□ 刘琦 丁琦 本报记者 李辉

　　针对质量数据源多且零散，人工统计耗时长、报告输出滞后、分析能力受人员经验制约等现实痛点，科大讯飞智慧QC小组自主研发“质量数据管理智能体”，将质量数据全流程处理周期由平均9.5天压缩至0.63天，整体作业效率提升超14倍，以AI手段切实破解质量数据处理难题，助力质量管理提质增效。

　　质量管控工作离不开多源业务数据支撑。以往，质量数据管理高度依赖人工操作，质量工程师需要跨多个业务系统手动抓取信息，再依靠人工整理比对形成质量分析报告。大量重复性的数据归集工作不仅耗时费力，分析深度与广度也受限于分析人员个人经验水平。

　　来自项目交付现场的客户提出明确诉求，希望科大讯飞交付团队将产品质量指标反馈周期缩短至1天。但传统人工处理模式数据处理链条长、报告输出滞后，难以满足客户“快速响应、精准分析”的现实要求。面对客户诉求与现有工作模式之间的矛盾，2025年，由7名跨领域技术骨干组成的智慧QC小组成立。智慧QC小组严格遵循PDCA循环科学方法，锚定课题攻关方向，探索以智能化手段补齐质量数据管理效率短板。

　　智慧QC小组以“质量数据管理智能体”作为课题主攻方向，创新性提出“基于多端数据集采﹢智能分析﹢知识问答的质量数据管理系统”总体方案。该方案以大模型为底层技术支撑，为系统提供语义理解、异常识别与多步推理能力；以智能体作为执行单元，自动完成数据采集、指标计算、报告生成、知识问答等任务；配套搭建知识库沉淀领域知识，保障报告输出的及时准确。三者协同联动，打通从数据采集、智能分析到知识问答的全链路。

　　经过课题攻关与落地试运行，质量数据管理智能体系统全面达成预设目标，有效破解传统质量数据管理痛点，实现质量管控效能大幅提升。系统上线后，质量数据全流程处理周期满足客户需求。项目投入产出比达1:81，上线8个月累计创造直接经济效益近30万元。

　　依托智能化自动采集、分析与报告生成能力，科大讯飞质量工作实现由事后统计向实时监控转变，质量工程师不再需要开展重复性数据归集工作，可更多聚焦于质量研判、问题分析和持续改进。

　　目前，该课题成果已在科大讯飞金融、教育、央国企、智慧城市四大业务板块试点推广，同时对外赋能多家生态合作伙伴。今年6月，长三角地区40余家企业的首席质量官到访科大讯飞调研AI质量管理实践成果。业内专家评价，智能体技术正推动质量管理从“人工操作﹢工具辅助”，逐步走向端到端自动化的新模式，这一创新实践为国内企业推进质量数字化提供了可借鉴、可复制的样本。