国家电网公司 × 百度智能云
FDE 强度 中联合共创（“携手”联合攻关）
“减少人工登塔次数40%”
来源：人民日报 · 2025-06-04 · 媒体报道口径
行业痛点
老板最头疼的几件事
01
设备巡检记录量大，数据分散
02
调度信息多、协调靠电话和群
03
安全规程繁多，一线查找与培训难
04
报表与台账手工填报
岗位 AI 化
哪些岗位交给 AI 执行，哪些由 AI 增强
「转型」指以 AI 员工执行为主、人抽检；「增强」指 AI 起草与提示、人决策定稿。
| 岗位 | 方式 | AI 做什么 / 人保留什么 |
|---|---|---|
| 巡检员 | 增强 | 拍照 / 语音生成巡检记录，AI 识别异常并提醒 |
| 调度员 | 增强 | AI 汇总工况与工单，起草调度建议，调度员决定 |
| 安全培训岗 | 增强 | AI 提供安全规程问答与考试 |
| 台账统计员 | 转型 | 台账与报表由 AI 自动生成 |
| 客服热线 | 增强 | AI 受理标准业务咨询与报修登记 |
部门 Agent
这个行业常用的 AI 员工
现场记录与台账-Agent运行监测预警-Agent调度助手-Agent安全规程问答-Agent日报周报-Agent
涉及安全处置、调度指令与设备操作的决定始终由持证人员做出，AI 不自动执行任何安全或控制操作；系统按等保与行业安全要求私有化部署。
超级 AI 工作台
运行与安全看板：这个行业的工作台视图
演示界面，数字为占位。
BOOK.AI · 运行与安全看板演示界面 · 数字为占位
- 经营驾驶舱
- AI 员工
- 工作流
- 知识库
- 审计日志
本月收入¥ ——
人工成本¥ ——
人效——
待处理异常——
各部门 AI 任务完成率（示意）
AI 助手 · 周一经营简报
- 设备巡检完成率与异常清单
- 调度工单与响应时效
- 安全培训与考试完成情况
- 台账与报表自动生成记录
示例案例
这个行业，我们会这样做
示例场景 · 非真实客户
某区域能源公用事业企业（示例）
以下为示例场景，用于说明 BOOK.AI 在该行业的做法，不是真实客户。所有结果需在诊断阶段按企业实际测算。
- 01 业务诊断（2–3 周）：盘点组织与岗位，重点拆解「巡检员」「调度员」等岗位的任务与时间占比。
- 02 智能体开发（90 天试点）：先上线 现场记录与台账-Agent、运行监测预警-Agent，与旧流程并行运行。
- 03 培训落地与迭代（第 4–12 月）：扩展到 调度助手-Agent、安全规程问答-Agent，逐池达标后再调整编制。
- 执行层人工成本变化
- 核心流程工时变化
- 模型回本周期
以上指标将在诊断阶段按企业实际数据逐项测算。
FDE 行业实践
该行业的 FDE 公开实践
以下为公开报道中的第三方案例，与上方 BOOK.AI 示例案例无关，供了解行业做法参考。
案例信息整理自公开报道，数据为原文口径，版权归原权利人；BOOK.AI 未参与上述项目。
国能龙源电力 × 百度智能云
FDE 强度 中联合共创（长期合作）
“整体巡检效率提升6倍至10倍”
来源：人民日报 · 2025-06-04 · 媒体报道口径
bp × Palantir
FDE 强度 中FDE / 长期战略合作（5年）
未披露量化成果（“model-based digital twin”）
来源：Palantir · 2024-09 · 服务商发布口径
中国石油天然气集团（中国石油） × 中国石油（联合研发生态，本页未列明服务商）
FDE 强度 弱内部嵌入团队/联合研发
123个场景；23个数字员工；正反演效率提升10倍以上（来源口径）
来源：中国石油新闻中心 · 2025-12-29 · 企业自述口径
展开案例详情收起详情
背景 / 痛点
油气勘探开发计算量大，集团办公文书量大。
FDE 怎么做
集团以昆仑大模型为底座，在勘探、炼化与办公场景推出数字员工。
成果（原文口径）
来源称已应用123个场景、23个数字员工，正反演效率提升10倍以上，公文生成质量提升20%。
对企业的启示
能源央企的“数字员工”规模化样板：先建底座，再按业务批量上岗。
查看原文 ↗中国石油新闻中心：昆仑大模型应用报道
国家能源投资集团（国家能源集团） × 集团内部研发 + 联合高校、院所
FDE 强度 弱内部嵌入团队/联合研发
“覆盖13个场景，部署41个智能体”
来源：国家能源局 · 2025-07-04 · 政府网站报道口径