来源 :神州数码集团2026-09-08
近日，IDC发布《中国企业级Agent最佳实践与案例精选（投资回报率视角）——从场景落地方法到业务价值》报告。报告围绕企业Agent在数据分析、客户经营、供应链、运维等业务场景中的应用展开研究，重点关注Agent进入了哪些业务、采用了怎样的实践路径，以及项目上线后取得了怎样的实际效果。
神州数码与某全球医药企业共同打造的医药销售数据洞察智能体，作为医疗医药行业代表实践被收录其中。该项目将Agent引入销售数据查询与分析流程，帮助业务人员从自然语言提问出发，完成数据查询、多维分析和业务洞察。IDC报告显示，该项目复杂查询响应时间由2—5天缩短至分钟级；基于人力释放和决策效率价值估算，项目ROI达300%+。
当前，企业级Agent正在从试点验证进入规模化落地的初步阶段。IDC调研显示，52%的受访企业将ROI难以量化列为智能体规模化落地的最大挑战。哪些业务问题值得优先投入，项目上线后能否取得可验证的业务成效，正在成为企业推进Agent应用时更现实的考量。围绕AI for Process，神州数码持续推动AI进入真实业务流程，此次医药行业实践正是其中一个具体案例。
从可验证的业务问题切入，让AI进入真实流程
IDC在案例研究中发现，数据检索和分析是目前较容易体现Agent业务价值的一类场景，查询时间、人工投入等变化相对容易观察。对于数据量大、专业性强且安全合规要求较高的医药行业，这类需求尤为突出。对一线业务人员来说，难点往往不是“没有数据”，而是如何快速获得准确的数据，并形成可以用于业务判断的答案。
此次被IDC收录的案例中，某全球医药企业希望提升业务数据的获取和分析效率。过去，业务人员提出一个数据需求后，通常需要等待IT团队排期、取数和制作报表，从提出问题到拿到结果需要2—5天；即使已有固定看板，当需要进一步分析业绩上涨或下滑的原因时，仍要投入较多人工。
神州数码与客户重新梳理了从业务提问、数据查询到分析判断的工作流程，让Agent直接参与其中。业务人员可以用自然语言提出问题，系统结合企业已有的业务数据、专业术语和业务指标进行理解和查询，并进一步完成多维分析、异常识别和原因分析，输出可供业务参考的结论、图表和运营建议。
要让这一流程真正跑起来，数据、知识和业务规则是重要基础。项目通过检索增强生成（RAG）和本地化大模型，提高对药品、适应症和业务指标等专业内容的理解能力，同时按照不同角色和部门设置数据访问权限，保障数据使用安全。项目运行过程中形成的专业术语、指标口径和真实问题案例，也可以继续用于优化Agent，使其更贴近实际业务。
在这些基础之上，Agent从理解业务问题、调用数据，到完成分析并输出结果，开始参与原有的数据分析流程。对神州数码而言，这也是AI for Process在这一场景中的具体体现，让AI真正进入业务过程，并用实际业务结果检验其价值。
从效率提升到能力沉淀，
AI for Process持续释放业务价值
根据IDC报告，该项目复杂查询响应时间由原来的2-5天缩短至分钟级，简单问题能够在60秒内返回结果；业务人员自助查询率超过90%，可降低70%以上的人工数据分析工作量，使IT团队能够将更多精力投入数据建模等工作。
在企业Agent价值评估中，IDC提出可以同时关注两本账。“业务账”关注处理时间、人工投入、业务效率等当期结果，“能力账”则关注项目运行过程中积累的数据、知识、系统和治理能力，这些基础会影响后续Agent建设的速度、应用范围和运行质量。此次项目已经给出了清晰的“业务账”，同时也沉淀了医药专业知识、指标口径、数据权限、业务规则和Agent工作流等能力，为后续场景复制提供了基础。
对神州数码而言，此次医药行业实践的价值不止于此。围绕AI for Process，神州数码将继续从企业真实业务需求出发，把经过实际场景验证的数据治理方法、行业知识、业务规则和Agent工程化能力应用到更多业务流程，推动企业级AI在更多行业和场景中落地。