钉钉 AI 助理把一家企业工单响应从小时级拉到秒级，代价不是自研大模型，而是直接用现成 OA（办公自动化）工具附带的 AI 能力 + 低代码（一种可视化拖拽搭建系统的开发方式）— 这条"几乎不花钱"的 AI 落地路径，值得我们重新评估国内企业推进 AI 的速度。

这是什么

作者用钉钉 AI 助理（内置在钉钉中、底层接阿里云大模型的 AI 模块）搭了一套工单辅助系统，整体可拆成三块。

第一是知识库。把历史工单、FAQ、产品手册汇进去，回答时 AI 先检索相关资料，再交给大模型生成答复 — 这就是业内常说的 RAG（检索增强生成，简单说就是回答前先查资料而不是凭记忆答）。

第二是工单模板。字段强制结构化、必填项压到 3-5 个，让 AI 能准确理解用户在问什么，从源头提升数据质量。

第三是反馈闭环。每个 AI 回复都让人打分，反向优化知识库，形成"使用—评估—改进"循环。

整套跑在钉钉生态里，采用"AI 先行筛选、人工后段决策"的协作模式，企业不需额外掏腰包。

行业怎么看

支持方认为这条路务实。中小企业不必自研模型，借 OA 平台附带的 AI 能力就能跑通第一个 Agent（能自主完成多步任务的 AI 助手）场景，先把效率数字做出来再说。

反对意见更值得听。一是数据流向 — 工单里常有客户信息和内部流程细节，喂给第三方 AI 模块（哪怕是钉钉自家），企业 IT 要重估合规风险。二是供应商锁定：今天钉钉跑顺了，明天换飞书或企业微信，迁移成本不会小。三是工单属高度结构化场景，是 AI 最容易做好的领域之一，不能拿这一处的成功外推到"AI 改造整个公司"。

对普通人的影响

对企业 IT：低代码 + AI 助理正在改写自建系统的成本账，"全部自研 vs 借用平台附带能力"的取舍会越来越频繁，技术预算的分配逻辑要变。

对个人职场：客服、技术支持这类岗位的重复性答疑会被 AI 先吃掉一层，但岗位不会消失，只从"全人工答疑"转为"审阅 AI 答案 + 处理例外问题"。

对消费市场：下次你打客服，遇到的可能是 AI 先秒回、复杂问题再转人工 — 响应更快，但回答也更模板化，体验不一定更舒服。