真正决定 AI 能不能长期产生价值的，是场景选得准不准、数据口径对不对得上、权限边界怎么划、上线之后由谁持续照看。Gartner 统计，约 89% 的智能体试点没有进入日常生产使用 ，预计到 2026 年约六成 AI 项目会因数据条件不足而放缓。诺未科技按「一个场景一个交付单元，上线后转持续托管」的方式交付：每一段都有清晰的范围、明确的交付物，和一个可以一起验收的指标。
一、真正的工作量，往往在跑通之后
把 AI 接进来、跑通、看到效果，这一步大多数企业已经完成了。接下来这一段行业里走通的还不多，原因通常集中在三件事上。
1. 选对场景，比做得快更重要。 一个场景能不能长期活下来，往往在启动之前就决定了：它服务的是谁的日常工作？做成之后哪个指标会真的变好？这个问题在早期花半天想清楚，比后面三个月的开发更影响最终结果。
2. 数据接得通，口径也要对得上。 常见情况不是连不上，而是同一个指标在不同部门有不同算法。AI 会选其中一种，却不会说明它选了哪一种------业务同事拿到数字时，自然会犹豫要不要用它做决定。
3. 上线之后，需要有人一直看着。 模型会漂移、业务流程会变、用量上去成本也会变。效果监控、提示词调优、权限调整、成本跟踪，这些工作不复杂，但需要有人固定负责。多数试点停在这一步，往往不是因为做得不好，而是它一开始就只被当成一次性的项目来安排。
二、一套解法：一个场景一个交付单元
把 AI 当成一次性项目来做，是试点夭折的根源。诺未的做法是把交付拆成持续循环的四个阶段：
|---------|-------------------------------------------|-----------------------|
| 阶段 | 做什么 | 关键产出 |
| ① 选场景 | 从日常工作流出发，看哪个场景做成后指标真的会变好，同时判断数据条件和责任人 | 场景清单、优先级、可量化指标 |
| ② 交付单元 | 范围、交付物、报价在开始前谈清楚，一个场景做到能上生产、能验收、团队能顺利接手 | 可上生产的智能体/应用 + 数据与权限配置 |
| ③ 转持续托管 | 上线不是终点：效果监控、模型与提示词调优、token 与容量成本管理、季度扩展评审 | 月度优化报告、运维手册 |
| ④ 沉淀与复用 | 数据底座、指标字典、安全基线、身份与权限模型、智能体骨架作为长期资产留在客户侧 | 下一个场景直接复用 |
这套方式的精髓：底座、指标口径与安全基线建好之后，下一个场景可以直接站在上面开始------越做越快，而不是每次都从零再来。
三、一个交付单元里，六道工序
单元与单元之间怎么衔接讲完了，再看单元内部发生什么。每个交付单元有六道工序，每一段都有明确的产出，方便双方随时对齐进度：
|----------------|----------------------------------------------------------------------------------------------|------------------|
| 工序 | 做什么 | 产出 |
| Identify 场景识别 | 按部门盘工作流，按 KPI 排优先级，判断数据可达性与技术可行性 | 场景清单 · 一个可量化指标 |
| Your IQ 知识与数据层 | 统一口径、语义层、检索与权限边界，让 AI 拿得到可信的数据 | 数据可达性方案 · 语义与知识层 |
| Build 构建 | 按场景选路径：低代码智能体（Copilot Studio）、专业代码智能体（Microsoft Foundry / Agent Framework），或直接用现成 Copilot 能力 | 可运行的智能体或应用 |
| Security 安全与治理 | 内容防护、智能体身份、行级权限、审计与合规，和构建同步推进 | 安全基线 · 治理策略 |
| Scale 扩展 | 从一个场景复制到多个，统一模型网关与调用路由，控制重复建设 | 复用模式 · 统一入口 |
| Operate 运维与优化 | 可观测、成本管理、效果回归，随业务变化持续迭代 | 运维手册 · 月度优化报告 |
其中「Your IQ」这一段不产出可以演示的东西，却决定了后面五段的可信度------诺未通常会建议给它留足时间。数据有了含义，智能体才敢用。
四、数据在下、平台在中、使用面在上：能力全景
诺未把这套能力组织成三层，有承载关系：数据在下，智能体平台在中，使用面在上；安全与治理竖着穿过三层------它不是五个可以单买的东西，也不是最后再补的一节。
|------------------|-----------------------------------------------------------------------------------------------------|-------------------------------------------|
| 层 | 对应产品 | 解决什么 |
| 使用面 Work IQ | Microsoft 365 Copilot（会议、文档、邮件、数据分析）、Copilot Studio（低代码业务流程智能体）、GitHub Copilot（编码、评审、测试与工程协作） | 人和智能体在哪里干活，提供「谁在做什么」的组织信号 |
| 智能体平台 Foundry IQ | Microsoft Foundry（Foundry Models、Agent Service / MAF、RAG、MCP）、NovaHub Gateway（多模型统一入口：调用路由、配额与成本管理） | 智能体的统一知识层：带权限的检索与自动源路由，让每个智能体拿到它有权看的正确上下文 |
| 数据底座 Fabric IQ | Microsoft Fabric + OneLake：Bronze 原始层 → Silver 标准层 → Gold 业务层 → 指标字典 → Fabric IQ Ontology | 给业务数据加上机器能读的含义，定义一次，所有智能体共享同一套口径 |
| 安全与治理（贯穿三层） | Entra Agent ID（智能体独立身份）、Guardrails（内容防护与提示词攻击防御）、Purview（审计、敏感信息识别与合规）、RLS / OLS（行级与对象级权限） | 权限边界与审计合规，与构建同步建设 |
一句话概括这套架构：数据有了含义，智能体才敢用；智能体有了身份和权限，使用面才敢开放给全员。
五、谁来做：四种角色，只有一个对接人
一个交付单元由四种角色组成，按场景需要配比，不是固定编制：
-
交付负责人------对指标负责，不对工时负责。范围、节奏和验收标准由他收口，出了问题找他一个人。
-
AI 工程师------写代码的人直接和业务人对话，不经过需求文档转述。少一层传话，就少一次走样。
-
数据与语义工程师------打通数据可达性、统一口径、建语义层。这是决定 AI 敢不敢被信任的那个人。
-
安全与治理顾问------权限边界、内容防护、审计合规。和构建同步介入，不是上线评审时才出现。
Microsoft 365 Copilot、Copilot Studio、GitHub Copilot、Microsoft Foundry、Microsoft Fabric，一直到上线后的持续运维，都由同一个团队承接------从选场景到运维只有一个对接人，中间的衔接不需要客户来协调。
六、两个起点不同的落地样本
起点可以不同，路径可以不同，最终都汇到同一套底座上。
一家全球制造业企业 · 多智能体平台：基于 Microsoft Agent Framework 构建、部署在 Microsoft Foundry 上的多智能体平台。架构上有三个关键设计：每个智能体拥有独立的 Entra Agent ID，调用链通过 OpenTelemetry 全程可追溯，闲置时 scale-to-zero 控制成本。
一家大型能源企业 · 统一数据底座：风电、光伏电站运营数据，加上 ERP 财务、CRM 客户与多年历史 Excel，在 Fabric 与 OneLake 上建统一数据底座。做法是先编企业指标字典、把跨部门口径谈拢，再进入开发------这样后面的报表和智能体才共用同一套定义。
一个从智能体平台开始，一个从数据底座开始；一个有跨国协作需求，一个数据散落在多个系统。共同点是：安全与数据在第一层就设计进去，而不是上线前再补。
七、为什么是诺未
诺未科技（NovaTech）是微软解决方案合作伙伴，自 2011 年起深耕微软技术栈，为超过 1000 家企业提供从战略咨询到持续运维的端到端服务：
-
全栈微软资质：微软云全六项 Solution Partner 认证------Modern Work、Data & AI (Azure)、Digital & App Innovation、Infrastructure (Azure)、Business Applications、Security；Advanced Specialization 与双通道资质（AI on Azure、Infra & Data Migration、Adoption & Change Management、Custom Solutions for Microsoft Teams，以及 21V CSP / OSPA / NCEI、香港 1T/2T CSP、新加坡 2T CSP、ECIF Certified Partner）。
-
连续两年微软黑客松冠军：2025 年「Eva」智能体获微软中国区 Copilot AI 创新大赛第一名；2026 年「Sales Deal Agent」多智能体方案在微软 Frontier Agentic Hackathon 摘得「智胜全能金奖」（第一名），同年获 FY26 微软市场拓展先锋奖。
-
一套方法论反复验证：六道工序 + 四种角色 + 三层架构，在两个不同起点的真实项目中走通，可复制到更多场景。
八、常见问题 FAQ
Q1：一个交付单元的范围怎么定？包含哪些东西？
A：一个单元对应一个业务场景，范围在评估阶段就写死：涉及哪些数据源、哪些系统、哪些角色使用、成功标准是哪个指标。交付物包含可上生产的应用或智能体、配套的数据与权限配置、安全基线，以及一份能让你的人接手的运维说明。周期取决于数据源条件和集成复杂度，在评估结论里明确给出，而不是先承诺一个数字。
Q2：持续托管包含什么？不包含什么？
A：包含效果监控与告警、模型与提示词调优、token 与容量成本跟踪、小幅调整，以及季度扩展评审。不包含新场景的开发------那是下一个交付单元的事。Azure 与微软许可费用由客户直接向微软或渠道支付，不在托管费里，建议在报价中单独列示。
Q3：你们的工程师会常驻我们这里吗？
A：不做长期常驻，但关键节点一定到场------场景评估、跟岗观察、联调、上线和培训这些需要面对面的环节，我们的人会在现场；日常开发与迭代以远程协作为主，进度和产出按周同步。这样安排的用意是：精力花在把方法和资产沉淀下来、让你后面的场景做得更快，而不是按在场时间计费。
Q4：数据还没准备好，能开始吗？
A：能，但顺序要对。多数企业的第一个单元里，相当一部分工作量在「Your IQ」这一段------把数据接通、把口径谈拢、把权限边界划清。这部分不产出可以演示的东西，却决定了后面结果的可信度。通常建议第一个场景挑数据条件相对好的，先把底座和方法跑顺，再去处理更复杂的部分。
Q5：我们是国内企业，有些微软服务用不了怎么办？
A：这是第一件要确认的事------租户在哪、签约主体在哪、数据能不能出境、有没有境外分支机构。同一个业务需求，纯境内主体和有境外主体的出海企业，可行的架构不一样。诺未同时持有 21V CSP 与香港、新加坡的 CSP 资质，两边都能落，会在评估阶段确认清楚后再给方案和报价。
Q6：会不会把我们锁死在一套架构里？
A：在两个地方刻意留了出口。一是模型层：通过 NovaHub Gateway 做统一入口，换模型不改业务代码。二是交付标准：每个单元的验收条件都包含「你的团队能接手继续改」，交付物含文档与知识转移，不是只给一个跑着的黑盒。判断标准很简单------如果诺未撤了，这套东西还能被你的人维护下去，那就没有被锁死。
AI 的价值不在试点，而在每天的生产使用里。如果你正在评估企业智能体落地，或手上有跑通了却不敢放量的场景，欢迎联系诺未科技做一次场景评估：访问 novatech.cn/NovaAI.html 提交需求。