陈醒坐在长桌的主位，面前的终端上已经预载了一份《天枢AI企业治理应用试验方案》。他翻了几页，抬起头看着赵静。
“小智在企业治理方向的应用，我同意试点。但有一个前提——AI只能是辅助，不能替代人的判断。所有AI的决策建议，必须经过人工审核才能执行。”
赵静点头。“这个原则我们会严格执行。天枢AI在企业治理中的定位是‘参谋’和‘哨兵’，不是‘指挥官’。它提供数据分析和风险预警，但最终决策权在人手里。”
林薇问:“试验的范围是什么？复盖哪些部门？”
赵静调出了第一页报告，标题是《天枢AI企业治理应用试验——三大场景》。
“试验分三个阶段，每个阶段聚焦一个内核场景。第一阶段，智能排产与供应链协同。在合城产业园的追光产在线，用天枢AI优化生产排程和物料调度。目标是提升产能利用率，降低在制品库存。”
“第二阶段，人才盘点与岗位匹配。用天枢AI分析员工的技能数据、绩效数据、以及职业发展偏好，自动生成人才画象和晋升建议。目标是解决合城‘人来了留不住，留住了长不大’的问题。”
“第三阶段，合规风控的实时监控。用天枢AI扫描合同、审批流程、以及业务数据，自动识别异常行为和合规风险。目标是提前发现潜在的法务和财务问题。”
老韩问:“第一阶段的智能排产，什么时候能上线？”
赵静说:“已经在合城的追光三期上跑了两个星期的脱机测试。天枢AI接入了产线的实时数据——设备状态、在制品数量、物料库存、订单优先级。AI每十分钟生成一次排产建议，和人工排产的结果做对比。”
“测试结果怎么样？”老韩追问。
赵静调出了第二页报告，是一张对比图表。
“两周的脱机测试，一共生成了两千零一十六次排产建议。其中，一千八百九十三次和人工排产一致，占百分之九十三点八。剩馀的一百二十三次不一致中，有九十七次AI的建议更优——产能利用率更高、换线时间更短。另外二十六次，人工更优。AI的排产建议在复杂约束条件下的优化能力，已经超过了普通排产员，但和资深排产专家相比，还有差距。”
陈醒问:“AI更优的九十七次，如果按AI的建议执行，产能能提升多少？”
赵静说:“我们做了仿真推演。如果完全采纳AI的建议，追光三期的产能利用率可以从百分之八十二提升到百分之八十八，在制品库存可以降低百分之十五。换算成经济效益，每年可以增加约一亿元的产出，减少三千万元的库存积压。”
老韩深吸了一口气。“这个数字不小。如果AI真能做到，合城产线的盈利能力能提升一大截。”
赵静说:“所以第一阶段试验的目标是——在三个月内，让天枢AI的排产建议采纳率从零提升到百分之七十，产能利用率提升四个百分点。”
会议进入第二个场景——人才盘点与岗位匹配。
方敏对这个场景最感兴趣。合城人才生态的六大举措虽然已经激活，但人才的识别和培养仍然是最大的瓶颈。六千五百名员工，每个人的技能、绩效、潜力都不一样，靠人力资源团队手工盘点，效率低且主观性强。
“赵静，天枢AI怎么做人才盘点？”方敏问。
赵静调出了第三页报告，是一张人才画象的示意图。
“天枢AI从三个维度分析员工——能力维度、绩效维度、潜力维度。能力维度包括技能认证等级、多能工培训记录、以及项目经验。绩效维度包括KPI完成率、质量指标、以及出勤率。潜力维度包括学习速度、主动性和团队协作能力，这些数据来自360度评估和日常行为记录。”
“AI把每个员工映射到一个九宫格上——横轴是绩效，纵轴是潜力。九宫格分成九个局域，每个局域映射不同的发展建议。比如，右上角的‘高绩效-高潜力’员工，建议重点培养、加速晋升。左上角的‘低绩效-高潜力’员工，建议加强辅导、明确目标。右下角的‘高绩效-低潜力’员工，建议稳定岗位、给予奖励。”
方敏问:“AI的分析准确率有多高？”
赵静说:“我们在合城选了两百个员工作为样本，让AI生成人才画象和晋升建议，然后和人力资源委员会的评审结果对比。AI的建议和委员会的一致率是百分之八十一。不一致的百分之十九里，有一半是委员会觉得AI高估了某些员工的