在企業(yè)數(shù)字化實(shí)踐中，普遍存在 AI 工具應(yīng)用與業(yè)務(wù)價(jià)值脫節(jié)的現(xiàn)象 —— 多數(shù)企業(yè)已引入 AI 工具用于報(bào)告生成、數(shù)據(jù)分析等基礎(chǔ)場景，但在采購比價(jià)、庫存核算等核心業(yè)務(wù)實(shí)操環(huán)節(jié)仍依賴人工，導(dǎo)致 AI 技術(shù)潛力難以轉(zhuǎn)化為實(shí)際業(yè)務(wù)價(jià)值。這一 “落地?cái)鄬印?的核心癥結(jié)，需通過具備自主執(zhí)行能力的 AI Agent 破解。
1
企業(yè) AI 落地的核心瓶頸
基于用友行業(yè)調(diào)研及企業(yè)實(shí)踐反饋，AI 在企業(yè)降本增效、精準(zhǔn)運(yùn)營、風(fēng)險(xiǎn)管控領(lǐng)域的潛力已得到廣泛認(rèn)可，且生成式 AI 已滲透至員工日常工作場景，但僅少數(shù)企業(yè)實(shí)現(xiàn) AI 向業(yè)務(wù)實(shí)操層的穿透。很多企業(yè)面臨系統(tǒng)架構(gòu)陳舊、數(shù)據(jù)質(zhì)量不足、人才短缺、組織變革等多重挑戰(zhàn)。
1
數(shù)據(jù)質(zhì)量與治理短板
“無數(shù)據(jù)不 AI”，數(shù)據(jù)治理已從成本項(xiàng)轉(zhuǎn)為核心能力，企業(yè)既重視又焦慮，在數(shù)據(jù)清洗、標(biāo)注、標(biāo)準(zhǔn)化等環(huán)節(jié)存在技術(shù)與管理短板，同時(shí)需平衡數(shù)據(jù)利用與合規(guī)，做好數(shù)據(jù)全生命周期管理（含內(nèi)部知識(shí)治理）。
2
系統(tǒng)整合難度高
企業(yè)傳統(tǒng)系統(tǒng)呈煙囪式架構(gòu)，存在復(fù)雜、擴(kuò)展性差、開放性弱等問題，導(dǎo)致數(shù)據(jù)整合難、模型安全性不足；AI 部署適配接口與數(shù)據(jù)協(xié)議的改造成本高，且模型幻覺、算法偏見等技術(shù)風(fēng)險(xiǎn)加劇落地不確定性，需建立模型可解釋性與驗(yàn)證機(jī)制，進(jìn)一步加大了整合挑戰(zhàn)。
3
業(yè)務(wù)流程嵌入難度大
與消費(fèi)端 AI 的碎片化應(yīng)用、高容錯(cuò)率不同，企業(yè)端 AI 需穩(wěn)定、可靠、安全，且要與研發(fā)、生產(chǎn)、供應(yīng)鏈等多業(yè)務(wù)環(huán)節(jié)深度融合，場景復(fù)雜關(guān)聯(lián)、時(shí)效性要求高，需從系統(tǒng)與組織層面變革原有業(yè)務(wù)流程；傳統(tǒng) IT 系統(tǒng)已成為重要阻礙，企業(yè)需結(jié)合性價(jià)比、實(shí)際效果權(quán)衡是否升級架構(gòu)。
4
AI 專業(yè)人才結(jié)構(gòu)性短缺
AI 人才缺口直接阻礙技術(shù)落地，且現(xiàn)有人才與需求不匹配，既懂技術(shù)又懂業(yè)務(wù)的復(fù)合型人才稀缺，單純技術(shù)研發(fā)難以滿足場景化需求，復(fù)合型人才成為企業(yè)核心需求。
5
戰(zhàn)略與成本失衡
企業(yè)戰(zhàn)略與治理能力不足，缺乏清晰 AI 落地路線圖，盲目投入易造成資源浪費(fèi)；AI 項(xiàng)目投資回報(bào)率難以預(yù)估，導(dǎo)致企業(yè)決策謹(jǐn)慎、落地延緩，需在本地算力、云服務(wù)與模型輕量化之間權(quán)衡，并建立可量化的價(jià)值評估體系。
綜上，企業(yè)需聯(lián)合服務(wù)商制定科學(xué)的 AI 落地戰(zhàn)略，推動(dòng)技術(shù)與業(yè)務(wù)的深度融合，方能在市場競爭中實(shí)現(xiàn)可持續(xù)發(fā)展。
2
AI Agent 的 “破局三板斧”：
從 “工具” 到 “業(yè)務(wù)執(zhí)行者”
AI Agent 并非傳統(tǒng) AI 工具的升級，而是具備 “環(huán)境感知、任務(wù)規(guī)劃、資源調(diào)用、結(jié)果反饋” 能力的智能實(shí)體。
用友 BIP 自產(chǎn)品設(shè)計(jì)之初便將智能能力作為核心支柱，構(gòu)建了覆蓋 IaaS、PaaS、BaaS/SaaS 的多維度企業(yè) AI 產(chǎn)品矩陣（含智能平臺(tái) YonAI、企業(yè)服務(wù)大模型 YonGPT、行業(yè)智能體等），為 AI 落地提供全棧式支持。
截至目前，用友 BIP 5 已在財(cái)務(wù)、人力、供應(yīng)鏈等十大領(lǐng)域嵌入 40 余個(gè)智能體，通過自然語言交互實(shí)現(xiàn) “系統(tǒng)服務(wù) - 數(shù)據(jù) - 知識(shí)” 的高效調(diào)用，推動(dòng)業(yè)務(wù)流程自動(dòng)化與決策智能化。
那么Agent是怎么解決企業(yè)的痛點(diǎn)的呢？
第一：實(shí)現(xiàn)業(yè)務(wù)流程全閉環(huán)執(zhí)行。
這是Agent和傳統(tǒng)AI最不一樣的地方——它不只會(huì)“分析”，還會(huì)“執(zhí)行”。
比如用友BIP的“采購智能體”，可以依據(jù)規(guī)則，實(shí)現(xiàn)詢價(jià)單自動(dòng)填寫業(yè)務(wù)規(guī)則信息，自動(dòng)邀請供應(yīng)商并發(fā)布，供應(yīng)商報(bào)價(jià)后，支持自動(dòng)比價(jià)定標(biāo)。 在合同審查場景中，支持自定義審查規(guī)則，能直接標(biāo)出“違約金缺失”等具體風(fēng)險(xiǎn)點(diǎn)，甚至識(shí)別嵌套在補(bǔ)充協(xié)議中 的隱藏條款。自動(dòng)生成“風(fēng)險(xiǎn)說明+修改建議”雙欄報(bào)告，提供條款替換、模板推薦及風(fēng)控評分，平衡合規(guī)與商 業(yè)利益。通過AI全流程風(fēng)險(xiǎn)透視、精準(zhǔn)條款級審查及智能優(yōu)化建議，顯著提升合同安全性與審查效率。在招標(biāo)文件生成場景中，智能體通過語義分析自動(dòng)匹配最優(yōu)模板，智能填充技術(shù)參數(shù)與商務(wù)條款，并完成邏輯校驗(yàn)與地域 合規(guī)適配，將標(biāo)書編制時(shí)間從2天壓縮至1小時(shí)。
整個(gè)過程不用人工插手，從“需求”到“結(jié)果”全閉環(huán)，徹底解決了“AI只說不做”的問題。
第二：打破 “系統(tǒng)孤島”，實(shí)現(xiàn)跨系統(tǒng)協(xié)同。
Agent就像個(gè)“連接器”，不用大規(guī)模改造企業(yè)現(xiàn)有架構(gòu)，就能讓不同系統(tǒng)的數(shù)據(jù)和功能互通。用友BIP的智能體平臺(tái)接入了4000多個(gè)行業(yè)API，覆蓋ERP、SCM、CRM這些主流系統(tǒng)。
用友BIP為企業(yè)打造的企業(yè)AI智能體——智友（YonMate）,更成為員工日常工作的 “超級入口”：它不僅能理解業(yè)務(wù)指令、自動(dòng)觸發(fā)系統(tǒng)功能，還能基于企業(yè)知識(shí)庫提供智能建議，讓重復(fù)操作自動(dòng)化、決策支持智能化。這種交互革新讓AI技術(shù)真正從工具融入企業(yè)各項(xiàng)業(yè)務(wù)，轉(zhuǎn)變?yōu)槠髽I(yè)的生產(chǎn)力。
智友，統(tǒng)一智能入口
從技術(shù)架構(gòu)看，大模型+小模型”已經(jīng)成為當(dāng)前智能體建設(shè)中一個(gè)核心趨勢，用友BIP企業(yè)AI基于這一關(guān)鍵思想， 構(gòu)建了匹配企業(yè)核心業(yè)務(wù)與管理場景的智能體矩陣。通過大模型提供強(qiáng)大通用智能、推理能力和復(fù)雜任務(wù)處理能力， 小模型提供高效、低成本、專業(yè)化的特定技能執(zhí)行，并將這些模型進(jìn)行有機(jī)組合和協(xié)同工作，最終形成深度嵌入 企業(yè)業(yè)務(wù)流程的智能體矩陣。用友BIP將 AI 深度融入企業(yè) “研供產(chǎn)銷服”“人財(cái)物客項(xiàng)” 等核心業(yè)務(wù)與管理場景，解決企業(yè)智能交互、知識(shí)賦能、風(fēng)險(xiǎn)審核、分析洞察、智能預(yù)測、智能決策等管理與運(yùn)營問題。
第三：低代碼 / 零代碼構(gòu)建，破解人才與規(guī)模化難題。
企業(yè) AI 落地的核心顧慮之一是 “技術(shù)門檻高”，而 AI Agent 的低代碼 / 零代碼能力可讓非技術(shù)人員快速上手。
用友BIP智能體構(gòu)建平臺(tái)，依托模型矩陣，具備場景感知、上下文記憶、大模型規(guī)劃、技能執(zhí)行、 個(gè)性化推薦、多模態(tài)與多端交互等能力，十分鐘就能自主構(gòu)建一個(gè)智能體。
3
Agent落地的三大“底層支撐”
AI Agent 的有效運(yùn)行需依托三大核心基礎(chǔ)，缺失任一環(huán)節(jié)均會(huì)影響落地效果：
第一，適配性系統(tǒng)架構(gòu)。企業(yè)需構(gòu)建支持 AI 與現(xiàn)有業(yè)務(wù)系統(tǒng)無縫對接的數(shù)智底座，實(shí)現(xiàn)業(yè)務(wù)流程、數(shù)據(jù)資源與智能應(yīng)用的一體化協(xié)同。確保 AI Agent 可靈活調(diào)用各系統(tǒng)能力，如同為 Agent 運(yùn)行搭建 “穩(wěn)固地基”。
第二，高質(zhì)量數(shù)據(jù)與知識(shí)支撐。數(shù)據(jù)是 AI Agent 的 “核心燃料”，低質(zhì)量數(shù)據(jù)將直接導(dǎo)致 Agent 執(zhí)行偏差。用友 BIP 數(shù)據(jù)平臺(tái)通過數(shù)據(jù)清洗、整合、知識(shí)圖譜構(gòu)建，形成標(biāo)準(zhǔn)化數(shù)據(jù)資產(chǎn)，確保 Agent 調(diào)用數(shù)據(jù)的準(zhǔn)確性與時(shí)效性；同時(shí)通過知識(shí)治理實(shí)現(xiàn)企業(yè)內(nèi)部經(jīng)驗(yàn)的結(jié)構(gòu)化沉淀，為 Agent 提供專業(yè)知識(shí)支撐。
第三，“大模型 + 小模型” 協(xié)同能力。Agent的“腦子”其實(shí)是大模型，而且需要“大模型+小模型”搭配。比如用友的YonGPT大模型，負(fù)責(zé)理解業(yè)務(wù)、規(guī)劃復(fù)雜任務(wù)；而財(cái)務(wù)、采購這些垂類小模型，負(fù)責(zé)在專業(yè)領(lǐng)域精準(zhǔn)執(zhí)行。這樣既保證了Agent的“聰明度”，又控制了算力成本，性價(jià)比才高。
當(dāng)前 AI Agent 已從試點(diǎn)驗(yàn)證階段邁向規(guī)?；瘧?yīng)用，它的意義不僅是打通 AI 落地的 “最后一公里”，更在于推動(dòng)企業(yè)從 “人機(jī)協(xié)同” 向 “自主業(yè)務(wù)” 躍遷 ，讓 AI 從 “技術(shù)工具” 轉(zhuǎn)變?yōu)?“業(yè)務(wù)伙伴”，真正為企業(yè)創(chuàng)造可持續(xù)的業(yè)務(wù)價(jià)值。
聽數(shù)智播客，探企業(yè)AI落地路徑
電子書下載
