- 行业
- 商业综合体
- 规模
- 约 6 万㎡
- 地区
- 华南
华南 6 万㎡商业综合体：AI 接管 76% 管理环节，项目扭亏为盈
上线前 34 人、6 层管理架构，账面月月亏损。住户缴费率做到 99%，行业平均约 71%；智能化采购在同一笔物业预算内完成。
- 采用产品
- FMClaw 物业智能体（AI 物业经理）
月月亏损的综合体，把账重新算平了
34 人、6 层管理架构，账面每月都在亏
这个项目亏在管理成本，不在服务本身。华南这个约 6 万㎡的商业综合体，涵盖公寓、商业与写字楼，上线前配置 34 人、6 层管理架构、6 个专职管理岗。一千多个服务点位、每天几千次服务交付，全靠这几个管理岗盯着。
行业大盘也在同一个方向上。据克而瑞物管统计，物业 500 强企业的物业费平均收缴率从 2020 年的约 93% 降到 2025 年的约 71%。收入在漏，成本一分不少。
项目负责人做物业七年，他的难处不是人不够忙，而是忙完了仍然看不全。点位一千多个，人工抽检覆盖率不到一成。质检谁去、按什么标准，取决于当天派了谁。月底数据汇总，报表已经滞后一两个月。加人只会让账更亏，多上系统只会多几个要登录的地方。
114 个执行环节，约 76% 由 AI 自动跑完
启盟把这个项目的设施管理拆成 18 个管理维度、114 个执行环节，覆盖现场服务、财务与供应链、项目治理三块。其中约 76% 由 FMClaw 自动运转。
让它跑得起来的是三层能力。模型层接入十多个主流大模型，由智能路由按任务选用。数据层把收费、工单、能耗、门禁各系统的数据自动结构化，接入后约 72 小时可调用。工具层接进物业 ERP、财务人力、视频安防、楼宇自控等六大类三十多个工具。
在这三层之上，四个 AI 智能体首尾相连地转起来。
- 服务设计智能体｜定标准
基于行业真实运营数据，建立服务标准、人员编制与预算基线。
- 运营管理智能体｜管执行
对接 IoT 与工单，1000 多个点位实时可见，自动派单、排程与异常升级。
- 质量评估智能体｜评质量
计算机视觉自动采集工单影像，单项目每月评估超过 1000 张，评分标准对每个人一致。
- 服务优化智能体｜做优化
高频问题聚类后生成月度复盘，优化建议回灌给服务设计智能体。
项目原有的 OA 与协同工具一个都没换。群里的报修由平台 Bot 汇聚，FMClaw 接过来把派单跑完。管理者在原对话框里艾特一句就能问业务，不必学新工具。
高层不认减人这条路
- 起初以为
- 这是自营项目，管理架构调整应该阻力最小。
- 实际发生
- 拉扯出在物业公司高层的认知：人少了服务就会变差，物业管理讲的就是人性化服务，减到极致就没有人性化可言。把大半管理环节交给 AI，动的是整套管理模式。
- 后来怎么过的
- 靠反复对齐高层对项目管理方式的认知，一轮一轮谈，不是靠一次汇报解决。认知统一之后，架构调整才推得动。
“以前六个人各自忙自己那摊，现在我一个人，反而比过去六个人加起来更清楚这个项目。”
扭亏为盈，智能化投入在原预算内完成
上线一年后，这个项目扭亏为盈。收入端住户缴费率做到 99%，比行业平均高出近 28 个百分点。住户愿意缴费，是因为品质变化能被感受到。
成本端，约 76% 的日常管理环节交给 AI 后，岗位是自然空出来的。省下的精力转去做 AI 做不了的事：应急判断、客户关系、下一步的方向。被省掉的是管理损耗，不是服务本身。
智能化采购全部在同一笔物业服务预算内完成，钱来自管理损耗里省出来的部分。对业主方与投资方来说，存量项目的智能化升级可以不增预算启动。国有物业与园区的升级路径，见启盟的政企共建实践。
这套变化不是零成本。IoT 要部署，团队要适应新的工作方式，也需要时间建立对 AI 产出的信任——每天看到派单合理、质检客观，信任才攒得起来。
适合谁，什么情况下不适合
- 项目亏在管理成本，不在服务本身：点位多、管理层级厚、抽检覆盖率低
- 缴费率在往下走，而加人只会让账更亏
- 存量项目希望在原有物业服务预算内启动智能化
- 亏损来自合同单价或业态本身，管理损耗不是主因，那么先谈合同
- 团队不接受工作方式改变：AI 派单和自动质检需要时间建立信任
- 希望立刻见效：这个项目的结果是上线一年后的，前期要沉住气
- 不换现有系统
- 项目原有的 OA 与协同工具一个都没换，管理者在原对话框里问业务。
- 不增预算启动
- 智能化采购在同一笔物业服务预算内完成，钱来自省下的管理损耗。
- 需要 IoT 与磨合
- 感知要部署，团队要适应，对 AI 产出的信任要一天天攒。
再看几个在运行的项目
关于这个案例，常被问到的
亏损的物业项目，靠 AI 真能扭亏为盈吗？
有真实案例。华南某 6 万㎡综合体上线前每月账面都在亏，接入 FMClaw 物业智能体后，114 个执行环节中约 76% 实现自动化运转、IoT 覆盖率 100%，住户缴费率做到 99%（行业平均约 71%），项目扭亏为盈，还在同一笔物业预算内完成了 AI 传感器与机器人的采购。不同项目起点不同，实际幅度会有差异。
什么是物业智能体？和传统物业 SaaS 有什么区别？
物业智能体是自己把活干完的 AI 系统，SaaS 是等着人去操作的软件——你点一下它做一件事，而智能体是你给一个目标，它自己决定做哪几件事、调哪个数据、用哪个工具。FMClaw 把设施管理拆成 18 个维度、114 个执行环节，由四个 AI Agent 把「定标准—管执行—评质量—做优化」首尾相连地跑起来，只在需要拍板的地方把判断交回给人。
AI物业管理到底能管多少件事？
FMClaw 把设施管理拆成 114 个执行环节，覆盖现场服务、财务与供应链、项目治理三大领域，配有六大类三十多个预制工具。在上述 6 万㎡综合体，其中约 76% 的环节实现了数据化并交给 AI，而不是只做排班或质检某一件事。
用了 AI物业，需要把现在的钉钉、飞书、企微换掉吗？
不用换。FMClaw 不替换通用协同平台，而是和它们互相成就：平台负责人、消息、文档的协作入口，FMClaw 负责物业业务的大脑。群消息由平台 Bot 汇聚、FMClaw 接过去把派单流程自动跑完，领导在原对话框艾特就能问业务、权限直接沿用平台现成的组织架构，用的人不用学新工具。
保洁质检能不能用 AI 来做，会不会不如人靠谱？
能，而且比人更公平。FMClaw 的质量评估 Agent 用计算机视觉自动采集照片视频，单项目每月评估超 1000 张影像，结构化标签 100% 全量覆盖，评分标准对每个人一致、结果可追溯。相比人工主观抽检（覆盖率常不到 10%），AI 质检更全面，上述项目一线员工也从抵触转为认可。
一个人真的能管一整个综合体项目吗？
在上述 6 万㎡综合体，AI 接管了约 76% 的日常管理环节后，专职管理岗从 6 人变成 1 人，这个人聚焦应急判断、客户关系和决策。前提是项目有足够的 IoT 数据覆盖和 AI 工作流支撑，并不是简单地「少雇几个人」。
带你的难题来，
带一个 Agent 走
从你的一个真实业务开始。