公司股份回购 - 公司于2025年12月17日执行了股份回购操作 [1] - 此次回购耗资约2.42万港元，回购股份数量为5000股 [1]

公司股份回购 - 公司于2025年12月17日执行了股份回购操作 [1] - 本次回购耗资约2.42万港元 [1] - 本次回购股份数量为5000股 [1]

公司股份回购 - 公司于2025年12月17日执行了股份回购操作 [1] - 本次回购数量为5000股 [1] - 本次回购总金额为2.4万港元 [1]

股份数据 - 2025年11月30日已发行股份（不含库存）173,573,400，库存股427,000，总数174,000,400[3] - 2025年12月17日结束时，已发行股份（不含库存）173,568,400，库存股432,000，总数174,000,400[3] 股份购回 - 2025年12月17日购回股份5,000，占比0.002881%，每股购回价HKD 4.8308[3] - 2025年12月17日购回股份5,000，最高HKD 4.98，最低HKD 4.72，总额HKD 24,154[9] 购回授权 - 购回授权决议2025年5月28日通过[9] - 可购回股份总数17,363,300[9] - 已购回64,600，占比0.0372%[9] 暂停期 - 股份购回后新股发行等暂停期至2026年1月17日[9]

行业现状与挑战 - 加盟行业前端咨询仍主要依赖人工客服，运营方式未随行业增长逻辑变化而改变 [1] - 行业投放成本上涨，线索获取越来越贵，但咨询入口仍由人力承载，导致可扩展性有限、成本结构刚性、效率提升空间逐年缩小 [1] - 多渠道、高频咨询环境使客服工作成为高压力、高复杂度的岗位，咨询量大幅增长且渠道分散（如400电话、官网、公众号、小程序、抖音/快手广告、小红书、第三方加盟平台等），工作量难以控制 [3] - 人工客服需承担接待、专业答疑、信息采集、画像构建及客户初筛等多重职责，工作存在矛盾：表面是重复劳动，背后是高风险的认知判断，且标准难以统一 [3][5] - 加盟咨询入口正成为限制品牌扩张速度的结构性瓶颈 [6] 解决方案与产品价值 - ZENAVA 帮助企业完成从人力驱动到AI驱动的转变，让加盟咨询第一步具备效率与成本优势 [3] - ZENAVA 能像真人一样自然对话，语气柔和、逻辑顺畅，降低用户因“机械感”而退出咨询的可能性 [8] - 依托企业知识库，ZENAVA 能准确、结构化、统一地回答各种加盟政策问题（如加盟费、包含服务、回本周期等），避免人工客服可能出现的解释不一致或记忆错误 [10][11] - 在对话中，ZENAVA 能自动捕捉客户关键信息（如计划开店城市、预算、经验等）并实时形成结构化画像，避免人工记录可能产生的遗漏或偏差 [12][14] - 基于结构化信息，ZENAVA 能自动执行线索筛选，例如将预算不足或城市名额已满的标记为非优先线索，将计划3个月内开店、预算充足、本人是决策者等标记为A类线索，并自动生成工单发送给对应招商经理 [15] - ZENAVA 具备高并发处理能力，不受咨询量波动影响，例如在广告投放后一小时内突然涌入300条咨询时，仍可做到秒级响应和稳态运行，使前端接待能力具备“随业务无限扩展”的可能 [16] 竞争格局与未来趋势 - 未来的竞争不再是投入更多人力，而是拥有更智能、更可规模化的前端能力 [2] - 当前端咨询仍停留在人工模式时，企业将在增长链路的第一环节失去竞争力 [1] - ZENAVA 的出现正在改写增长逻辑，其核心是让前端更智能、更自动化，而非依赖人力堆叠，从而提前锁定未来增长曲线 [16]

行业核心观点 - 2025年客服数字化战场方向发生转变，从提升客服效率转向直接让AI承担工单并闭环执行任务，并首次形成可验证的投资回报率 [1] - 全球头部企业关注的核心问题已从“智能客服能否上线”转变为“AI到底替代了多少人工” [1] - 行业研究基于对Sierra、Decagon、ASAPP、Cognigy四家欧美头部客服企业的深度分析，旨在提供实战指南而非趋势材料 [1] 企业关注的核心业务指标 - 企业关注AI客服的自动化率是多少 [2] - 企业关注AI客服的交付成本是否真正下降 [2] - 企业关注AI运行中的Token消耗是否可控 [2] - 企业关注自动化率、解决率与Token成本之间的真实关系 [2] - 成熟企业关注如何衡量AI的投资回报率，而不仅仅是命中率 [2] 技术实施与战略规划 - 企业关注AI如何对不同业务流程实现端到端的任务闭环 [2] - 企业需要了解哪些技术路线适合不同类型的企业 [2] - 企业需要判断当下的客服系统是否真正有价值 [2] - 企业需要选择未来两年的技术路线 [2] - 企业需要以可控的方式推动“替代人工”的进程 [2] 组织与投资决策 - 企业关注未来客服组织的岗位结构与角色重构 [2] - 企业需要向管理层证明AI投入能带来真实回报 [2] - 研究提供了四大头部企业的对比表、成本模型和落地方法，以指导选型、验收与业务落地 [1][2]

行业核心观点 - 企业AI智能化成效出现显著分化，差异根源在于是否构建了让智能体持续进化的运营体系，而非技术本身[1] - 智能体不是一次性交付的成品，而是持续进化的系统，其真正竞争力是“养出来的”，而非“买来的”[3] - 智能体时代的竞争，本质上是企业“运营能力”的竞争，比拼的是反馈飞轮速度、知识体系完整性和学习闭环严密性[9] 智能体与传统软件的根本区别 - 传统软件系统的能力由“开发完成度”决定，上线后价值基本成型，运营起辅助作用[3] - 智能体的能力不是在交付日确定的，而是在交付后由企业给予的反馈、知识、纠错和训练共同塑造[3] - 智能体基于“经验判断”而非“按规则执行”，因此会犯错和误解，其进化依赖于企业能否抓住并改正错误[6] 导致智能体成效分化的关键运营因素 - 模型提供通用智能而非企业智能，模型越趋同，企业间因运营体系差异导致的效果差距越明显[6] - 企业需建立“反馈→修正→学习→再执行”的闭环体系，将用户纠正、人工接管和新场景任务视为宝贵信号纳入持续训练[7] - 缺乏运营机制的企业，其智能体错误未被记录、知识未沉淀、反馈未被利用，导致在原地反复犯同样错误[9] 有效运营体系的特征与价值 - 判断企业智能体有无运营体系的三点标准：错误是否被记录、经验是否被沉淀、表现是否持续变好[6] - 运营是智能体产品的一部分，运营做得越深，智能体的智能上限越高[9] - 一个能持续进化的运营体系是企业未来智能化竞争的底层护城河[9] 企业组织与运营模式的转变 - 企业不再依赖“部署一次系统”来获取价值，而需依赖“持续让系统保持有效”[11] - 企业需主动将业务规则、行业经验和隐性知识结构化、标签化、编码化，并通过持续运营注入智能体[9] - 稳定、可扩展、能落地的AI能力，越来越取决于企业是否拥有成熟的运营体系，使智能体能适应业务、融入流程并持续优化[12] 行业服务提供商的价值主张 - 行业服务提供商不仅提供先进的智能体产品，更提供贯穿全生命周期的运营支撑，包括场景拆解、知识治理、运行监控和效果优化[12] - 其目标是帮助企业将AI转变为可靠的生产力，而非短暂的尝试[12] - 服务商存在的意义是让每一家企业都具备将AI“用好、养好、长期用出价值”的能力[13][14]

公司概况与市场地位 - 公司成立于2009年，是全球领先的高端智能锁品牌，业务集研发、制造、销售、安装、售后于一体 [1] - 公司连续13年销量领先 [1] - 公司的核心服务理念是“快速、专业、超期望”，并以此作为所有决策的出发点和落脚点 [1] 行业特性与战略转型 - 智能锁行业高度依赖安装与售后服务，服务效率和体验是决定客户品牌选择的关键因素 [1] - 公司以敢为人先的魄力，率先在行业内开启AI转型，将AI技术融入客户服务的全链路 [1] - 公司通过与天润融通合作，引入其对话式AI智能体ZENAVA及知识库等产品，应用于售后服务和预约安装等场景 [1] AI技术应用与成效 - 对话式AI智能体ZENAVA已作为AI员工在公司客户服务中心正式上岗 [3] - 在预约安装场景，ZENAVA能通过自然语音对话理解客户需求、收集信息并自动创建安装工单，工单完成后可自动回访 [3] - 在售后咨询场景，ZENAVA能通过多轮对话和图片识别精准理解客户意图，独立处理大量重复性、标准化问题（如电池更换、密码设置、联网操作） [3] - 自ZENAVA上线以来，AI客服独立接待率提升至83% [3] - 自ZENAVA上线以来，累计解决了50%的人力成本 [3] - AI技术的应用将概念转化为生产力，形成了长期可衡量的业务价值 [4] 竞争壁垒与行业展望 - AI不仅能帮助公司提升效率，更能显著改善客户体验 [5] - 谁能率先落地AI并转化为生产力，谁就能在客服领域建立起难以逾越的竞争壁垒 [5] - 公司致力于成为行业变革的引领者，持续探索AI在客户服务中的创新应用，以提供更智能、高效、贴心的服务，为客户创造超预期价值 [6]

文章核心观点 - 企业AI项目效果不佳的核心原因并非技术问题，而是组织结构问题 许多组织仍沿用以人工为中心的旧流程和管理方式，导致先进的AI智能体无法发挥真正价值 [1][2] - 企业智能化转型成功的关键在于完成从“人管人”到“人管AI”的组织结构升级 必须重新设计流程、角色与协作方式，以适应“人 + AI”的新执行结构 [2][6] - 当技术能力趋同时，决定企业差距的不再是选择哪款AI，而是组织是否准备好接住AI 为AI提供发挥价值的空间（新流程、新分工、新治理方式）是AI成为生产力的前提 [13][14] 组织结构与流程的断层 - 传统业务流程的复杂性设计是为了弥补人类的限制 例如层层确认为避免人工失误，逐级传递为防止任务堆积，大量记录因信息依赖人脑记忆与判断 [3] - AI智能体的运作逻辑与人类不同 它能自动触发、跨步骤闭环执行、持续监控学习，天生适合“任务闭环”而非“岗位流水线” [5] - 企业若让AI智能体按“人工逻辑”工作，会导致其有能力却无权限，有潜力却无空间 问题根源在于组织结构将其束缚在低效模式中，而非AI能力不足 [5] - AI智能体是新的执行单元，而非流程中的“新节点” 组织若沿用旧流程和角色体系，再强的AI智能体也只能被迫模仿人类，无法释放真正价值 [6] 角色定义与价值转变 - 一线员工角色从任务处理者转变为AI智能体的首批“监督者” 其价值从“自己完成多少工作”转变为帮助AI实现多少纠偏与成长 [7] - 质检工作重心从“检查人”转变为“检查AI” 关注AI行为是否合理、策略是否需要调整，一条高质量的“AI改进建议”比一百条人工抽检更有价值 [9] - 主管工作从“管人”升级为“配置资源” 核心能力变为“人机协同设计”，需统筹人力与AI的协作模式，并设计让AI形成闭环的流程 [10] - 知识管理员角色转变为AI能力的塑造者 需将隐性经验结构化、专家判断流程化，以使AI具备企业的业务判断力与策略边界 [11] - 在AI智能体时代，人的角色转变为AI的“训练者、监督者与能力补全者” 组织效率从“人力驱动”迈向“智能驱动” [11] 企业智能化转型路径 - 企业需要重新设计流程、角色与协作方式，以适配“人 + AI”的新执行结构 这是AI智能体时代组织重构的真正起点 [6] - 天润融通在提供领先的AI智能体产品之外，推出了AI训练师项目 旨在帮助企业培养能够设计、监督、优化AI智能体的新型人才，推动传统岗位向“AI企业时代的员工”转型 [14] - 当组织具备训练、运营并与AI智能体协作的能力时，AI才能从项目成长为企业长期的生产力曲线 [14]

股份情况 - 截至2025年11月，法定/注册股份5亿股，面值0.0001美元，总额5万美元[1] - 截至2025年11月，已发行股份（不含库存）1.735734亿股[2] - 截至2025年11月，库存股份42.7万股，已发行股份总数1.740004亿股[2] - 2025年11月，法定/注册、已发行（不含库存）及库存股份数目无增减[1][2]