复旦大学管理学院的 EMBA 和 MBA 项目同时提供学位论文与实践成果两条学位申请路径。实践成果更强调真实管理实践、本人贡献与可验证的成果——但对每一位新生来说，第一个问题都很朴素：我到底适不适合走这条路？2026 级有 200 多名学生，这道选择题，正在被交给一个 AI 智能体来做第一轮解答。
实践成果路径要求学生在读期间持续推进一个真实业务项目：有明确场景、有本人关键行动、有数据证据，企业还愿意授权。判断一个学生是否满足这些条件，过去只能靠教务老师和班主任翻资料、约访谈——一个年级两百多人聊下来，周期长、口径也难统一，不同老师对“够不够格”的尺度并不总是一致。
项目的第一步，是把学院多年积累的判断经验沉淀成结构化规则。画像文件明确了五个核心维度——真实业务场景、项目控制权、本人关键行动、结果与数据证据、在读期间可行性，并给出各维度的分数门槛；同时划清红线：数据不可得、企业授权不明或项目无法在读期间推进的学生，不得进入强推荐。是否董事长、是否科创企业、回答写得多长——这些最容易误导判断的因素，被明确排除在门槛之外。
智能体读取学生的职业经历、企业信息与入学简答题，输出四类结果：强推荐、强推荐候选、访谈确认、暂缓。其中，“强推荐候选”是专门设计的缓冲档——留给无明显风险、但仍需一次访谈确认的学生。诊断结果同时附上适合或暂缓的理由、推荐选题方向和资料缺口；老师复核标签、修改理由的记录再回流系统，形成“识别—推荐—互动—跟进—调优”的数据闭环。
诊断结果不是只给学生看的。项目看板为三类角色各配一副视图：项目主任看整体潜力分布、触达转化漏斗和班级推进进度；教务老师看学生名单、潜力标签与跟进状态；班主任看本班学生的互动意愿和下一步沟通动作。选题推荐也统一了格式——题目、适合原因、核心实践问题、可支撑材料、待确认事项，帮学生把一个真实业务问题“翻译”成符合工商管理范畴的实践成果选题。
以前是凭印象挑几个学生重点谈，现在是 AI 把两百多人分成四档、附上理由，我们把时间花在真正需要人来判断的访谈确认上。
教务老师 陈老师
方案里写明了使用边界：这套诊断用于毕业形式预筛和访谈准备，不替代正式开题审核；评分是规则化预评估，高分与“强推荐候选”的学生仍要人工复核；涉及企业敏感信息时优先使用脱敏数据，并由学生确认资料使用权限。AI 负责把两百多名学生的第一轮筛选做完、讲清理由，最终的选择权仍然交回学生和老师手里。
目前，这套实践成果潜力诊断与选题推荐智能体已完成模拟测试与训练数据迭代，即将在 2026 级 200 余名学生中正式启用。对复旦大学管理学院来说，它解决的不是“用 AI 替代老师”，而是让每一位学生在入学后不久，就能拿到一份有理由、有选题方向、有资料清单的第一轮答复——我适不适合走实践成果这条路。
