这一次，金蝶要赌一把大的

设想一家制造业巨头，其生产线上的每一环节都充满了紧张而有序的活力。然而，在它的决策中心，高管团队正面临着一个挑战：如何将人工智能的最新进展——大模型技术——融入到其复杂的供应链管理中。他们渴望通过AI提升效率，减少成本，但在实际操作中却遇到了重重障碍。数据孤岛问题让信息流动受阻，现有系统与尖端AI模型的兼容性问题令人头疼，员工对于新工具的接受度和操作熟练度也参差不齐。

在这样的背景下，金蝶云苍穹峰会发布的Cosmic AI管理助手，为解决上述问题提供了新的思路。

在这场峰会上，数据猿采访了金蝶中国执行副总裁、大型企业事业部总裁赵燕锡 ，金蝶中国副总裁、研发平台部总经理李帆，他们分享了金蝶的思考和实践经验。接下来，我们将就如何将AI技术及大模型引入企业业务流程这个问题进行深入探讨。

李 帆 金蝶中国副总裁、研发平台总经理

融入业务流程

是大模型走入B端应用的关键

在当今数字化转型的浪潮中，B端市场对于AI大模型的需求日益增长。与C端市场相比，B端业务流程的属性更为显著，其复杂性和专业性要求也更为苛刻。企业不仅要处理大量的数据和信息，还要确保这些数据在不同的业务系统中高效、准确地流转。因此，大模型在B端的落地不仅仅是技术的挑战，更是对企业业务流程深刻理解和再造的过程。

业务流程在企业运作中扮演着核心角色，其复杂性直接关系到企业效率和竞争力。相对于C端用户提出的需求，B端需求的处理难度，根植于业务流程本身的特点。

具体来看，企业业务流程具有多样性、复杂性、动态性的特点。

多样性：不同行业的业务流程具有显著差异。以医疗行业为例，其业务流程需要符合严格的法规要求和临床标准，而科技行业的业务流程则更侧重于创新和快速迭代。即便是同一行业内，不同企业的业务流程也会因应其市场定位、企业文化和组织结构而异。例如，一家初创科技公司可能更注重敏捷开发和快速上市，而一家成熟的制造企业则可能更侧重于供应链的稳定性和成本控制。

复杂性：企业内部的业务流程往往涉及多个部门、多个层级以及多种资源类型。这些流程之间存在着复杂的交互和依赖关系。以产品开发流程为例，它通常涉及市场调研、设计、研发、测试、生产等多个环节，每个环节的输出都是下一个环节的输入，任何一个环节的延误都可能导致整个项目的延期。此外，业务流程还可能受到内部政策、员工行为、技术限制等多种因素的影响，这些因素相互作用，增加了流程管理的复杂性。

动态性：市场环境的快速变化要求企业能够灵活调整业务流程以适应新的市场需求。例如，面对新的消费者趋势，企业可能需要快速调整产品设计和营销策略；面对供应链中断，企业可能需要重新规划采购和物流策略。这种动态性要求企业能够及时收集和分析市场信息，快速做出决策，并有效地执行这些决策。

需要指出的是，将大模型技术引入业务流程，不是与某个业务流程的结合，而是与整个复杂、多样化、动态的业务流程体系相融合。因此，在B端市场中，大模型技术的成功落地不仅取决于其算法的先进性，更在于其与企业现有业务流程的融合程度。这一融合过程面临多重挑战，涉及技术对接、流程适配、问答专业性以及用户体验等多个方面。

数据接口和集成：大模型需要与企业内部的多个业务系统进行有效对接，这通常涉及复杂的数据集成工作。企业系统可能基于不同的技术架构，使用不同的数据格式和接口标准，这就要求大模型具备高度的兼容性和可扩展性。集成过程中，还需要解决数据一致性、实时性以及安全性等问题，确保数据在不同系统间准确、高效地流转。

流程适配性：大模型必须能够适应不同的业务流程，企业流程的多样性要求大模型不仅要具备通用性，还要能够根据特定业务场景进行定制化调整。例如，一个为金融行业设计的大模型可能需要集成大量的经济数据和风险评估模型，而一个为制造业设计的大模型则可能更侧重于供应链优化和生产调度。

问答的专业性和精确性：企业业务流程中的问题往往具有很高的专业性和复杂性，这就要求大模型在提供回答时不仅要准确，还要专业。大模型需要具备足够的领域知识，能够理解业务术语，把握业务逻辑，并提供符合业务需求的解决方案。此外，企业业务流程的容错性很低，一旦大模型提供的信息有误，可能会导致严重的后果。

用户交互设计：大模型的用户交互设计对于其成功落地至关重要，用户交互设计不仅要考虑到用户的使用习惯，还要与企业的工作流程相匹配。设计应该简洁直观，易于理解和操作，同时还要能够提供及时、准确的反馈，帮助用户做出正确的决策。此外，设计还应该具有一定的灵活性，能够适应不同用户的需求和偏好。

以一家大型零售企业的库存管理系统为例，该系统需要处理大量的销售数据、库存数据和供应链数据。大模型需要能够与企业的ERP系统、CRM系统以及供应链管理系统等进行集成，实现数据的无缝交换。同时，大模型还需要能够理解库存管理的业务逻辑，提供准确的库存预测和补货建议。此外，大模型的用户界面应该清晰直观，易于操作，能够提供实时的库存状态和预警信息。

要将大模型成功引入企业业务流程，还有一个关键要素——人。

一方面，管理层要认识到这件事情的战略价值。管理层的认知水平起着至关重要的作用，他们必须充分理解大模型技术对于改革业务流程的战略价值。这不仅涉及到对技术潜力的把握，还包括对技术实施后可能带来的组织变革和文化冲击的深刻洞察。

另一方面，员工要保持开放的心态，能够适应这一变化，并慢慢培养起人机协同的能力。员工是新业务流程的直接操作者，他们的态度和技能直接影响大模型应用的成效。企业需要通过有效的培训和沟通，提高员工对新技术的认识，增强他们对变革的适应能力。同时，设计合理的激励机制，鼓励员工积极参与到新业务流程的学习与实践中，是提升员工操作能力的重要手段。

总之，业务流程与大模型的融合应用是一个复杂的过程，涉及技术、业务、用户体验等多个方面。企业需要深入理解这些挑战，并采取相应的策略和措施，才能有效地利用大模型技术，提升业务流程的效率和效果。

如何将大模型引入业务流程

金蝶给出了一个解法

通过上面的分析，我们知道，要将AI大模型引入企业的业务流程体系，并不是一件简单的事情。那么，这个问题应该怎么解决呢？金蝶给出了自己的解题思路。

金蝶在2024年金蝶云苍穹峰会上发布的Cosmic AI管理助手，标志着企业级AI应用的一个重要进展。Cosmic的推出，不仅仅是金蝶技术创新的体现，更是对B端市场业务流程深度理解和智能化改造的一次大胆尝试。

在数据猿看来，金蝶Cosmic AI管理助手的核心突破主要集中在两个地方：

第一，Cosmic AI管理助手能够理解和执行复杂的业务逻辑。

Cosmic AI管理助手的核心能力，在于其深度融合了业务逻辑与人工智能技术，使其能够理解和执行企业中的复杂业务流程。这种能力的基础是金蝶在企业管理软件领域多年的深耕，以及对740万家客户实践场景的学习和模拟。

Cosmic的多模态交互能力，使其能够接收和处理来自不同来源和格式的数据，包括文本、语音、图片等，这为理解复杂的业务逻辑提供了丰富的信息输入。在此基础上，Cosmic背后的大模型经过了万亿级训练数据的“训练”，这些数据涵盖了各种企业业务场景，使得Cosmic具备了从数据中学习并提炼出业务规则的能力。

更重要的是，Cosmic不仅仅是一个数据处理工具，它还能够根据理解的业务逻辑进行决策支持和自动化执行。例如，在合同管理中，Cosmic能够理解合同的内容，自动执行合同审批流程，并在合同履约过程中提供智能监控和风险预警。这种能力的背后，是Cosmic对于业务流程中各个环节的深刻理解和精准把握。

第二，Cosmic能够与金蝶现有的SaaS、财务等业务软件进行定制化集成，确保与企业现有系统的无缝对接。

Cosmic AI管理助手与金蝶现有业务软件的定制化集成，体现了金蝶在企业级AI应用领域的深度思考和前瞻性布局。这种集成不是简单的技术对接，而是一种深层次的业务流程融合。Cosmic通过API、微服务架构或低代码平台等技术手段，与SaaS、财务等系统实现数据层面的互通和功能层面的互补，从而确保业务流程的连续性和数据的一致性。

在业务逻辑层面，Cosmic能够理解财务规则、供应链流程等复杂业务场景，实现智能决策支持和自动化处理。例如，在财务审核过程中，Cosmic可以自动提取和分析相关数据，识别潜在的风险点，从而提高审核的准确性和效率。这种定制化集成还意味着Cosmic能够根据企业的特定需求，提供个性化的功能和服务，如定制化的数据分析模型、业务流程优化建议等。

此外，Cosmic的集成还考虑到了用户体验的连贯性。通过统一的交互界面和操作逻辑，Cosmic减少了用户的学习成本，使得非技术背景的员工也能轻松使用AI功能，进一步提升了AI技术的普及率和应用价值。这种以用户为中心的集成策略，不仅提升了企业的运营效率，也为企业的数字化转型奠定了坚实的基础。这种集成策略，不仅减少了企业在技术转型过程中的阻力，也保证了业务连续性和数据一致性。

金蝶Cosmic AI管理助手自发布以来，已经在多个企业级业务场景中展现了其强大的能力和实际成效，实现了在财务管理、数据分析、合同处理等多个领域的应用。

在财务领域，Cosmic AI管理助手通过其大模型能力，能够支持业务发起、多模态智能审核以及财务指标查询和分析等功能。例如，建发房产与金蝶合作共建的合同中台管理系统，利用Cosmic AI的驱动力，优化了合同范本、起草、预审、审批到履约的全生命周期管理，显著提升了业务流程的智能化水平。

在人力资源管理领域，Cosmic AI管理助手同样表现出色。海信集团与金蝶合作，通过Cosmic AI在人力资源管理领域的应用，打造了员工活水平台及将近20个业务场景，实现了员工全旅程和人才供应链全链路的智能化体验。这一合作不仅提升了内部招聘比例，还极大提高了干部考察过程的效率，内部招聘比例提升了120%，干部考察过程效率提升了70%。

大模型，是比云计算更大的一个机会

随着人工智能技术的不断进步，AI大模型正在成为企业业务流程变革的新引擎。与云计算相比，大模型不仅仅是改变了资源的利用方式和企业服务的提供方式，更重要的是，它对业务流程本身带来了深刻的影响。这种影响体现在成本节约、效率提升和流程再造等多个方面，为企业带来了前所未有的运营模式和市场竞争力。

在成本节约和效率提升方面，AI大模型通过自动化和智能化的处理，减少了人工干预，从而降低了人力成本和错误成本。例如，在财务审计领域，大模型能够快速分析大量交易数据，自动识别潜在的风险和异常，减少了审计人员的工作量和出错率。

更进一步，AI大模型的应用，使得业务流程再造成为可能。传统的业务流程往往是线性和固定的，而大模型的引入，使得流程可以更加灵活和动态。通过对企业内部和外部数据的深度分析，AI大模型能够揭示业务流程中的低效环节，这些洞察使得企业能够针对性地优化流程。

而且，AI大模型的预测能力使得企业能够在市场变化之前做出响应。通过分析消费者行为、市场趋势和宏观经济指标，AI大模型能够预测未来的市场需求，指导企业在产品开发、库存管理和资源配置等方面做出更加精准的决策。此外，AI大模型能够预测市场趋势，指导产品创新，从而重构传统的业务模式，实现从产品导向到市场导向的转变。

从长期角度来看，大模型对企业运营模式和市场竞争力的影响是深远的。它不仅能够提升企业的运营效率，降低成本，还能够推动企业进行创新和转型，提高企业的市场响应速度和客户服务能力。随着技术的不断发展和应用的不断深入，大模型有望成为推动企业持续发展和保持竞争优势的关键因素。