自大模型出现以来，业界在落地层面主要采用两种模式：Copilot模式和Agent模式。

• Copilot模式下的人机交互以人类为主导，AI只是作为助手，部分流程由AI通过对话交互或SDK的方式完成。

• Agent模式下，人类作为人工智能导师/教练的角色，设计目标并监督结果，大模型充分发挥自身的推理能力，实现推理规划，并调用合适的工具和接口，实现行动执行，最后给予结果反馈。

Copilot模式更适合简单的知识交互类场景，而Agent模式则更适合企业内部复杂的任务场景，帮助企业尽可能提高劳动生产力。沙丘社区通过研究微众银行、京东、字节跳动等企业在客服、营销、运维等场景的AI Agent落地实践，旨在为其他企业的智能体建设提供参考。

（1）客服场景

在客服场景，微众银行AI Agent实践包括智能语音机器人Agent、相似问题生成Agent、摘要和小结生成Agent，服务于终端用户和内部客服，大幅提高服务效率和效果。

以摘要和小结生成Agent为例：

在客服场景中，坐席完成一通对话之后需要编写服务摘要和服务小结，需要占用一分钟左右时间。通过使用Agent自动生成摘要，客服人员只需简单修改即可上交，摘要生成合格率达到90%、小结生成准确率达到98%，可节省100人天，大幅提高坐席作业效率。

完整内容：微众银行AI Agent实践

（2）营销场景

京东积极探索AI Agent应用，企业内部已孵化出100多个智能体应用，涵盖营销、客户服务、内容创作、物流、数据分析等多个领域。

以智能营销智能体为例，京东面向内部运营人员提供全自动化营销智能体——领航者AI增长营销各平台。如果运营人员想做一个“小额消费贷款营销活动”，目标是贷款发放1000万，费用预算是20万，目标人群是500万。Agent会帮运营人员拆解成多个子任务，每个子任务逐一调用专业系统。Agent背后集成了京东14个业务系统能力，包括费用预算系统、权益配置系统、活动页面搭建系统、用户大数据平台、营销策略自动化系统、营销短信内容管理系统等。

完整内容：京东AI Agent建设与应用实践

（3）运维场景

AI Agent 对大模型的加持，极大地提升了大模型的智能能力，并且能对智能运维场景起到很好的智能增强作用，有助于提升运维的人效和加强自动化程度。

在智能运维领域，AI Agent 可以帮助很多复杂任务类场景的落地，比较常见的故障排查/诊断、故障处置等，此外还有通过AI Agent的反思和工具调用能力增强单个大模型的场景，例如运维知识咨、信息检索等。

在故障排查/诊断场景，字节通过单Agent 进行故障排查/诊断，通过表象现象进行下钻，收集更多异常信息进行综合的根因推断和总结，最终生成故障的诊断定位。

完整内容：字节跳动智能运维场景AI Agent实践

* 生成式AI相关实践与研究：

中国工商银行大模型落地实践

招商银行资管领域大模型探索实践

多模态人工智能市场指南

中国保险业大模型用例分析

中国银行业大模型用例分析