設想一家制造業巨頭，其生産線上的每一環節都充滿了緊張而有序的活力。然而，在它的決策中心，高管團隊正面臨着一個挑戰：如何将人工智能的最新進展——大模型技術——融入到其複雜的供應鍊管理中。他們渴望通過AI提升效率，減少成本，但在實際操作中卻遇到了重重障礙。資料孤島問題讓資訊流動受阻，現有系統與尖端AI模型的相容性問題令人頭疼，員工對于新工具的接受度和操作熟練度也參差不齊。
在這樣的背景下，金蝶雲蒼穹峰會釋出的Cosmic AI管理助手，為解決上述問題提供了新的思路。
在這場峰會上，資料猿采訪了金蝶中國執行副總裁、大型企業事業部總裁趙燕錫 ，金蝶中國副總裁、研發平台部總經理李帆，他們分享了金蝶的思考和實踐經驗。接下來，我們将就如何将AI技術及大模型引入企業業務流程這個問題進行深入探讨。
李 帆 金蝶中國副總裁、研發平台總經理
融入業務流程
是大模型走入B端應用的關鍵
在當今數字化轉型的浪潮中，B端市場對于AI大模型的需求日益增長。與C端市場相比，B端業務流程的屬性更為顯著，其複雜性和專業性要求也更為苛刻。企業不僅要處理大量的資料和資訊，還要確定這些資料在不同的業務系統中高效、準确地流轉。是以，大模型在B端的落地不僅僅是技術的挑戰，更是對企業業務流程深刻了解和再造的過程。
業務流程在企業運作中扮演着核心角色，其複雜性直接關系到企業效率和競争力。相對于C端使用者提出的需求，B端需求的處理難度，根植于業務流程本身的特點。
具體來看，企業業務流程具有多樣性、複雜性、動态性的特點。
多樣性：不同行業的業務流程具有顯著差異。以醫療行業為例，其業務流程需要符合嚴格的法規要求和臨床标準，而科技行業的業務流程則更側重于創新和快速疊代。即便是同一行業内，不同企業的業務流程也會因應其市場定位、企業文化群組織結構而異。例如，一家初創科技公司可能更注重靈活開發和快速上市，而一家成熟的制造企業則可能更側重于供應鍊的穩定性和成本控制。
複雜性：企業内部的業務流程往往涉及多個部門、多個層級以及多種資源類型。這些流程之間存在着複雜的互動和依賴關系。以産品開發流程為例，它通常涉及市場調研、設計、研發、測試、生産等多個環節，每個環節的輸出都是下一個環節的輸入，任何一個環節的延誤都可能導緻整個項目的延期。此外，業務流程還可能受到内部政策、員工行為、技術限制等多種因素的影響，這些因素互相作用，增加了流程管理的複雜性。
動态性：市場環境的快速變化要求企業能夠靈活調整業務流程以适應新的市場需求。例如，面對新的消費者趨勢，企業可能需要快速調整産品設計和營銷政策；面對供應鍊中斷，企業可能需要重新規劃采購和物流政策。這種動态性要求企業能夠及時收集和分析市場資訊，快速做出決策，并有效地執行這些決策。
需要指出的是，将大模型技術引入業務流程，不是與某個業務流程的結合，而是與整個複雜、多樣化、動态的業務流程體系相融合。是以，在B端市場中，大模型技術的成功落地不僅取決于其算法的先進性，更在于其與企業現有業務流程的融合程度。這一融合過程面臨多重挑戰，涉及技術對接、流程适配、問答專業性以及使用者體驗等多個方面。
資料接口和內建：大模型需要與企業内部的多個業務系統進行有效對接，這通常涉及複雜的資料內建工作。企業系統可能基于不同的技術架構，使用不同的資料格式和接口标準，這就要求大模型具備高度的相容性和可擴充性。內建過程中，還需要解決資料一緻性、實時性以及安全性等問題，確定資料在不同系統間準确、高效地流轉。
流程适配性：大模型必須能夠适應不同的業務流程，企業流程的多樣性要求大模型不僅要具備通用性，還要能夠根據特定業務場景進行定制化調整。例如，一個為金融行業設計的大模型可能需要內建大量的經濟資料和風險評估模型，而一個為制造業設計的大模型則可能更側重于供應鍊優化和生産排程。
問答的專業性和精确性：企業業務流程中的問題往往具有很高的專業性和複雜性，這就要求大模型在提供回答時不僅要準确，還要專業。大模型需要具備足夠的領域知識，能夠了解業務術語，把握業務邏輯，并提供符合業務需求的解決方案。此外，企業業務流程的容錯性很低，一旦大模型提供的資訊有誤，可能會導緻嚴重的後果。
使用者互動設計：大模型的使用者互動設計對于其成功落地至關重要，使用者互動設計不僅要考慮到使用者的使用習慣，還要與企業的工作流程相比對。設計應該簡潔直覺，易于了解和操作，同時還要能夠提供及時、準确的回報，幫助使用者做出正确的決策。此外，設計還應該具有一定的靈活性，能夠适應不同使用者的需求和偏好。
以一家大型零售企業的庫存管理系統為例，該系統需要處理大量的銷售資料、庫存資料和供應鍊資料。大模型需要能夠與企業的ERP系統、CRM系統以及供應鍊管理系統等進行內建，實作資料的無縫交換。同時，大模型還需要能夠了解庫存管理的業務邏輯，提供準确的庫存預測和補貨建議。此外，大模型的使用者界面應該清晰直覺，易于操作，能夠提供實時的庫存狀态和預警資訊。
要将大模型成功引入企業業務流程，還有一個關鍵要素——人。
一方面，管理層要認識到這件事情的戰略價值。管理層的認知水準起着至關重要的作用，他們必須充分了解大模型技術對于改革業務流程的戰略價值。這不僅涉及到對技術潛力的把握，還包括對技術實施後可能帶來的組織變革和文化沖擊的深刻洞察。
另一方面，員工要保持開放的心态，能夠适應這一變化，并慢慢培養起人機協同的能力。員工是新業務流程的直接操作者，他們的态度和技能直接影響大模型應用的成效。企業需要通過有效的教育訓練和溝通，提高員工對新技術的認識，增強他們對變革的适應能力。同時，設計合理的激勵機制，鼓勵員工積極參與到新業務流程的學習與實踐中，是提升員工操作能力的重要手段。
總之，業務流程與大模型的融合應用是一個複雜的過程，涉及技術、業務、使用者體驗等多個方面。企業需要深入了解這些挑戰，并采取相應的政策和措施，才能有效地利用大模型技術，提升業務流程的效率和效果。
如何将大模型引入業務流程
金蝶給出了一個解法
通過上面的分析，我們知道，要将AI大模型引入企業的業務流程體系，并不是一件簡單的事情。那麼，這個問題應該怎麼解決呢？金蝶給出了自己的解題思路。
金蝶在2024年金蝶雲蒼穹峰會上釋出的Cosmic AI管理助手，标志着企業級AI應用的一個重要進展。Cosmic的推出，不僅僅是金蝶技術創新的展現，更是對B端市場業務流程深度了解和智能化改造的一次大膽嘗試。
在資料猿看來，金蝶Cosmic AI管理助手的核心突破主要集中在兩個地方：
第一，Cosmic AI管理助手能夠了解和執行複雜的業務邏輯。
Cosmic AI管理助手的核心能力，在于其深度融合了業務邏輯與人工智能技術，使其能夠了解和執行企業中的複雜業務流程。這種能力的基礎是金蝶在企業管理軟體領域多年的深耕，以及對740萬家客戶實踐場景的學習和模拟。
Cosmic的多模态互動能力，使其能夠接收和處理來自不同來源和格式的資料，包括文本、語音、圖檔等，這為了解複雜的業務邏輯提供了豐富的資訊輸入。在此基礎上，Cosmic背後的大模型經過了萬億級訓練資料的“訓練”，這些資料涵蓋了各種企業業務場景，使得Cosmic具備了從資料中學習并提煉出業務規則的能力。
更重要的是，Cosmic不僅僅是一個資料處理工具，它還能夠根據了解的業務邏輯進行決策支援和自動化執行。例如，在合同管理中，Cosmic能夠了解合同的内容，自動執行合同審批流程，并在合同履約過程中提供智能監控和風險預警。這種能力的背後，是Cosmic對于業務流程中各個環節的深刻了解和精準把握。
第二，Cosmic能夠與金蝶現有的SaaS、财務等業務軟體進行定制化內建，確定與企業現有系統的無縫對接。
Cosmic AI管理助手與金蝶現有業務軟體的定制化內建，展現了金蝶在企業級AI應用領域的深度思考和前瞻性布局。這種內建不是簡單的技術對接，而是一種深層次的業務流程融合。Cosmic通過API、微服務架構或低代碼平台等技術手段，與SaaS、财務等系統實作資料層面的互通和功能層面的互補，進而確定業務流程的連續性和資料的一緻性。
在業務邏輯層面，Cosmic能夠了解财務規則、供應鍊流程等複雜業務場景，實作智能決策支援和自動化處理。例如，在财務稽核過程中，Cosmic可以自動提取和分析相關資料，識别潛在的風險點，進而提高稽核的準确性和效率。這種定制化內建還意味着Cosmic能夠根據企業的特定需求，提供個性化的功能和服務，如定制化的資料分析模型、業務流程優化建議等。
此外，Cosmic的內建還考慮到了使用者體驗的連貫性。通過統一的互動界面和操作邏輯，Cosmic減少了使用者的學習成本，使得非技術背景的員工也能輕松使用AI功能，進一步提升了AI技術的普及率和應用價值。這種以使用者為中心的內建政策，不僅提升了企業的營運效率，也為企業的數字化轉型奠定了堅實的基礎。這種內建政策，不僅減少了企業在技術轉型過程中的阻力，也保證了業務連續性和資料一緻性。
金蝶Cosmic AI管理助手自釋出以來，已經在多個企業級業務場景中展現了其強大的能力和實際成效，實作了在财務管理、資料分析、合同處理等多個領域的應用。
在财務領域，Cosmic AI管理助手通過其大模型能力，能夠支援業務發起、多模态智能稽核以及财務名額查詢和分析等功能。例如，建發房産與金蝶合作共建的合同中台管理系統，利用Cosmic AI的驅動力，優化了合同範本、起草、預審、審批到履約的全生命周期管理，顯著提升了業務流程的智能化水準。
在人力資源管理領域，Cosmic AI管理助手同樣表現出色。海信集團與金蝶合作，通過Cosmic AI在人力資源管理領域的應用，打造了員工活水準台及将近20個業務場景，實作了員工全旅程和人才供應鍊全鍊路的智能化體驗。這一合作不僅提升了内部招聘比例，還極大提高了幹部考察過程的效率，内部招聘比例提升了120%，幹部考察過程效率提升了70%。
大模型，是比雲計算更大的一個機會
随着人工智能技術的不斷進步，AI大模型正在成為企業業務流程變革的新引擎。與雲計算相比，大模型不僅僅是改變了資源的利用方式和企業服務的提供方式，更重要的是，它對業務流程本身帶來了深刻的影響。這種影響展現在成本節約、效率提升和流程再造等多個方面，為企業帶來了前所未有的營運模式和市場競争力。
在成本節約和效率提升方面，AI大模型通過自動化和智能化的處理，減少了人工幹預，進而降低了人力成本和錯誤成本。例如，在财務審計領域，大模型能夠快速分析大量交易資料，自動識别潛在的風險和異常，減少了審計人員的工作量和出錯率。
更進一步，AI大模型的應用，使得業務流程再造成為可能。傳統的業務流程往往是線性和固定的，而大模型的引入，使得流程可以更加靈活和動态。通過對企業内部和外部資料的深度分析，AI大模型能夠揭示業務流程中的低效環節，這些洞察使得企業能夠針對性地優化流程。
而且，AI大模型的預測能力使得企業能夠在市場變化之前做出響應。通過分析消費者行為、市場趨勢和宏觀經濟名額，AI大模型能夠預測未來的市場需求，指導企業在産品開發、庫存管理和資源配置等方面做出更加精準的決策。此外，AI大模型能夠預測市場趨勢，指導産品創新，進而重構傳統的業務模式，實作從産品導向到市場導向的轉變。
從長期角度來看，大模型對企業營運模式和市場競争力的影響是深遠的。它不僅能夠提升企業的營運效率，降低成本，還能夠推動企業進行創新和轉型，提高企業的市場響應速度和客戶服務能力。随着技術的不斷發展和應用的不斷深入，大模型有望成為推動企業持續發展和保持競争優勢的關鍵因素。