中国电信"AI 搜"：把知识服务送上业务一线:

AI赋能

中国电信"AI 搜"：把知识服务送上业务一线

CSTD中国人才发展平台

2026-09-01

一家员工规模庞大的大型央企，业务条线复杂，省专公司遍布全国，一线业务知识几乎月月更新。员工想查清一个业务问题，往往要在系统里翻很久；想找一门对口的课，推荐结果经常对不上岗位。这是中国电信在知识服务上遇到的真实处境，也是许多大型组织的共同难题。

中国电信的解法，是自研一个叫"AI 搜"的智能知识服务平台，把知识更新时效从"人工同步"提到"分钟级"，上线以来累计处理提问突破百万次。它解决的不只是搜索变快，而是知识服务从"人找知识"变成"知识找人"。

痛点：百万人的知识服务卡在三个老问题上

中国电信的痛点，是大型组织的典型样本。

一是信息获取效率低。集团业务条线复杂、省专公司数量众多、一线知识更新速度快，传统人工主导的知识管理，难以做到实时同步和高效检索，员工获取业务知识的成本高、耗时久。二是专业场景适配不足。通用 AI 工具解析不了电信行业专属术语，也覆盖不了党建、技术等领域的专业知识体系，问出来的答案经常"学用脱节"。三是规模化与个性化的矛盾。传统课程推送的推荐准确率差，无法兼顾全集团员工的差异化学习需求。

挑战之下，中国电信亮出三重底牌。技术底座上，依托集团自研平台的"语义理解、知识检索、内容生成、模型调度"全链路能力；资源积累上，智慧学习平台积累了视频课程、自研产品文档和内训师经验库等大量知识资源；组织保障上，组建"产学研用"一体化团队，覆盖典型业务场景，能动态响应知识修正需求。基于此，集团制定 2024 至 2026 年"AI+学习"三年规划。2024 年识别急迫场景、推出可用 AI 产品，2025 年把 AI 能力嵌入业务流程并完善配套管理办法，2026 年推进产品、能力与平台架构全面融合，实现知识底座自运行。

设计：三层架构、五大智能体，AI 学会讲电信话

AI 搜的设计可以概括为三大机制，即全流程能力体系、三层技术架构、智能体调度逻辑。

机制一，全流程能力体系，覆盖学员学习、培训管理、内容建设三大环节。学员侧推出 AI 搜、AI 伴学、AI 专家、AI 教练、AI 陪练等工具；管理侧部署 AI 出题、AI 助教、AI 监考，实现 7×24 小时响应与分散式考试组织；内容侧用 AI 审课、AI 智课、AI 智能封面，把 PPT 课件快速转成视频、生成配音字幕、数字人播报，缩短课件制作周期。

机制二，三层技术架构，兼顾效率与成本。底层是知识化处理层，自动化多源采集、NLP 结构化抽取、标签化索引，融合 RAG 与知识图谱提升查询准确率；中间是低代码开发层，基于星辰智能体平台的拖拽配置，把功能上线周期大幅缩短；上层是动态模型调度层，采用"轻量模型+推理模型"混合调度，让轻量模型处理常规流量、优化算力成本。

机制三，"总机+专家团队"调度逻辑，回答先判断再分工。用户提问先做意图识别，判断是否需要专属智能体介入，再决定回答方式。知识库遵循"源文件管理、粗加工与知识甄别、精加工、场景化预处理、智能知识仓库"的全流程规范，实现知识从采集、加工到存储的全生命周期管理。

三大机制之上，还有跨域知识整合的三大模式和五大智能体矩阵做支撑。三大模式分别是自建知识库（基于课程、培训、认证等自有知识构建技能认证、学习设计师等智能体）、共建语料（与专业公司协同建设天翼云、量子科技等业务领域的知识库）、AI 能力共享（接入专业公司知识库接口，无感知唤起外部能力）。五大智能体是学习助手、业务专家、方案策划师、数据顾问、操作指南，加上专属术语解析、知识图谱导航、快速生成培训方案等六大创新功能，AI 搜形成一张覆盖学习全场景的知识服务网络。

实施：四个步骤搭台，三个场景落地

落到实施层面，AI 搜按四个步骤推进。

第一步，工作流搭建。基于用户需求与业务场景，搭建"意图识别+多分支问答"的工作流，用自然语言处理解析提问意图，为不同业务领域设置对应的智能体回答分支，确保问题精准匹配专业解答渠道。

第二步，知识库构建。严格走五步法，即源文件管理、粗加工与知识甄别、精加工、场景化预处理、智能知识仓库建设，实现语料统一入库、全流程可追溯。

第三步，智能体创建与调度。针对不同知识库与业务需求封装智能体，用户提问时自动判断关联度，匹配则唤起专属智能体深度解答，未匹配则基于完整知识库提供通用解答。

第四步，智能回答与个性化推荐。回答遵循"深度思考+精准引用"原则，参考权威资料形成逻辑严谨的解答，同时基于学习历史与提问需求，推荐相关课程、专区与专家，形成"问答、学习、提升"的服务循环。

平台跑通后，三个典型场景证明这条路走得通。

场景一，天翼云业务支撑。接入天翼云专属知识库，针对"息壤"平台等核心业务快速响应高频需求，回答覆盖官方定义、功能介绍、典型案例与操作指南，一线员工提问就能拿到专业的云业务知识。

场景二，技能认证全周期服务。技能认证智能体自动识别考试时间、教材、证书等五大核心场景，提供报名链接直达，并留存历史对话记录。员工直接问"2025 年省专联合共建物联网专业认证考试报名时间"，就能拿到精准答案，备考效率明显提升。

场景三，学习设计师智能体。联合国内领先人才发展平台，整合近千个真实企业培训案例，从"一句话需求"出发，分步引导完成需求分析、目标设计、内容规划、流程制定与运营评估，输出可直接汇报的完整培训方案，并用"六度模型"自动评估方案质量，还能生成课程大纲、讲师手册、学员材料、微课脚本。

成果：百万次提问四个维度看得见

成果可以从四个维度看。

规模覆盖。AI 搜在全集团推广应用，累计处理提问突破百万次，成为员工日常学习与工作的重要工具。相比传统模式下人工检索与人工答疑，单点服务成本大幅下降。

效率突破。知识更新时效从人工同步提升至分钟级；平台支撑全员级高并发访问，单个知识点学习时间显著缩短，培训方案撰写的时间成本大幅节省。

双提升。员工 AI 应用素养与专业能力同步提升，累计提交的 AI 相关解决方案大幅增长；智能推荐让课程推荐准确率大幅提升，解决了传统模式"学用脱节"的问题。

可持续。通过技术手段优化资源配置、降低服务成本，全员能力建设从"一次性高投入"变成"可持续投入"，为集团长期人才战略提供了财务可行性。知识服务由此成为集团持续演进的基础设施。

借鉴：大型企业复制这套打法的三个前提

中国电信的路径对大型组织有参照价值，但复制前有三个前提需要先想清楚。

一是有没有可信的内容底座。知识服务的质量上限由知识库决定。AI 搜的成功，建立在多年积累的视频课程、产品文档与内训师经验之上，没有内容资源池，再强的模型也只是空转。

二是懂不懂自己的业务语言。通用 AI 答不好电信术语，是因为缺少行业知识图谱和专属语料。自建、共建、共享三种语料来源，本质是在给 AI 补"行业常识"，这一步不能外包。

三是组织能不能持续迭代。"用户反馈、内训师审核、模型迭代"的循环机制让知识"自进化"，配合点赞点踩与"金点子奖"激励用户参与。知识服务不是一次性工程，是持续运营的组织能力。

本案例由中国电信分享人沈季凡整理提供，入选《2026中国企业学习蓝皮书》。数据均出自该案例原文，引用请以蓝皮书正式出版版本为准。

AI 、AI赋能