的不是一套永远领先的AI产品，而是能够持续更新技术、积累业务经验，并保持关键经营环节可控的智能化体系。

当智能逐渐成为基础设施，真正的竞争优势，将从“拥有智能”转向“驾驭智能”。

模型会迭代，技术会更新，但企业对自身经营的理解、真实业务反馈的积累，以及对关键决策的控制，仍将是值得长期建设的核心能力。

编辑：刘静