AnswersPublished12 sources
Så blev WorkBuddy en AI-modell för hela organisationen hos Shanghai Jahwa
Shanghai Jahwa gick från ett pilotprojekt inom IT och HR i april 2026 till WorkBuddy användning i nio avdelningar och rapporterade en genomsnittlig effektivitetsökning på över 4,5 gånger. I det tydligaste exemplet minskade en månatlig logistikanalys av omkring 60 miljoner datarader från fem eller sex persondagar til...
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- Shanghai Jahwa gick från ett pilotprojekt inom IT och HR i april 2026 till WorkBuddy användning i nio avdelningar och rapporterade en genomsnittlig effektivitetsökning på över 4,5 gånger.
- I det tydligaste exemplet minskade en månatlig logistikanalys av omkring 60 miljoner datarader från fem eller sex persondagar till under 20 minuter.
- Modellen byggde på att domänexperter definierade regler, kontrollerade resultaten, hanterade undantag och gjorde fungerande arbetsflöden återanvändbara för andra team.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Tencent’s WorkBuddy AI office agent scale from an April 2026 pilot with Shanghai Jahwa’s IT and HR teams into routine production acr. Article summary: Shanghai Jahwa’s deployment appears to have scaled by turning individual employees’ repeatable domain workflows into reusable AI “skills,” then sharing them across teams—not by treating WorkBuddy as a generic chatbot or . Topic tags: general, news, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
Shanghai Jahwas WorkBuddy-satsning handlar mindre om den stora effektivitetssiffran än om hur tekniken skalades. I stället för att införa en AI-assistent som en vanlig chattbot gjorde medarbetarna återkommande och regelstyrda uppgifter till testade arbetsflöden och återanvändbara ”Skills”. På så sätt kunde kunskap som tidigare fanns hos enskilda anställda bli en gemensam resurs för hela organisationen. 4
Resultaten är anmärkningsvärda, men bör läsas med viss försiktighet: effektivitetsmåtten kommer från rapporterade företagsfall och inte från en oberoende produktivitetsgranskning.
Från pilotprojekt till nio avdelningar
WorkBuddy började enligt uppgifterna användas av Shanghai Jahwas IT- och HR-team i april 2026. Därefter gick lösningen över i löpande produktion i nio avdelningar, bland annat inom supply chain, varumärkesmarknadsföring, forskning och utveckling, ekonomi, HR och IT. Företaget rapporterade en genomsnittlig effektivitetsökning på mer än 4,5 gånger. 4
Utrullningen byggde på fyra steg:
- Hitta återkommande arbetsuppgifter. Varje funktion identifierade processer som regelbundet krävde datainsamling, avstämning, formatering, analys eller rapportering.
- Gör verksamhetens regler till arbetsflöden. Medarbetarna beskrev hur arbetet faktiskt utfördes och använde WorkBuddy för att skapa skript eller strukturerade Skills.
- Testa mot verkliga historiska data. Teamen kontrollerade resultaten, rättade fel och lade till undantag som upptäcktes under testningen.
- Återanvänd det som fungerar. När ett arbetsflöde blivit tillförlitligt kunde det köras om och delas med andra medarbetare eller avdelningar.
Det gjorde införandet till ett arbete med processdesign – inte bara en programvaruinstallation. De anställda som kunde verksamheten behöll ansvaret för bedömningar och kvalitetskontroll, medan agenten tog hand om stora delar av det repetitiva genomförandet.
Från kosmetikforskning till dashboards
Användningen sträckte sig betydligt längre än textutkast. Under den senaste månad som citeras använde 67 procent av användarna WorkBuddy i specialiserat verksamhetsarbete, 63 procent för databearbetning och analys och 57 procent för automatisering samt drift och underhåll. Siffrorna visar rapporterade användningsandelar – inte hur mycket tid varje aktivitet sparade. 7
Exempel från Shanghai Jahwa var bland annat:
- Forskning och utveckling: efterforskning om kosmetiska ingredienser och tillämpliga regler.
- Ekonomi: omvandling av regler för granskning av utlägg till en återkommande process samt automatiskt framtagna rapporter för investeringsurval.
- HR: påminnelser till chefer och medarbetare när provanställningar närmade sig slutdatum.
- Supply chain: automatisk uppdatering av produktionsdashboards i flera verkstäder.
- Varumärkesmarknadsföring: konsumentinsikter, innehållsanalys och framtagning av marknadsföringsmaterial.
Marknadsteamet ska dessutom ha omvandlat omkring 70 procent av sina veckovisa presentationer och uppföljningar till HTML-sidor. Sidorna kunde delas i hela företaget, uppdateras online och läsas utan att medarbetarna behövde vänta på att en ny statisk presentation skulle skickas ut.
Logistikfallet som visar hur modellen fungerar
Det tydligaste exemplet kommer från logistik och fakturakontroll. Shanghai Jahwas B2C-verksamhet använder Tmall, JD och Douyin, där kostnader för lager, hantering, leveranser och annat låg utspridda i sju typer av råfakturor. Under 18 månader växte datamängden till omkring 60 miljoner rader. Den tidigare Excel-baserade månadsprocessen tog fem till sex persondagar, och stora filer kunde bli så tunga att de var svåra att öppna eller bearbeta.
Zhang Ying, operativ chef inom supply chain med bakgrund i ekonomi men utan programmeringskunskaper, ska ha angripit problemet genom att dela upp månadsprocessen i mindre steg. WorkBuddy genererade Python-skript för stegen, som Zhang testade upprepade gånger mot 18 månaders historiska data. När testerna avslöjade undantag eller nya affärsregler lade hon till dem i återanvändbara Skills.
De rapporterade förändringarna var:
- Månadsanalys av fakturor: från två persondagar till 15 minuter.
- Underlag för så kallade fjärilsdiagram: från en persondag till två minuter.
- Visuell dashboard: från 1,5 persondagar till tre minuter.
- Hela månadsprocessen: från fem eller sex persondagar till under 20 minuter.
- Största rapporterade effektivisering för en enskild uppgift: upp till 150 gånger.
Resultatet var alltså mer än ett snabbare kalkylblad. I den färdiga dashboarden kunde chefer filtrera på exempelvis varumärke, plattform, kostnadsslag och genomsnittligt ordervärde. I stället för att vänta på att en ny rapport skulle byggas om kunde de öppna en länk och se uppdaterade resultat.
Därför kunde satsningen skalas
Fallet pekar på att AI-agenter i företag lättare får fäste när de första användningsområdena har tre egenskaper:
- De återkommer tillräckligt ofta för att automatisering ska löna sig.
- Reglerna går att beskriva och testa.
- Resultatet kan kontrolleras mot befintliga register eller mot verksamhetens förväntningar.
Logistikavstämningen passade väl in i den modellen. Processen var repetitiv och datatung, men krävde fortfarande en person som förstod fakturastrukturen, kunde känna igen undantag och avgöra om resultatet var rimligt. WorkBuddy snabbade upp det mekaniska arbetet utan att ta bort behovet av verksamhetskunskap.
Samma princip återkom inom ekonomi, HR, forskning och marknadsföring. Varje team bidrog med sammanhang och omdöme, medan agenten hjälpte till att paketera de återkommande delarna i arbetsflöden som kunde köras igen och i vissa fall delas bredare. 4
Effektivitetsmultiplikator – inte automatiskt ersatta jobb
Tencent argumentation utifrån utrullningen är därför smalare och mer praktisk än påståendet att AI ersätter kontorsanställda. De rapporterade vinsterna kom av att domänexperter specificerade regler, validerade resultaten, rättade undantag och gjorde fungerande processer till återanvändbara organisatoriska tillgångar. 4
Skillnaden är viktig. En chattbot kan ge ett svar vid ett enstaka tillfälle, medan en testad Skill kan bevara hur ett företag utför en återkommande uppgift. Värdet kan dessutom växa när flera avdelningar skapar och återanvänder arbetsflöden i stället för att varje automatisering förblir ett isolerat experiment.
Samtidigt går det inte att automatiskt överföra de stora rubriksiffrorna till alla företag eller yrkesroller. Det tillgängliga underlaget beskriver Shanghai Jahwas rapporterade resultat i utvalda arbetsflöden och visar inte att produktiviteten oberoende har verifierats till 4,5 gånger högre för samtliga anställda. Den mer hållbara lärdomen är själva arbetsmodellen: börja med mätbara och återkommande uppgifter, låt experterna vara med i processen, testa mot verkliga data och dela det som fungerar.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Så blev WorkBuddy en AI-modell för hela organisationen hos Shanghai Jahwa"?
Shanghai Jahwa gick från ett pilotprojekt inom IT och HR i april 2026 till WorkBuddy användning i nio avdelningar och rapporterade en genomsnittlig effektivitetsökning på över 4,5 gånger.
What are the key points to validate first?
Shanghai Jahwa gick från ett pilotprojekt inom IT och HR i april 2026 till WorkBuddy användning i nio avdelningar och rapporterade en genomsnittlig effektivitetsökning på över 4,5 gånger. I det tydligaste exemplet minskade en månatlig logistikanalys av omkring 60 miljoner datarader från fem eller sex persondagar till under 20 minuter.
What should I do next in practice?
Modellen byggde på att domänexperter definierade regler, kontrollerade resultaten, hanterade undantag och gjorde fungerande arbetsflöden återanvändbara för andra team.
Sources
pandaily.comWorkBuddy Goes to Work at Shanghai Jahwa: 9 Departments, 4.5x Average Efficiency
tencentcloud.comWorkBuddy · Your scenario-based AI All-in-one Package
ciw.newsTencent's WorkBuddy shows where China's AI money is moving
tencent.comTencent Hy3 Now Available Globally, Extending Practical AI Across ...