Agent热潮下的冷思考 用友付建华：大模型的落地，远没有想象中的快 | 数据猿专访

来源：数据猿

“真正重要的决策场景，AI尚未被充分信任。

大数据产业创新服务媒体

——聚焦数据 · 改变商业

一场由智能体（Agent）引发的革命正在AI的疆域上开拓新的边界。人们对初生的事物总是充满美好的期待，又迫切希望它快速成熟落地。从Chatbot到Copilot，再到如今各路厂商争相推出的智能体，AI的工具形态在短短几年内就完成了三级跳。资本市场热情高涨，科技公司亢奋异常，养龙虾甚至一度成为了流行现象。

但在企业级的真实场景中，却呈现出截然不同的面貌。

“产业界还处于尝试新工具、新技术的阶段。若询问已部署大模型和智能体的企业，这些技术是否真正创造价值，很多企业恐怕难以给出答案。”付建华在财务管理领域深耕了20多年，语气中没有对技术的浪漫想象，更多的是经过无数企业真实场景打磨出的务实与冷静。

近日，数据猿与付建华进行了一次深度对话。在这场对话中，一个被喧嚣掩盖的事实浮出水面：尽管技术发展突飞猛进，但产业落地的步伐却依旧缓慢，更不用说业务价值的兑现。

她并非不看好AI的价值，而是认为AI在财务领域的革命不会自发实现。它需要数据治理、工具融合、行业知识与价值创造的多重激荡，而这注定是一场漫长的探索。

Agent浪潮下的冷与热

C端沸腾，B端冷静

OpenClaw横空出世，是智能体发展过程中的一个历史性转折点。它赋予了C端智能体“一句话完成复杂操作”的能力，迅速引爆大众的热情。

这股热情也蔓延到了企业一侧。不少企业开始将各类“Claw”引入业务流程，指望其直接创造业务价值。

“智能体技术在C端和B端的差异非常大。”付建华表示，“C端的场景是相对离散的环境，无论是问答还是生成图片，依托通用大模型搭配一款 APP 即可实现。但B端场景截然不同——每家企业的管理环境都复杂、严谨，落地需要多个层次的技术和工具配合。”

财务领域尤为突出。财务对准确性的极致要求，决定了决策结果必须可审计、可追溯、零差错。而大模型的本质是概率预测，其决策过程呈黑箱特征，生成结果是发散的。这与财务场景的核心需求存在天然张力。

“智能体在企业落地的速度，远没有大家想象中的快，技术周期仍处在早期的探索阶段。”付建华说。

近两年，财务场景下的AI创新确实在加速。一个明显标志是各类财务智能体集中涌现：智能审核、合同审查、单据归档、自动生成报告……这些场景有一个共同特征——规则明确、重复性高、决策风险低。

在真正重要的决策场景，AI尚未被充分信任。

"企业核心决策绝不可能直接交由 AI 全权负责。持相反观点者，显然并不了解企业管理的实际逻辑。"付建华笃定地说。

大模型不能包打天下

AI落地是一场系统工程

AI技术演进极为迅猛。但AI能力越强，越容易让人陷入认知误区：人们过度聚焦AI技术本身，反而忽略了AI的核心使命——服务业务，创造价值。这种本末倒置的思维，使得很多企业盲目跟风布局AI，重金采购大模型与Agent产品，到头来却发现真正能发挥的价值极为有限。

问题究竟出在哪儿？付建华一针见血地指出：企业级业务场景中的AI落地，从来不是靠一个大模型或一个Agent单打独斗就能解决的，而是一项需要系统性思考、分层推进的工程。

她以用友的AI战略为例，阐释了这套系统化理念和分层落地思维。

底层是大模型平台，用友与国内几乎所有的主流大模型实现对接，建立起通用大模型调用生态。

中间层是用友自主研发的垂类大模型和智能体中台。用友的逻辑很简单，最懂企业经营管理和数字化的，是软件厂商自己。依托垂类大模型，搭建智能体中台，助力企业按需调用AI能力、自主构建专属智能体。

上层，结合企业的产供销、财务、人力等具体业务场景，用友开发了一大批智能体。仅财务领域，最新一代用友BIP产品中就嵌入了近20个智能体。

在三层架构之上，用友还搭建了智能体编排层。今年年初，用友正式发布了面向B端的超级智能体产品——YonClaw。YonClaw的产品理念是把软件中原有的丰富功能封装为成百上千个skill，并将这些skill上架到YonClaw平台中。企业可以通过YonClaw自主调用这些skill，完成单据处理、流程处理、审核、记账、结账等工作。

她描述了一个充满画面感的未来场景：“基于YonClaw，企业的财务人员不需要进行图形界面的点击操作。比如，财务人员想结账时，可以直接输入自然语言——‘请帮我结账’。YonClaw就会自动调用系统里封装好的结账技能，开始结账，结账完毕后还会自动生成一份漂亮的报告。”

用友的实践就像一面镜子，折射出企业级AI落地的一个关键真相：AI落地从来不是单兵突进，而是要打一张“组合牌”，大模型、软件工具乃至业务理解等，缺一不可。

数据治理：Agent落地的隐形门槛

如果问付建华，Agent落地财务管理最大的短板是什么？她的答案可能会跟很多人不同——不是大模型，不是算力，更不是软件工具，而是数据治理能力。

数据不仅是大模型的养料，在产业环境中，更是直接决定了AI的能力上限。

不少企业上线的财务智能体，演示时往往惊艳四座，可一进入真实业务，便难以招架数据的动态变化与复杂的业务逻辑。一方面，原始数据中常有缺失、矛盾或错误；另一方面，模型对财务专业知识的理解本身也可能存在偏差。

付建华指出：“没有良好的数据治理生态，再强大的AI工具也只是空中楼阁。”

在她看来，财务领域的数据治理面临两道现实难题。

第一道在“治数”环节。 企业的生产、运营、营销等数据分散在各个系统中，若要服务财务场景，必须经历清洗、标准化、整合、指标加工等一系列繁琐流程。这些工作都要依赖软件工具来完成。

第二道在“用数”环节。 自然语言如何转换成查询条件？系统如何从ERP中精确取数？取数时如何校验用户权限？所有这些过程，基本上都是由软件完成的，而非大模型。

“AI只解决最后一段路的问题，前面的环节都不是AI能解决的。” 付建华表示，“用户看到的是一个会对话的智能体，背后却是一支紧密协作的‘联合部队’。”

一个现象印证了她的判断。2025年第一季度，中国大陆公开招投标平台数据显示，招标选型最多的软件项目不再是财务软件或ERP，而是数据治理型项目。这在以前是不可能的。

这意味着什么？意味着企业已经意识到AI时代，数据治理的战略意义。那些率先把数据底座夯实的企业，如今已经开始受益；而数据底座尚不完善的企业，则不得不开始偿还这笔“数据债”。

智能体搅动的市场格局

智能体的兴起，不仅深刻改变着产业应用的面貌，还搅动了企业软件市场的一池春水。

财务管理在国外拥有50多年的历史，在国内也沉淀了近40年，早已是一个高度成熟、格局稳定的市场。然而，智能体的快速演进，就像一颗石子投向平静的湖面，让两股新的力量开始暗流涌动。

一股来自大模型厂商——它们通过开源生态聚拢开发者，让智能体优先调用自己的模型，从而掌握token入口这个战略咽喉。另一股则来自中小企业与极客社区——借助OpenClaw等工具，试图绕过大型软件厂商，实现“小而美”的创新。一时间，“SaaS已死”“传统软件将被淘汰”的论调甚嚣尘上。

面对这些声音，付建华给出了冷静的判断。

创业公司能否革掉软件或SaaS厂商的命？付建华表示，在财务领域，目前尚未出现具备颠覆能力的创业企业。对于这些企业来说，用友这样的厂商有他们无法逾越的护城河——行业积淀。

用友30多年以来累计服务了一百多万家企业。大部分同规模企业的财务管理场景高度相似，如费用处理、预算管理、记账、结账，共性需求占比达70%-80%。用友多年来通过持续不断的深耕，把这些共性的需求场景和行业know-how凝练成标准化产品，以此来服务大量同类型客户。这不是几个“手搓”Skill就能轻易替代的。

大模型厂商能否颠覆软件或SaaS厂商？付建华坚称，不可能。

付建华并不否认大模型厂商的价值——它们通过开源聚拢生态，吸引千行百业的企业在生态之上构建各种应用。用友本身也是这些大模型的生态伙伴之一，但大模型厂商不可能颠覆掉用友这样的软件厂商。

理由有两个。第一，企业管理需求具备高度标准化属性——费用处理、预算管理、记账、结账，所有企业都需要。这决定了必然存在专门的厂商来提供标准化的产品和服务，而不是每一家企业都自己开发。第二，软件厂商更懂企业管理的痛点和需求。用友YonClaw里将要封装的成千上万个Skill，本质上是把用友30多年来所累积的软件功能打散、拆解到最小颗粒度。这种产业厚度和业务深度，不是任何企业能在三五年内复制出来的。

“很多互联网大厂也在布局类似的Claw，他们开发了很多Skill，但主要面向C端，用于PPT制作、文档处理、短视频生成等。他们绝对不可能把用友积累了30多年的企业管理技能封装到他们的Claw里——他们过去没有这个领域的深度积累。”付建华表示，“深懂企业管理场景的，仍然是我们这些厂商。核心壁垒，就在我们这里。”

事实上，软件厂商和大模型厂商的合作空间要远大于竞争博弈：大模型厂商提供底层能力，软件厂商提供场景管理和运营工具，二者无法相互替代。各自守着各自的生态位，反而能形成互补。

无论是大模型企业还是老牌企业，抑或是初创企业，尽管大家的着力点有所不同，但核心目标都是一致的——探索怎么把AI能力"安全、精准"地嵌入到企业复杂环境中。这一点，行业并没有统一答案。

但隐约可见的是，有两条技术路径正在成型。

一条是“本体论”路线。本体论的理念是：把企业复杂的业务环境构建成一个超级知识图谱，将一些抽象的共性内容，比如场景规则和业务知识被提取出来，进而赋予大模型理解业务的能力。

但付建华的判断很务实：“这项技术距离落地还有一定距离。”用友自己也在探索，但不是一步登天，而是从几个细分的子领域入手，尝试用小范围的本体论做出AI原生产品。

另一条是技能封装路线，以YonClaw为代表。该路径无需描绘企业复杂环境的全貌，而是把成千上万个微观技能封装好、编排好，再调用通用大模型的能力去执行。

付建华表示，用友并没有押注某一条路线。两条都在探索。“因为AI的思想和技术迭代速度太快了，”她说，“就看在这场赛跑中，谁能率先突破。”

每一家企业都要加快AI化

技术之外，人才也是决定AI落地成败的关键。复合型背景的人才优势会逐渐显现。

“现在和许多企业的财务主管、财务团队交流时，他们比较期待团队里能有一些复合型人才：既懂财务，又懂企业的经营和管理，还要懂科技。这三个方面的知识比较综合的人，现在在企业里非常稀缺。”付建华表示。

AI在财务领域的落地不会一夜间完成。至少在可以预见的周期内，财务管理的核心权力仍然在人手上。企业的竞争，最终会体现在人才能力的竞争上——那些无法与AI协作、不会利用数据的人，将逐渐被边缘化。

Agent对财务管理的变革，本质上是一场"渐进式"的革命。它考验的不是颠覆性的创新，而要求持续性的投入——治理数据、封装技能、培养人才、重构流程。这些水面之下的竞争，将决定未来几年的市场格局。

“大模型不可能颠覆所有行业，但每个行业的厂商都必须跟上AI的速度，去改自己的产品和商业模式。”付建华再次强调了这个理念。

可以预见的是，喧嚣过后，最后留在牌桌上的，往往不是声音最大的，而是扎根最深的。最终被颠覆的，从来都是那些停止自我颠覆的人。

文：俊驰 / 数据猿责编：凝视深空/ 数据猿