企业已经拥有自研产品、在线服务和研发团队，下一步如何用AI改善产品？难点在于找出真正需要升级的功能，再选择合适的技术和实施顺序。

本案例中的客户运营多个自研产品，覆盖政务应用、社区应用及商业服务接入。原有系统已具备基础流程、Web应用和部分App，但AI能力接入不足，部分功能及用户体验未达到预期。

思捷智云围绕这些既有产品开展诊断，评估可采用AI的场景、技术组合及投入边界，形成升级路线规划，并指导后续研发。项目处于持续服务阶段。

升级从哪里开始：回到已有系统和真实任务

同一家企业的不同产品，面对的用户、材料和业务流程并不相同。一个功能需要文字识别，另一个功能需要语音交互，还有的任务需要理解文字与图像之间的关系。

如果一开始就把升级等同于接入某个大模型，容易忽略现有产品的实际限制。思捷智云先调研客户已有系统、主要使用场景、业务痛点和当前局限，再判断哪些任务适合用AI改进。

诊断关注的是功能层面的具体问题：用户正在完成什么任务，现有能力为什么不能满足需求，以及引入AI后需要改变哪些处理步骤。这样，技术选择就有了明确的业务依据。

选型依据：任务适配、样本表现和长期成本

本项目将场景判断与技术、成本评估结合起来。

| 评估内容 | 本项目的工作重点 | 对升级决策的意义 |
| — | — | — |
| 系统和场景 | 调研既有产品、主要使用方式与痛点 | 找出值得进一步验证的任务 |
| 技术适配 | 判断基础AI能力与大模型如何组合 | 选择能够处理具体问题的技术 |
| 样本验证 | 采用样本验证、规则或小模型对照 | 为方案选择提供任务层面的依据 |
| 投入与运维 | 估算AI投入、运营和维护成本 | 评估方案是否适合持续使用 |
| 实施路线 | 形成AI升级路线规划，指导后续研发 | 将诊断结果转化为研发推进依据 |

模型价格和能力并不能单独决定方案是否适合客户。任务效果、接入条件和后续维护，需要放在一起判断。项目因此围绕具体场景选择能力组合，而不是以采购最贵的模型作为升级目标。

技术思路：基础AI能力与多模态大模型配合

本次升级涉及OCR、语音能力及多模态大模型。它们承担的工作不同。

**OCR，即光学字符识别，**用于将图像或扫描材料中的文字转为可处理的文本。它为后续理解、检索或业务处理提供输入。

**ASR，即语音识别，**把语音转为文字；**TTS，即语音合成，**把文字转为语音。两类能力分别支持语音输入和语音输出。

**多模态大模型**用于涉及文字、图像等不同信息形式的理解任务。是否采用，以及怎样与其他能力配合，需要依据具体场景和样本表现判断。

这些说明表达各类技术的适用逻辑。不同产品可以采用不同组合，不需要把所有能力放进每个功能，也不意味着各类技术采用同一模型完成。

咨询交付：让升级有路线，让研发有依据

思捷智云基于调研和综合研判，形成AI升级路线规划咨询方案，并指导客户后续研发升级。

对已有产品和研发团队的企业，这类服务的价值在于把业务问题、技术选择和投入边界联系起来。客户能够围绕自身产品推进升级，而不必脱离已有系统重新讨论一套抽象的AI方案。

本案例展示的是从场景诊断到升级规划、再到研发指导的服务过程。合作仍在持续，后续功能推进情况与实际运行效果，应按各项研发工作的结果分别评价。

如果您的产品也准备接入AI

可以先整理三类信息：现有产品及主要使用场景、用户最希望改善的功能、目前的数据和技术条件。

 

**思捷智云可从这些信息出发，帮助判断适合的AI场景、验证方式与实施路线，让后续研发建立在清楚的业务和技术依据上。**