行业参考 · 其他 · 客服 · 证据 E1
Orange Spain用Gemini Enterprise部署1000+自定义AI agents
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
电信企业从孤立试点转向企业级AI工厂，IT部门成为agent构建瓶颈，员工无法直接管理复杂数据环境和日常流程。
概要
西班牙电信Orange Spain基于Gemini Enterprise低代码框架部署1000+自定义AI agents，30天内license活动率近100%，形成公民开发者文化，覆盖HR、IT、销售、客服；用例为事故分诊、系统根因分析、知识访问、请求管理；底座是BigQuery数据仓库+数据湖+RAG+语义搜索。
原文写明的事实
- Orange Spain是西班牙最大电信运营商之一，近4700万宽带和移动线路
- 基于Gemini Enterprise低代码框架部署超过1000个自定义AI agents
- 30天内license活动率近100%
- 覆盖人力资源、IT、销售活动、客服等领域
- 用例包括自动事故分诊、系统根因分析、自然语言知识访问、请求管理
- 数据底座基于BigQuery数据仓库和Google Cloud Storage数据湖，自2018年起与Google Cloud合作
- 使用RAG和语义搜索确保agent回应基于验证的企业数据
怎么做的
- 输入：内部知识、事故工单、系统日志、服务请求
- 处理：低代码自定义agents自动分诊事故、根因分析、语义搜索知识、管理请求；RAG检索验证数据
- 数据：统一数据仓库、数据湖、内部企业知识
- 动作：自动分类路由问题、分析日志、返回知识答案、处理常规请求
- 输出：事故处理建议、根因分析、知识查询结果、请求处理
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：中（需要配置 Skill / Connector）
- 需要的能力：事故分诊Skill、根因分析Skill、知识库问答Skill
- 需要接的数据/系统：工单系统、日志系统、数据仓库/数据湖、内部知识库
- 仍需人工的环节：复杂事故仍需IT专家处理；agent创建有中央控制
- 风险：知识检索错误误导员工；数据传输与电信合规复杂度高；低代码agent泛滥难治理
- 原文没披露的：缺量化业务成效；agent质量未披露；依赖Google Cloud全家桶
基于统一数据底座的RAG知识问答和工单分诊有真实落地，但量化效果与长期稳定性需实测确认。
来源
证据说明：Google Cloud官方新闻稿，缺独立验证和量化结果