TCL光伏科技用AI重构百亿审核运维流程

Jason程前

企业应用AI拉开差距的关键不在顶尖通用模型，而在于重构业务断点并重塑考核机制迫使组织交出底层经验。

AI-assisted summary of 揭秘TCL光伏科技：AI如何提效百亿级业务？ — original source. Check the original for full context.

Source published: 2026-08-20

Key ideas

TCL光伏科技三年内业务从6亿元猛增至200多亿元，首个AI项目避开光鲜的电力交易，选定“低难度、高价值”的订单审核，使人均审核效率提升30%，审核时长由一天缩短至数小时。 (0:00)
运维环节通过加装数据采集器重构业务闭环，AI自动监控派单及验收，带动日均工单处理量由500至600单提升至3500多单，故障响应时效由一天压缩至4小时。 (4:30)
明确树立AI落地的三道硬门槛：坚决叫停“干不过人工”的施工终审等场景，必须经过小区域灰度验证，并以一线员工自发调用率为唯一检验标准。 (4:30)
通过HRD与数字化负责人联合挂帅的30人“推轮组”破除组织阻力，将基层审核员转型为提示词工程师，并将技能库（Skills）与智能体（Agent）产出纳入部门月度考核。 (6:30)
底层技术全量接入DeepSeek、通义千问等开源及通用大模型，企业认为真正的竞争壁垒在于清洗标注历史数据、拆解规则与流程重塑的“笨功夫”。 (8:50)

Detailed notes

## Background 该内容由创作者“Jason程前”于2026年8月20日发布在Bilibili平台。视频主页未提供额外的简介说明，核心聚焦于揭秘TCL光伏科技如何在百亿级业务规模下，将AI技术切实落地到日常工作流中以实现降本增效。

## TL;DR 视频深度复盘了TCL光伏科技在三年内业务暴增30倍后，如何以AI重构底层商业链路的实战经验。团队避开技术炫技，选择在痛点最深、规则清晰的“业务审核”环节打响第一枪，并进一步通过加装传感器与云端自动化彻底再造了电站运维流程。面对员工“教会徒弟饿死师傅”的抵触情绪，公司通过实质减负、转型提示词工程师以及成立由HR和数字化牵头的“推轮组”打破组织壁垒。最终指出，企业的核心竞争力不在于独家大模型，而在于肯下“笨功夫”深挖业务逻辑，为当下攻坚中的电力交易等高难度场景奠定壁垒。

## Atmosphere & style 整期视频呈现出务实、沉稳且具有商业深度洞察的商业纪实风格，摒弃了空洞的概念炒作与技术崇拜。主讲人以抽丝剥茧的逻辑层层推进，从基层员工“啃馒头连轴转”的真实痛点切入，既展现出组织变革中的人情关怀，又具备工业级流程再造的硬核理性。聆听过程宛如一场走进真实产业一线的田野调查，冷静克制中透出对“笨功夫”与商业常识的深刻敬畏。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1jZbf6zEkF?t=0s) TCL光伏科技三年内业务从6亿元猛增至200多亿元，首个AI项目避开光鲜的电力交易，选定“低难度、高价值”的订单审核，使人均审核效率提升30%，审核时长由一天缩短至数小时。 - [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 运维环节通过加装数据采集器重构业务闭环，AI自动监控派单及验收，带动日均工单处理量由500至600单提升至3500多单，故障响应时效由一天压缩至4小时。 - [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 明确树立AI落地的三道硬门槛：坚决叫停“干不过人工”的施工终审等场景，必须经过小区域灰度验证，并以一线员工自发调用率为唯一检验标准。 - [06:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=390s) 通过HRD与数字化负责人联合挂帅的30人“推轮组”破除组织阻力，将基层审核员转型为提示词工程师，并将技能库（Skills）与智能体（Agent）产出纳入部门月度考核。 - [08:50](https://www.bilibili.com/video/BV1jZbf6zEkF?t=530s) 底层技术全量接入DeepSeek、通义千问等开源及通用大模型，企业认为真正的竞争壁垒在于清洗标注历史数据、拆解规则与流程重塑的“笨功夫”。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1jZbf6zEkF?t=0s) 切入点遵循“低难度、高价值”的四象限法则，首战优先选择规则清晰、痛点强烈的业务审核环节。 - [00:00](https://www.bilibili.com/video/BV1jZbf6zEkF?t=0s) 解决一线审核团队连轴转的体力负担是AI推动的现实起点，不以裁员为目的才能换取组织配合。 - [00:00](https://www.bilibili.com/video/BV1jZbf6zEkF?t=0s) 拒绝直接套用通用大模型，通过清洗和标注历年沉淀的异常与驳回数据，训练垂直业务理解能力。 - [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) AI落地的真正价值是流程再造与裁撤冗余节点，而非对原有低效人工流转步骤进行简单工具叠加。 - [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 运维重构依托软硬件闭环，通过数据回传与AI曲线监测实现自动化派单和验收，极大降低停电损失。 - [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 严守“干不过人工就别进业务流程”的底线，对非标准化程度高、模型准确率不足的施工终审果断叫停。 - [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 拒绝管理层PPT汇报式推广，AI功能全国复制必须满足小区域灰度验证和一线真实高频调用两道关卡。 - [06:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=390s) 将资深员工转型为“提示词工程师”，促成角色从繁重复审的“答题人”变为教导模型的“判卷人”。 - [06:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=390s) HR负责人深度介入主导变革推进，负责流程重构后岗位编制、职责调整及薪酬激励的重新匹配。 - [06:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=390s) 重塑组织考核体系，硬性考核各业务线每月沉淀的技能库（Skills）与实际投产的智能体（Agent）数量。 - [08:50](https://www.bilibili.com/video/BV1jZbf6zEkF?t=530s) 向直接创造收入的电力现货交易预测进军，但面对高风险容错场景保持克制，待模型稳健后再行投产。 - [08:50](https://www.bilibili.com/video/BV1jZbf6zEkF?t=530s) 核心竞争力不在于独占算法模型，而在于企业深入商业底层、下苦功夫梳理标注数据与打通断点流程。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1jZbf6zEkF?t=0s) 业务暴增30倍后，AI的第一刀为什么砍向“业务审核”？

近两年来大模型和AI的热度居高不下，但究竟有哪家企业的一号位能让AI真正深入到日常业务的工作流中，多数人仍在观望和摸索。然而在一个大众印象中偏向传统的行业——光伏，已经有跑在行业前列的探索者。TCL光伏科技成立于2021年底，仅用三年时间，业务规模便从6亿元暴增至200多亿元，实现了30多倍的增长。在这家公司内部，AI不仅用来做PPT或功能演示，而是每天实打实地承担着订单审核、工单派发、经营分析以及决策辅助等核心环节。为了厘清AI是如何切入传统业务链路、解决组织矛盾并为客户创造价值的，核心的第一个追问便是：面对如此庞大而繁杂的业务摊子，AI的第一刀究竟切在哪里？

很多人误以为光伏业务仅仅是在房顶上安装几块太阳能电池板，但其真实链路极其重度且复杂。企业需要挨家挨户进村与农户谈判，租赁屋顶建电站并按年支付租金。农户谈妥后，需派人实地勘测、操作无人机拍摄屋顶的数百张照片传回后台逐项审核。这里有着严苛的硬性风控红线：房屋年限过老不行、周边有高大树木遮挡不行、屋主年龄超过75岁也不行。完成审核后，还需出具个性化工程方案、采购物料、施工并网；并网发电后还要参与售电交易，而如今现货电价每15分钟就会变动一次；此外，一座电站需要提供长达25年的运维保障，期间设备老化损坏需要维修，农户反馈屋顶漏水也必须及时上门服务。在过去，全国数以万计电站的全生命周期全靠人工死扛。

面对这样繁复的链路，多数人可能第一反应是挑选最具技术光环、能直接创造现金流的环节，比如用AI做电价预测和自动化交易。但TCL光伏科技总经理何总透露，团队内部绘制了一个四象限坐标轴：横轴代表切入难度（大与小），纵轴代表能带来的经济价值（大与小）。作为全公司瞩目的首个AI试点项目，首战必须打响，因此AI的第一刀被坚定地切在了“低难度、高价值”的环节——听起来毫无科技炫技感的“业务审核”。选择业务审核主要基于两大痛点：

第一是“真疼”。随着业务指数级扩张，后台审核团队从最初的20人一路猛增至100人，连年翻倍。由于海量照片全靠肉眼一张张逐一比对，在业务旺季时，审核团队的工作时间常年维持在早晨六点多至深夜十二点，一周连轴转工作六天以上。被派驻在郑州的审核团队由于工作强度极大，连外出吃一碗郑州烩面的工夫都挤不出来，饿了只能就着大馒头充饥。年轻人长期在高压下做着极其重复枯燥的体力劳动，不仅身心俱疲，职业价值感也严重匮乏。

第二是“好啃”。审核虽然繁琐耗时，但底层逻辑规则清晰，比如什么结构的房屋可以做、周边遮挡率达到多少必须拦截、哪些情况能直接放行，每一条规则都可以精准拆解成文本逻辑让AI学习。为了让AI吃透业务，他们没有直接生搬硬套不懂光伏的通用大模型，而是把历年沉淀下来的海量历史审核数据与经验全部调出，将过去各类订单发生纰漏的具体节点、未通过审批的原因逐条标注后喂给模型。改造后，前线传回的照片是否被恶意篡改、是否套用了其他电站的历史图片，AI都会在第一时间进行初筛：无异常的直接放行，存在瑕疵的才转交人工处理。如今人工审核员只需负责两件事——抽检AI的准确率，以及集中精力攻克AI判定的异常订单。

- 审核员的人均工作效率相比改造前提升了30%。 - 对农户和业务端而言，原先耗时一整天的审核流程缩短至数小时内完成。 - 早期快速拦截图片错漏，不仅减少了现场施工的来回折腾与经营风险，也直接降低了违规赔付成本。

---

[04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 运维流程重构与AI落地的“三道门槛”

在业务审核成功跑通后，如果只是机械地将施工、运维、交易等后续节点照葫芦画瓢地嵌入AI，往往会落入“单纯工具叠加”的误区。何总在梳理运维板块时意识到，AI进入业务流的真正价值，绝非把原有的每个步骤都优化一遍，而是重新审视并判断原流程中的某些环节“是否还有存在的必要”。

以传统的电站故障报修为例，旧流程充满冗长的人工流转：首先需要有人肉眼察觉到电站发电异常，随后在系统中手动填报工单，再通过电话调度指派维修工程师；工程师前往现场维修完成后拍照上传，后台又需要安排专人核对验收。在这一链条中，每个节点都在互相等待与口头传话，哪怕给每个岗位的人员各配一个AI助手，人与人之间的信息传递壁垒依然会导致整体效率极为低下。TCL光伏科技的选择是直接重构并裁撤中间的人工节点：他们在电站端加装数据采集器实时回传发电数据，由AI在云端全天候监控功率曲线。一旦捕捉到曲线异常，AI自动生成工单并自动调度物理距离最近的工程师；待工程师维修完毕，采集器再次回传数据，AI监测到发电功率恢复正常即自动通过验收。

```mermaid flowchart TD accTitle: 电站运维流程重构对比 accDescr: 对比传统运维流程中多层人工流转与AI重构后基于数据闭环的自动化运维流程

subgraph 传统运维流程 ["传统运维流程（人工逐级流转）"] A1["人工发现发电异常"] --> B1["手动填报系统工单"] B1 --> C1["电话调度派单"] C1 --> D1["工程师上门维修拍照"] D1 --> E1["后台专人核对验收"] end

subgraph AI重构闭环 ["AI重构流程（数据闭环自动化）"] A2["数据采集器实时回传"] --> B2["AI监控功率曲线异常"] B2 --> C2["AI自动建单并就近派工"] C2 --> D2["工程师上门排除故障"] D2 --> E2["数据恢复，AI自动验收闭环"] end ```

这种流程再造带来的成效立竿见影： - 人工处理阶段每日仅能审核500至600单，引入AI后日均处理量飙升至3500多单。 - 自动化处理的准确率达到98%，整体处理时效提升了整整4倍。 - 检修响应时效由过去的一整天被直接压缩至4个小时。对于光伏电站而言，停摆一天便意味着直接少拿一天的发电收益，时间压缩直接保住了现金流。

然而，并不是所有业务场景都能生搬硬套AI。团队此前曾尝试让AI介入施工环节的终审，但现场实际工况高度非标准化，比如需要评判电站钢结构的焊接是否牢固、抗风抗震加固吨位是否严格吻合设计图纸。经过一段时间的试运行，模型识别的准确率始终无法达标，团队便果断叫停了强行推广。何总为此明确立下了AI进业务流程的“头一道门槛”——“干不过人工就别进业务流程”。此外，一项AI功能要从局部推向全国，还必须跨过后续两道关卡： - **小区域灰度验证关**：必须先在小范围区域内实操跑通，验证有效性后方可全国复制。 - **一线实际调用率关**：不由管理层或PPT汇报说了算，而是严格监测基层员工是否天天使用、是否真正替代了高频重复动作。缺乏自发调用的功能，堆砌再多也毫无意义。

---

[06:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=390s) 组织破局：凭什么让一线员工把“压箱底的本事”教给AI？

在技术方案与推进方法清晰之后，推行AI最大的阻力往往落在“人”的层面——谁来负责教AI？在订单审核中，哪些房屋能合规承建、某张实勘照片存在哪些猫腻、什么隐患必须坚决拦截，这些精细的隐性经验并不存在于标准作业程序（SOP）里，而是深植于100多名一线审核员的脑海中。对员工而言，这些摸爬滚打数年积累下来的判断力是自身职场立足的最核心资产。当公司要求将这些经验逐条拆解教给AI时，审核团队及主管本能的抵触心理便是：“交给了AI，这本事还算我的吗？我是不是马上就要失业了？”这正是诸多企业推动AI落地时遭遇卡壳的本质原因。

为了化解最懂业务的核心员工的戒心，TCL光伏科技采取了系统性的组织破局策略：

首先是“实质性减负”。审核团队长期处于高压加班状态，AI切入时首要任务不是裁员，而是主动接管那些最机械、最磨人的脏活累活。随着加班频次显著减少、人工疲劳出错率大幅下降，后续带来的客户返工和投诉也随之锐减。员工在工作体验改善的切身感受中，自然体会到“AI是来帮自己分担重负的工具”，根本无需开会反复灌输空洞的口号。

其次是“开辟新职业路径”。管理层从一线审核团队中选拔对AI具备探索兴趣的骨干，将其转型培养为内部的“提示词工程师（Prompt Engineer）”。他们的职责不再是用鼠标一张张翻看几百张照片，而是转型为业务导师，专门负责制定评判准则、纠偏模型的错误认知。员工的身份由此从疲于奔命的“答题人”，转变成了“训练AI判卷子的人”。当身边的同事亲眼看到先行者加班变少、职能跃迁时，全员主动拥抱学习AI的意愿被彻底激发，成效远超开办上百场宣讲动员大会。

为了防止经验无法跨部门复用，公司从制度层面组建了由HR负责人与数字化负责人共同牵头的“推轮组”，规模约为30人，直接向总经理何总汇报。之所以必须由人力资源高管主导，是因为业务流程的变革必然伴随着岗位职责的重组、人员编制的调整与薪酬激励的重新匹配。推轮组在运维、审核等各个业务条线均设立了专职的“AI应用一号位”。该角色负责深挖一线需求、调用公司技术资源，在汇报线上不仅对原本的业务线领导负责，同时向项目组的HRD及数字化负责人汇报。

与此同时，考核机制进行了根本性重塑。以往部门KPI与AI毫无关联，如今各业务模块每个月必须明确“交账”： - 沉淀了多少套可在组织内复用的技能库（Skills）； - 实际开发并投入生产了多少个能够独立干活的智能体（Agent）； - 为具体业务场景带来了多大幅度的流程优化与可量化的经济价值。

当员工的岗位职责、薪酬回报、绩效考核及晋升空间全部围绕AI展开时，AI便从一个可有可无的外部软件，彻底沉淀为全公司的底层运行规则。员工将业务经验赋能给AI，AI反哺拉升人的产能，从而在企业内部筛选沉淀下一批既精通光伏业务又娴熟运用AI的复合型人才，构筑起难以被竞对抄袭的组织壁垒。

---

[08:50](https://www.bilibili.com/video/BV1jZbf6zEkF?t=530s) 进军电力交易与拉开差距的“笨功夫”

在审核、派单等支撑链条完成AI化改造后，企业所达成的效果本质上仍属于“降本增效”——节约人力、压缩时间。而TCL光伏科技目前正在攻坚的全新阵地，则是尝试让AI直接下场“赚钱”，即进入电力交易领域，负责电价趋势预测与自动化策略制定。

然而，截至目前该功能尚未正式接入生产环境上线运行。尽管其电价预测的准确率已经达到了70%至80%，但电力交易直接挂钩真金白银的盈亏，容错率极低，团队认为当下的模型表现依然不够稳健，仍在持续迭代优化中。管理层坚信面对不可逆转的时代技术浪潮，企业绝不能因噎废食，只有让系统持续在真实业务边界中试错与进化，才能发现更深层的业务机会。

深入探究TCL光伏科技的AI实践，其核心竞争力并不在于拥有某种神秘独占的模型。他们在底层同样接入的是业界通用的开源与商业大模型生态，包括DeepSeek、通义千问、GLM（智谱清言）以及Kimi等主流工具。真正拉开企业间代际差距的，不是谁采购到了最顶尖的算法，而是一家公司是否愿意在算法背后下足最苦、最繁琐的“笨功夫”： - 耐下性子把历年积攒的非结构化业务数据一条条翻出来清洗标注； - 将复杂模糊的行业审核标准拆解成严谨无歧义的代码指令； - 将原本割裂、断点的业务流程一个环节一个环节地重塑打通。

这些扎实的基本功背后，本质上是对企业自身商业模式理解深度的极致考验。正如探访最后的总结：“AI不会凭空理解一门生意，只有你先把它想透，它才有可能替你把活干明白。”

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1jZbf6zEkF?t=0s) 业务暴增30倍后，AI的第一刀为什么砍向“业务审核”？

> [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 干不过人工就别进业务流程 — 何总

> [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 小区域灰度验证关

> [04:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=270s) 一线实际调用率关

> [06:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=390s) 组织破局：凭什么让一线员工把“压箱底的本事”教给AI？

> [06:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=390s) 交给了AI，这本事还算我的吗？我是不是马上就要失业了？ — 一线审核员

> [06:30](https://www.bilibili.com/video/BV1jZbf6zEkF?t=390s) AI是来帮自己分担重负的工具

> [08:50](https://www.bilibili.com/video/BV1jZbf6zEkF?t=530s) 进军电力交易与拉开差距的“笨功夫”

> [08:50](https://www.bilibili.com/video/BV1jZbf6zEkF?t=530s) AI不会凭空理解一门生意，只有你先把它想透，它才有可能替你把活干明白。

## Mentioned TCL光伏科技, Jason程前, 何总, DeepSeek, 通义千问, GLM, 智谱清言, Kimi

[Source](https://www.bilibili.com/video/BV1jZbf6zEkF)

中文简报

TCL光伏科技用AI重构百亿审核运维流程企业应用AI拉开差距的关键不在顶尖通用模型，而在于重构业务断点并重塑考核机制迫使组织交出底层经验。视频深度复盘了TCL光伏科技在三年内业务暴增30倍后，如何以AI重构底层商业链路的实战经验。团队避开技术炫技，选择在痛点最深、规则清晰的“业务审核”环节打响第一枪，并进一步通过加装传感器与云端自动化彻底再造了电站运维流程。面对员工“教会徒弟饿死师傅”的抵触情绪，公司通过实质减负、转型提示词工程师以及成立由HR和数字化牵头的“推轮组”打破组织壁垒。最终指出，企业的核心竞争力不在于独家大模型，而在于肯下“笨功夫”深挖业务逻辑，为当下攻坚中的电力交易等高难度场景奠定壁垒。 TCL光伏科技三年内业务从6亿元猛增至200多亿元，首个AI项目避开光鲜的电力交易，选定“低难度、高价值”的订单审核，使人均审核效率提升30%，审核时长由一天缩短至数小时。 (0:00) 运维环节通过加装数据采集器重构业务闭环，AI自动监控派单及验收，带动日均工单处理量由500至600单提升至3500多单，故障响应时效由一天压缩至4小时。 (4:30) 明确树立AI落地的三道硬门槛：坚决叫停“干不过人工”的施工终审等场景，必须经过小区域灰度验证，并以一线员工自发调用率为唯一检验标准。 (4:30) 通过HRD与数字化负责人联合挂帅的30人“推轮组”破除组织阻力，将基层审核员转型为提示词工程师，并将技能库（Skills）与智能体（Agent）产出纳入部门月度考核。 (6:30) 底层技术全量接入DeepSeek、通义千问等开源及通用大模型，企业认为真正的竞争壁垒在于清洗标注历史数据、拆解规则与流程重塑的“笨功夫”。 (8:50)

Reading summary

TCL光伏科技在三年内业务规模暴增30多倍的背景下，并未盲目追求前沿概念，而是通过梳理业务痛点与重塑组织机制，将通用AI模型深度嵌入审核与运维等核心工作流中。首刀切向低难度高价值的业务审核 (0:00) 光伏电站涉及农户屋顶勘测、无人机拍摄审核及长达25年的运维保障，全生命周期链路极重。随着业务规模由6亿元扩张至200多亿元，郑州后台审核团队连年翻倍至百人规模，员工常年面临早六晚十二的高强度重复劳动。管理团队通过“切入难度”与“经济价值”的四象限分析，没有选择看似光鲜的电价预测，而是将首个试点放在规则清晰但人力极度吃紧的业务审核环节。团队调取历年积累的历史数据与审批未通过原因进行标注，针对通用模型进行垂直业务规则训练，使AI负责初筛并拦截恶意篡改或套用历史照片等问题。目前无异常订单可直接放行，人工仅需负责抽检准确率与处理异常单。该改造使审核员人均工效提升30%，原本需耗时一整天的审核流程缩短至数小时，并在前端降低了施工返工与违规赔付的经营风险。裁撤冗余节点重构电站运维闭环 (4:30) 在运维板块中，团队摒弃了“为每个旧岗位加装AI助手”的叠加思路，转而重构并裁撤中间流转环节。原流程依赖人工发现发电异常、填报系统工单、电话调度工程师、拍照并由后台专人核对验收；新流程则通过电站端数据采集器实时回传功率数据，由AI在云端全天候监控功率曲线。一旦捕捉到异常，AI直接就近自动派单，并在工程师排除故障、发电功率恢复后自动完成验收。流程再造后，工单处理量由人工阶段的每日500至600单提升至日均3500多单，自动化处理准确率达98%，整体处理时效提升4倍，检修响应时间由一整天缩短至4小时，减少了电站因停摆造成的发电收益损失。对于无法标准化的环节，团队明确设立准入门槛：此前尝试在施工终审中让AI评判钢结构焊接牢固度及加固吨位，因准确率不达标被果断叫停；新功能推广必须跨过“干不过人工不进流程”、小区域灰度验证以及一线实际高频调用这三道关卡。化解员工防御心理并绑定组织机制 (6:30) AI落地的核心阻力常在于一线审核员担心交出隐性判断经验后导致失业。为此，公司首先利用AI接管高负荷的机械重复劳动，降低加班率与疲劳出错率，让员工体会到实质性减负；随后从一线团队中选拔骨干转型为“提示词工程师”，负责制定评判准则并训练纠偏模型，将其角色由被动的答题人转为“训练AI判卷子的人”，打通了新的职业路径。在制度设计上，公司组建了由HR负责人与数字化负责人共同牵头的约30人“推轮组”，直接向总经理汇报，并在各业务条线设立专职的“AI应用一号位”。绩效考核机制随之重塑，各部门月度KPI必须明确“交账”，考核指标包括沉淀了多少套可复用的技能库（Skills）、投入生产了多少个独立干活的智能体（Agent），以及为业务带来的流程优化与可量化经济价值，使技术变革与人员编制及薪酬激励直接挂钩。底层竞争力依赖业务理解的笨功夫 (8:50) 在完成降本增效的支撑链条后，团队正在攻坚电力交易环节，尝试通过AI预测电价趋势并制定自动化策略以直接创造收益。尽管当前预测准确率已达到70%至80%，但由于电力交易直接牵涉真金白银的盈亏且容错率极低，团队认为模型表现仍不够稳健，该功能尚未正式接入生产环境，仍在持续迭代优化中。 TCL光伏科技底层主要接入DeepSeek、通义千问、GLM及Kimi等通用的开源与商业大模型生态。其实践表明，企业间拉开差距的关键不在于独占顶级算法，而在于把历年非结构化业务数据逐条清洗标注、将模糊的业务准则拆解为无歧义代码指令，以及重塑原本割裂的业务流程。企业对自身商业模式的深度理解，构成了AI落地的底层支撑。 TCL光伏科技展示了传统产业将通用AI与复杂业务流融合的路径，但其直接创造现金流的电力交易自动化模型仍受限于容错率与准确率考验，技术在强金融属性场景中的最终可靠性仍有待观察。

Source quotes

[0:00] 业务暴增30倍后，AI的第一刀为什么砍向“业务审核”？ [4:30] 何总: 干不过人工就别进业务流程 [4:30] 小区域灰度验证关 [4:30] 一线实际调用率关 [6:30] 组织破局：凭什么让一线员工把“压箱底的本事”教给AI？ [6:30] 一线审核员: 交给了AI，这本事还算我的吗？我是不是马上就要失业了？ [6:30] AI是来帮自己分担重负的工具 [8:50] 进军电力交易与拉开差距的“笨功夫” [8:50] AI不会凭空理解一门生意，只有你先把它想透，它才有可能替你把活干明白。

Original transcript

[0:00] 这两年AI聊得够热了但是哪个老板哪个企业哪个一号位让AI真正进入了工作流呢或许大家还在观望还有很多质疑还不知道该怎么干有一个你可能想不到的行业光伏已经有人跑在前面了跑在前面这家叫TCL光伏科技它是2021年底下成立三年直接从6个亿干到200多亿放了30多倍在它内部 AI在审订单派工单杰克福做经营分析辅助决策不是演示是每一天实打实的都在跑的活他们的总经理何总和相关同事我就想搞明白AI是怎么进入到他们这么一个传统的企业看似传统的业务流程里面去的客户那头实实在在拿到了什么对吧在这个过程中组织上哪些矛盾又是怎么解决的所以我问何总的头一个问题就是这么大一摊的事AI的第一刀你砍在哪何总说你得先理解我们这生意有多复杂很多人以为说光伏不就是往这房地上装几块太阳能板子吗对吧还真不是他们得挨个村去找农户谈说你把屋顶租给我对吧建这个电站每年给你付租金听起来很简单是吧可每户都得单独谈谈成了还得派人进村勘测飞无人机拍屋顶几百张照片传回来一条一条的审核房子太老不行周围有遮挡也不行屋主过了75岁也不行审完还得出方案买材料施工并网电发出来的要卖但现在电价每15分钟变一次你得自己盯着一座电站还得保25年设备坏了要修农户说漏水了你得上门全国几万座电站过去这一整条链路上的大量工作全都靠人扛AI应该先动哪了?换作你是老板,你先挑哪个?我第一反应是挑最有技术含量的,让AI去预测电价,自动交易又酷又能直接来钱,对吧?可是TCL光复科技,它没什么选当时我们内部画了一个坐标轴横轴是切入的难度难度大还是小纵轴就是对我来说带来的经济价值你可以想象这个四个象限第一刀我一定是要放在难度相对低但是给我带来的价值大的道理很简单公司头一个AI项目全公司都盯着只有一炮打响后面才好推动这头一仗必须得赢所以他们挑了一个听起来一点都不酷的环节叫做业务审核为啥是差呢有两个理由这个地方真疼啊就随着生意越来越大审核团队从20人涨到100人年年翻倍海量的照片全靠人一张一张的审尤其是在所谓的旺季的时候真的是从早上六点多到晚上十二点钟走一周工作六天以上就一直看饭都不吃我们这个团队被死在郑州大家就吃那个会面不会面赶不上就那个馒头大馒头快是吧对所以其实是很苦的所以我们就说先把这一个把它解放了解放了就是工作压力太大了一个工作压力大其实价值感是不够的因为这些还是年轻人大家觉得做得活很重复很重复对第二个这个地方AI啃着动审核虽然是繁琐但规则清晰什么房能做什么不能做什么情况可以放行什么情况必须拦截规则能一条一条列出来AI正能学会一个真疼一个好啃这俩凑一块才叫低难度高价值那方向定了他们没有直接套AI通用大模型因为这些通用大模型压根不懂光伏这行的审核规则所有的历史数据加上在这行里沉淀下来的那些判断经验全部翻了出来哪些订单出过岔子出岔子的地方在哪对吧为啥当时没有让他过呢一条一条标注明白再喂给AI现在是一张照片传上来改没改过是不是套用的别的电站AI都会先筛一遍没问题的直接放行有问题的才递到人跟前人质管两件事抽查看AI判断的对不对剩下的精力全花在那些AI判定异常的订单上干同样的活儿审核员相比之前的效率高了三成对客户来说过去审一个订单就要等好一天现在几个小时就能完成哪里填错了照片没批过都能马上发现既少折腾少担风险也少赔钱听到这儿方法其实已经很清楚了那接下来的是不是就好办了呢施工运维交易照着这个套一个一个来不就行了吗我一开始这么想了可是何总跟我讲他们运维那一段我才明白AI进流程不是把每个环节都优化一遍而是重新判断哪一些环节还有没有存在的必要报修来说吧过去一座电站出了故障得先有人瞧见然后再手动填工单打电话派给维修工程师工程师修完拍照上传还得另外找人在核对验收每一步都在等人每一步都在靠传话要让这一套流程加AI最自然的做法是给发现故障的派单的验收的每个人配一个AI看起来是每个人都快了一点但是人跟人之间那个等待的还在信息还得一层层传这个问题如果不解决整体就快不了TCL光复科技文化的这件事直接拿掉了电站上装一个数据采集器发电的数据 [5:00] 时时往回传然后AI盯着功率曲线一有不对自己就把工单建了再挑一个离得最近的工程师直接派过去修完采集器再传一回数功率恢复了验收就通过了效果也非常直接过去人工一天只能省五六百单现在AI平均每天就能省三千五百多单准确率98%处理时效提升了四倍减修时效也从原来一天压到四个小时对用过来说这就是钱嘛电站停一天就少发一天电早修好一天收益就少损失一天但也不是每个环节都能马上交给AI他们也试过让AI审施工施工最后的审核AI当下比较难来次判断因为他要看焊接够够牢固有没有按照设计图多少吨的加固更加不标准化我们当时也很希望AI来做但设计一段时间发现准确率比较低后面也就没有硬推了何总告诉我这就是他们给AI项目设的头一道门槛干不过人工就别进业务流程它能不能上但要想铺到全国后面还有两关一关看效果现在一个小区域真是跑跑腾的在推广的全国一关看调用率到底多少人在用是不是天天用是不是真替换的那些重复的工作AI好不好使老板说的不算PPT说的也不算真解决问题的东西不用你自己催一线自己就会反复来调用所以没人用的这个功能堆在多里白搭对吧到今天这一整套已经成了TCL光复科技内部的标准动作哪个部门想上AI都得沿着这条路再走一遍方法有了可是有一个问题不是技术和方法论能迈过去的就是谁来教AI你回头看定单审核那一张什么房能过哪张照片有猫腻什么情况必须打回去这些经验不在系统里在一百多个审核员的脑子里面所以AI想要就会审单只能指着他们交那问题就来了这点经验是一个审核员身上最值钱的东西干了几年才攒出来的这个判断力凭什么一条一条交出去呢那交给了AI这本事还算我的吗我们整个审核团队包括那个主管第一反应就是是干了这才是很多公司做AI真正卡壳的地方不是技术跑不通也不是流程画不出来是最懂业务的那批人得先愿意把自己压箱底的本事拿出来TCL光复科技是怎么做的第一步先减负审核团队本来就长期超负荷工作AI一上来先把那些最重复最模人的活先接走加班少了出错也少了相对应的客户反攻少了投诉自然也少了这时候你根本不用反复解释说你一定要拥抱AI啊AI是来帮你干活的他自己比谁都清楚因为效果立竿见影嘛第二步是给他第一条新路从团队里面挑一批对AI有兴趣的转去做提示词工程师专门教AI怎么审单哥过去他得拿着鼠标一张一张的翻照片现在他只管告诉AI什么是对什么是错再一点一点的把它叫准从亲自答题的人变成了训练AI判卷子的人这样旁边同事也都看得见对吧原来跟我干一样活的人咋就加班越来越少了他们也就去学这个效果比公司开100场AI动员大会都管用可光靠这两步只能带动一个团队放到整个公司你是不可能一个一个手把手带的所以必须靠制度现在我们HR的负责人跟数字化的负责人牵头做这个事了我们叫推轮组您汇报对我为什么要HR负责人因为所有的东西你就必须涉及到流程的变化流程的变化必须带来组织的变化和人的调整这些制度跟补上的话就还是落不下去所以他必须懂业务懂流程懂岗位对他还要能够把人力资源匹配上那这个团队有多大呢30个人左右怎么分工呢在下面不同的模块它是这个领域的AI应用的一号位比如说运维的场景我们就会有一个成员挖掘AI可做的需求要怎么样来落地要调动公司的资源他向项目组的HRD数字化的头来汇报不仅仅是向他业务条线的领导汇报考核体系的跟着变过去每个部门的考核里面跟AI基本不沾边现在每个月都得交账缠定了多少可复用的Skills开发了多少个可以干活的Agent带来了多少真实的业务价值带来流程的优化到这一步当岗位薪水考核晋升全都围着AI转的时候AI就不再是一个可用可不用的工具了它变成了整个公司的游戏规则就这样人把经验喂给AIAI再把人的效率往上抬一层公司真正留下来的是一批既懂业务又会用AI的人这个才是别人抄不走的前面讲的审单派单包括整个业务流上的其他环节AI基本都进去了但说到底这些都还是在省省人省时间有的环节可他们眼下正在试的下一件事是让AI直接去挣钱把他随到电力交易让他去预测电价定策略但直到今天他还没有上线预测准确率已经能达到七八成可这毕竟是师大师的赚钱赔钱他们觉得还不够稳那就一直在优化这是一个时代的潮流不可逆 [10:00] 想着关门拒绝一定还是得积极拥抱只有不停的在用我们才能够更加的去进化去优化更好用在用的过程当中我们会发现非常多的机会不用永远就是发现不了对从TCL光复科技出来我一路上脑子在转的其实不是AI是他们在AI背后下的那些笨功夫把历史数据一条一条地翻出来标清楚把审核标准一项一项地写明白再把业务流成一个环节一个环节地跑通模型谁都能用TCL光复科技用的也是Deepseek通讯千问GLMKimi跟咱们能用的其实没啥区别但真正把差距拉开的不是谁用上了最好的模型而是谁肯把这些基本功一样一样地做扎实基本功的背后考验的其实是一家公司到底有多懂自己的生意AI不会凭空理解一门生意只有你先把它想透它才有可能替你把活干明白