外部公开案例，非衍谷交付
McKinsey & Company · 企业知识与Agent平台 Lilli
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 企业复盘材料披露
- 解决方案
- 多篇企业自述材料交叉整理
- 技术工作流
- 企业公开架构与重构决策披露
- FDE 行动（请结合分析边界）
- 依据公开产品时间线归纳
- 结果（来源方披露）
- 企业内部统计披露
业务问题
麦肯锡近百年知识分散在40多个内部来源中，顾问查找、综合和转化知识耗时；首版平台又依赖单一模型提供商，随着用例和调用增长出现成本、速度与准确率无法同时优化的扩展瓶颈。解决方案
四人团队先用一周完成概念验证，五周开发MVP并交给200名Alpha用户，再分三个月渐进式全员推广；Lilli以编排层组合大型和小型模型、内部与外部知识及权限控制，后来重构为LLM无关的可组合开源底座，并以Alpha/Beta、用户反馈和质量指标逐项发布能力。技术工作流
- 40多个内部知识源及外部知识
- 访问控制、数据安全和内容治理
- 大模型与小型专家模型组合
- 意图识别、知识编排与答案生成层
- LLM无关的可组合开源平台
- Alpha/Beta、使用分析、输出质量和成本评测
技术组件
- Lilli平台
- 多模型编排
- 企业知识源
- 权限与安全控制
- Agent框架
- 用户分析与质量评测
- LLM无关架构
人工责任与复核
顾问用Lilli检索、综合和起草，但仍判断内容是否适合客户情境并承担交付责任；产品团队进行用户观察、用例优先级、Alpha/Beta测试和风险控制，知识贡献者持续改善可用资料。FDE 行动（请结合分析边界）
- 用一周PoC验证领导投资意愿
- 通过访谈和工作坊按价值与可行性排用例
- 让200名Alpha用户先验证MVP
- 根据真实单位成本把单一供应商架构重构为多模型
- 所有新能力经过Alpha/Beta及质量指标再全员发布
结果（来源方披露）
麦肯锡披露平台上线后72%的公司人员活跃使用，每月回答50多万次提示，员工报告知识搜索与综合最多节省30%时间；团队从4人扩展到150多人。核验说明
- 72%、50万次和最多30%来自麦肯锡自述，不代表所有员工或所有任务平均效果。
- 平台并非单一RAG实例，公开材料明确描述为多模型知识编排层。
未公开 / 仍有缺口
未补充记录可迁移方法
- 企业知识平台应把用例问题而不是模型作为产品路线中心
- 单一模型架构在规模化后可能造成成本与性能瓶颈
- 渐进发布可把真实使用反馈带入架构决策
- 知识工作节省时间仍需专业人员判断和客户责任
来源账本
- 标题
- Meet Lilli: McKinsey’s custom-built gen AI platform
- 发布方
- McKinsey & Company
- 来源类型
- 企业平台复盘
- 可定位性
- 案例级直接来源
- 结论披露方
- 企业产品负责人披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-19
补充来源
- 标题
- Building Lilli at the speed of change
- 标题
- Plan for midstream adjustments
- 标题
- Rewiring the way McKinsey works with Lilli
证据说明
麦肯锡多篇自述材料公开团队规模、时间线、平台架构、采用率和时间节省；指标为企业内部统计，未见独立审计。编辑摘要
Lilli案例同时公开了从四人PoC到全员平台的产品路径，以及因真实成本压力从单一供应商转向多模型、LLM无关架构的二次重构。详细度六维评分（各 0–2）
- 业务背景
- 2
- 改造流程
- 2
- 技术工作流
- 2
- 人机与治理
- 2
- 量化结果
- 2
- 来源可定位性
- 2
原始案例 ID
enterprise-mckinsey-lilli-001技术方案参考
是来源分类
企业原始材料企业 / 组织
McKinsey & Company行业
管理咨询一级行业
专业服务业务场景
企业知识与Agent平台 LilliFDE 标记
企业部署案例FDE 关系
内部知识工作流改造成熟度说明
全公司规模化/持续重构成熟度阶段
规模化主来源
https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/what-mckinsey-learned-while-creating-its-generative-ai-platform ↗证据等级
A证据等级说明
A级｜企业项目直接来源详细度评分（满分 12）
12详细度分组
deep详细度说明
深度案例｜关键链路较完整编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。