設想一家製造業巨頭，其生產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，高階主管團隊正面臨一個挑戰：如何將人工智慧的最新進展——大模型技術——融入其複雜的供應鏈管理中。 他們渴望透過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模型的兼容性問題令人頭疼，員工對於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，金蝶雲蒼穹峰會發布的Cosmic AI管理助手，為解決上述問題提供了新的想法。
在這場高峰會上，資料源訪問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，我們將就如何將AI技術及大模型引入企業業務流程這個問題進行深入探討。
融入業務流程
是大模型走入B端應用的關鍵
在當今數位轉型的浪潮中，B端市場對於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嚴苛。 企業不僅要處理大量的數據和訊息，還要確保這些數據在不同的業務系統中高效、準確地流轉。 因此，大模型在B端的落地不僅是技術的挑戰，更是對企業業務流程深刻理解與再造的過程。
業務流程在企業運作中扮演核心角色，其複雜性直接關係到企業效率和競爭力。 相對於C端使用者所提出的需求，B端需求的處理難度，根植於業務流程本身的特性。
具體來看，企業業務流程具有多樣性、複雜性、動態性的特性。
多元化：不同產業的業務流程有顯著差異。 以醫療產業為例，其業務流程需要符合嚴格的法規要求和臨床標準，而科技業的業務流程則更著重於創新和快速迭代。 即便是同一產業內，不同企業的業務流程也會因應其市場定位、企業文化和組織結構而有所不同。 例如，新創科技公司可能更注重敏捷開發和快速上市，而一家成熟的製造業可能更專注於供應鏈的穩定性和成本控制。
複雜性：企業內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。 這些流程之間存在著複雜的互動和依賴關係。 以產品開發流程為例，它通常涉及市場研究、設計、研發、測試、生產等多個環節，每個環節的產出都是下一個環節的輸入，任何一個環節的延誤都可能導致整個專案的延期 。 此外，業務流程也可能受到內部政策、員工行為、技術限制等多種因素的影響，這些因素相互作用，增加了流程管理的複雜性。
動態性：市場環境的快速變化要求企業能夠靈活調整業務流程以適應新的市場需求。 例如，面對新的消費者趨勢，企業可能需要快速調整產品設計和行銷策略；面對供應鏈中斷，企業可能需要重新規劃採購和物流策略。 這種動態性要求企業能夠及時收集和分析市場信息，快速做出決策，並有效地執行這些決策。
需要指出的是，將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、多元、動態的業務流程體系融合。 因此，在B端市場中，大模型技術的成功落地不僅取決於其演算法的先進性，更在於其與企業現有業務流程的整合程度。 這個整合過程面臨多重挑戰，涉及技術對接、流程適配、問答專業性以及使用者體驗等多個面向。
資料介面與整合：大模型需要與企業內部的多個業務系統進行有效對接，這通常涉及複雜的資料整合工作。 企業系統可能基於不同的技術架構，使用不同的資料格式和介面標準，這就要求大模型具備高度的相容性和可擴充性。 在整合過程中，還需要解決資料一致性、即時性以及安全性等問題，確保資料在不同系統間準確、有效率地流轉。
流程適配性：大模型必須能夠適應不同的業務流程，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客製化調整。 例如，為金融業設計的大模型可能需要整合大量的經濟數據和風險評估模型，而為製造業設計的大模型則可能更專注於供應鏈優化和生產調度。
問答的專業性和精確性：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確，還要專業。 大模型需要具備足夠的領域知識，能夠理解業務術語，掌握業務邏輯，並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，可能會導致嚴重的後果。
使用者互動設計：大模型的使用者互動設計對於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符。 設計應該簡潔直觀，易於理解和操作，同時也要能提供及時、準確的回饋，幫助使用者做出正確的決策。 此外，設計也應該具有一定的彈性，能夠適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數據、庫存數據和供應鏈數據。 大模型需要能夠與企業的ERP系統、CRM系統以及供應鏈管理系統等進行集成，實現資料的無縫交換。 同時，大模型也需要能夠理解庫存管理的業務邏輯，提供精確的庫存預測和補貨建議。 此外，大模型的使用者介面應該清晰直觀，易於操作，能夠提供即時的庫存狀態和預警資訊。
要將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，管理階層要認清這件事情的戰略價值。 管理階層的認知程度起著至關重要的作用，他們必須充分理解大模型技術對於改革業務流程的策略價值。 這不僅涉及到對技術潛力的掌握，還包括對技術實施後可能帶來的組織變革和文化衝擊的深刻洞察。
另一方面，員工要保持開放的心態，能夠適應這項變化，並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，他們的態度和技能直接影響大模型應用的成效。 企業需要透過有效的培訓和溝通，提高員工對新技術的認識，並增強他們對變革的適應能力。 同時，設計合理的激勵機制，鼓勵員工積極參與新業務流程的學習與實務中，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整合應用是一個複雜的過程，涉及技術、業務、使用者體驗等多個面向。 企業需要深入理解這些挑戰，並採取相應的策略和措施，才能有效利用大模型技術，提升業務流程的效率和效果。
如何將大模型引入業務流程
金蝶給了一個解法
透過上面的分析，我們知道，要將AI大模型引入企業的業務流程體系，並不是一件簡單的事。 那麼，這個問題該怎麼解決呢？ 金蝶給了自己的解題思路。
金蝶在2024年金蝶雲蒼穹峰會上發布的Cosmic AI管理助手，標誌著企業級AI應用的一個重要進展。 Cosmic的推出，不僅是金蝶技術創新的體現，更是B端市場業務流程深度理解與智慧化改造的大膽嘗試。
在資料源看來，金蝶Cosmic AI管理助理的核心突破主要集中在兩個地方：
第一，Cosmic AI管理助理能夠理解並執行複雜的業務邏輯。
Cosmic AI管理助理的核心能力，在於其深度整合了業務邏輯與人工智慧技術，使其能夠理解並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740萬個客戶實踐場景的學習和模擬。
Cosmic的多模態互動能力，使其能夠接收和處理來自不同來源和格式的數據，包括文字、語音、圖片等，這為理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並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，它還能夠根據理解的業務邏輯進行決策支援和自動化執行。 例如，在合約管理中，Cosmic能夠理解合約的內容，自動執行合約審批流程，並在合約履約過程中提供智慧監控和風險預警。 這種能力的背後，是Cosmic對於業務流程中各環節的深刻理解與精準把握。
第二，Cosmic能夠與金蝶現有的SaaS、財務等業務軟體進行客製化集成，確保與企業現有系統的無縫對接。
Cosmic AI管理助理與金蝶現有業務軟體的客製化集成，體現了金蝶在企業級AI應用領域的深度思考與前瞻性佈局。 這種整合不是簡單的技術對接，而是一種深層的業務流程融合。 Cosmic透過API、微服務架構或低程式碼平台等技術手段，與SaaS、財務等系統實現資料層面的互通與功能層面的互補，進而確保業務流程的連續性與資料的一致性。
在業務邏輯層面，Cosmic能夠理解財務規則、供應鏈流程等複雜業務場景，實現智慧決策支援與自動化處理。 例如，在財務審核過程中，Cosmic可以自動提取和分析相關數據，識別潛在的風險點，從而提高審核的準確性和效率。 這種客製化整合也意味著Cosmic能夠根據企業的特定需求，提供個人化的功能和服務，如客製化的資料分析模型、業務流程最佳化建議等。
此外，Cosmic的整合也考慮了使用者體驗的連貫性。 透過統一的互動介面和操作邏輯，Cosmic減少了使用者的學習成本，讓非技術背景的員工也能輕鬆使用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整合策略，不僅提升了企業的營運效率，也為企業的數位轉型奠定了堅實的基礎。 這種整合策略，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致性。
金蝶Cosmic AI管理助理自發布以來，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，實現了在財務管理、數據分析、合約處理等多個領域的應用。
在財務領域，Cosmic AI管理助理透過其大模型能力，能夠支援業務發起、多模態智慧審核以及財務指標查詢和分析等功能。 例如，建發房產與金蝶合作共建的合約中台管理系統，利用Cosmic AI的驅動力，優化了合約範本、起草、預審、審批到履約的全生命週期管理，顯著提升了業務流程的智慧化水平。
在人力資源管理領域，Cosmic AI管理助理同樣表現優異。 海信集團與金蝶合作，透過Cosmic AI在人力資源管理領域的應用，打造了員工活水平台及將近20個業務場景，實現了員工全旅程和人才供應鏈全鏈路的智慧化體驗。 這項合作不僅提升了內部招募比例，也大幅提高了幹部考察過程的效率，內部招募比例提升了120%，幹部考察過程效率提升了70%。
大模型，是比雲端運算更大的機會
隨著人工智慧技術的不斷進步，AI大模型正成為企業業務流程變革的新引擎。 與雲端運算相比，大模型不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。 這種影響體現在成本節約、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爭力。
在成本節約和效率提升方面，AI大模型透過自動化和智慧化的處理，減少了人工幹預，從而降低了人力成本和錯誤成本。 例如，在財務審計領域，大模型能夠快速分析大量交易數據，自動識別潛在的風險和異常，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態。 透過企業內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回應。 透過分析消費者行為、市場趨勢和宏觀經濟指標，AI大模型能夠預測未來的市場需求，指導企業在產品開發、庫存管理和資源配置等方面做出更精準的決策。 此外，AI大模型能夠預測市場趨勢，指導產品創新，進而重建傳統的商業模式，實現從產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爭力的影響是深遠的。 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，提高企業的市場反應速度和客戶服務能力。 隨著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爭優勢的關鍵因素。