允中 發自 凹非寺
量子位 | 公眾號 QbitAI

會聊天的AI不少，會辦事的AI幾乎沒有。

這是2026年，中國企業AI落地最尷尬、也最具產業價值的一個真相。

就以某家年營收過百億的零售企業為例，其最近做了一份不算光彩的內部統計。

他們的員工，平均每天要在11個系統之間切換。想完整辦成一件事，一次報銷、一單發貨、一次客戶工單……平均要跨越4.3個后臺

諷刺的是，這家公司過去兩年并不缺AI。員工隨手就能讓大模型寫文案、改郵件、翻譯合同、生成PPT。

可是當一名銷售說“幫我把上周這個客戶的回訪工單提交一下”，AI給出的回答永遠只有一種：

好的，您可以打開CRM系統，進入客戶管理模塊……

說到底，它還是把球踢回給了人。

在會聊天的AI和會辦事的AI之間，隔著的是一整套企業業務系統的調用能力。補上這一層，才相當于抓住了當下企業AI落地真正的“最后一公里”。

而現在，一場關于企業IT架構的靜水流深變革，已經由一個叫SkillsUI的新物種拉開了序幕，來自深圳兔展智能

SkillsUI官網（注冊送1000積分）：https://skillsui.rabbitpre.com.cn/?c=lzw

大模型落地的下一階段，拼的是“調度力”

回看過去三十年，企業數字化走過兩個階段——

• 第一階段是信息化。從ERP到OA、CRM，把流程從紙面搬進系統，關鍵詞是“建系統”。
• 第二階段是集成化。主數據、ESB、中臺、數據湖，把孤立系統連起來，關鍵詞是“通數據”。

絕大多數中大型企業，這兩步已經基本走完。

但坐在管理者的位子上看，會發現有一件讓人挫敗的事：功能什么都有了，但沒人愿意用。

員工在群里問“報銷到底在哪提”，客戶被客服轉接三次才查到物流，運營每天靠Excel拉數據開會。一個VP的早晨，要在十幾個后臺之間來回切換。

問題其實從來不是缺系統，是這些系統對人不夠友好，它們往往要求人去理解系統的邏輯、記住入口、按系統的節奏辦事。

第三階段已經開始，關鍵詞不再是“建”或者“連”，而是“調”，重點就在于讓AI替人去調度這些已經存在的系統。

兔展智能近期發布的SkillsUI，就是這條路徑在中國市場的代表性實踐之一。

但這個看似順理成章的“大模型下一站”，在工程落地時，幾乎讓所有企業都撞了同一堵墻。回看這輪AI熱潮就會發現：

過去兩年幾乎每家企業都在試AI。但絕大多數嘗試停留在“會聊天”，你問它它能答，你讓它辦事就卡住了。

因為會答只需要語義理解，而會辦需要的是調用能力

舉個最日常的例子，讓AI替員工做一次差旅報銷，需要的動作鏈是這樣的——

理解員工的口語意圖→查到當事人的預算和審批路徑→調起OA的流程引擎→對接發票系統→走完審批節點→回寫到財務系統→在關鍵節點把人請回來確認。

每一步都要調一個系統，每一步都要符合權限和合規。這不是“再加一個聊天框”能解決的。

它需要在企業IT棧里多出一層東西。

這一層，可以叫它“AI入口層”或“Agent中間層”

它的作用，類似當年瀏覽器之于網頁、App Store之于手機，共性都是——統一入口，統一調度，把分散的能力重新組織成類似于“用戶說一句話就能辦事”的體驗。

兔展智能SkillsUI想做的，就是這一層。

△SkillsUI：真正“對話即辦事”的統一AI入口

拒絕給舊系統“貼膏藥”：從人找功能，到AI替人跑腿

很多AI產品失敗，是因為做成了“功能的加法”。

比如給已有系統再加一個聊天框、再加一個推薦模塊、再加一個智能搜索。結果是入口更多，但流程更碎。

SkillsUI的邏輯是這樣的，它不替代你的ERP、OA、CRM，也不在每個系統里塞一個AI助手。

它通過API把已有系統連起來，把原本藏在各個平臺里的業務能力，拆解成一個個可被AI調用的Skill

用戶只需說出需求，SkillsUI自動識別意圖、路由分發、匹配業務、調用流程、回顯卡片、等待確認、觸發執行。

在這其中，底層邏輯的轉變可以一句話總結為：

過去是“人找系統”，未來是“AI替人調系統”。

△SkillsUI將企業現有系統拆解成可被AI調用的Skills

這件事對決策層意義在于，它不要求你重構現有IT棧，反而是讓你過去十年的系統投資被重新激活。

ERP還是原來的ERP，CRM還是原來的CRM，但它們從“員工要去操作的系統”，變成了“AI替員工去調用的能力庫”

原來沉淀在系統里、卻沒人愿意用的能力，第一次被真正用了起來。

△SkillsUI的技能市場（Skill市場）

場景一：電商運營

如果你發現昨晚的GMV下滑，過去要登多個后臺、導報表、拉會、定方案、排執行。

現在問一句“為什么銷量掉了”，AI直接為你跨系統取數、生成洞察、給出優化方案，運營在卡片上確認后系統直接執行調價。

鏈路從幾小時被壓縮到幾分鐘，運營的角色從“看數據的人”變成“下指令的人”

場景二：企業差旅報銷

過去員工要在OA找入口、填表、整理發票、提交、催辦。

現在你直接問一句“幫我報銷出差費用”，AI就能完成80%的事務性工作，關鍵憑證才由員工在卡片上確認。

場景三：C端服務轉化

用戶突然想預約一個健身課程，以往要點開三四層頁面，會導致客戶流失嚴重；現在改進之后，用戶只需要簡單說出需求，首頁直接彈出預約卡片，選課、選人、選時一氣呵成。

以上三個場景看起來不同，底層都是同一件事，不動舊系統，給舊系統加一個AI入口層，讓它們真正能聽人話、能辦事。

給決策層的4個清醒判斷：別等對手把入口全占了

在看清這些真實場景的效率翻倍后，剩下的核心問題就變成了：

什么時候動手？第一槍打在哪里？

以下四個來自一線的清醒判斷，決定了你今年動作的時機與力度。

判斷一：AI調系統的能力，今天是否已經足夠可靠？

這個問題兩年前答案是否定的，但今天已然不是。

大模型在意圖理解、工具調用、長鏈路任務規劃上的可靠性，已經跨過了企業級落地的門檻。

再加上人在關鍵節點把關的設計，可控性變成了工程問題，而非技術問題。

判斷二：先發是否有結構性優勢？

答案是有。AI入口層一旦在組織里跑起來，員工的使用習慣會快速從“打開系統”遷移到“說出需求”。

這種習慣一旦形成，會反向推動業務流程被重新設計。動作慢的企業，差距就是被這樣一點點拉開的。

判斷三：會不會綁定一家供應商、形成新的孤島？

需要在選型時主動規避。

兔展智能SkillsUI的策略是不替代下層系統，只做調度層；接口標準開放，Skill可以由企業自己定義和擴展。

決策時可以優先關注這三件事：

• 是否走標準API；
• Skill資產是否歸企業所有；
• 能否私有化部署（金融、政務、醫療這類強合規行業要求必須具備的能力）。

判斷四：從哪里開始，風險最低、信號最強？

不要從“全公司AI化”開始，那是教科書級的失敗路徑。

一個高頻、低風險、跨多系統的場景開始，差旅報銷、訂單查詢、客戶工單、銷售輔助等等，這些都是好的切入口。

一個場景跑通后，員工自然會擴散到下一個。

回到決策層的桌面上。你真正要回答的問題，其實是：

未來三到五年，你公司的員工和客戶，是用什么方式跟你的IT系統打交道的？

如果答案仍然是“打開系統、找菜單、點按鈕”，那你的IT棧在下一個周期里會越來越重，越來越沒人愿意用。

但如果你的答案是“說一句話，事情就辦了”，那么今年就需要在企業IT架構里給“AI入口層”預留一個生態位置。

這不需要All in One，也不需要立刻全員鋪開。先挑一個高頻場景，帶上SkillsUI跑一個季度，看員工愿不愿意用、效率有沒有變化、風險是不是可控。

這是一個低成本、可回退、信號清晰的戰略試水。

但必須提醒的一點是，留給企業觀望的試錯窗口，比想象中短。

AI入口層一旦在頭部企業跑通后，這種高效的交互習慣會迅速重塑供應鏈上下游、人才市場、客戶預期。

慢半步的企業，會發現自己不是“還沒開始AI化”，而是“AI化的入口已經被對手占住了”。

水面之下的多模態模型長跑

SkillsUI之所以能把“對話”推進到“辦事”，背后并不只是產品形態的創新，更來自兔展智能在多模態大模型上的長期積累。

作為從企業場景成長起來的AI公司，兔展智能現已服務超過用戶，并已完成F輪融資

近幾年來，其自研的“兔靈”大模型是廣東省首個完成備案的視覺空間智能大模型，開源項目Open-Sora Plan曾連續多日登頂GitHub全球趨勢榜，單模型下載超過2600萬次

其UniWorld系列模型則持續探索“理解、生成、編輯”統一架構，在圖像編輯、結構化生成等任務中取得國際關注，多次比肩世界頂尖模型。

或許也正是因為有這些模型側能力的持續沉淀，SkillsUI才不只是作為一個聊天入口，而更像連接企業系統、業務流程與真實動作的AI理解層

劃重點！SkillsUI當前已開放免費模擬體驗，注冊還送1000積分：
https://skillsui.rabbitpre.com.cn/?c=lzw