个人用AI没带来组织效益，用友徐洋详解企业AI落地的原生一体化

AI来了。它究竟能给企业带来什么？这对于一家38岁的企业软件公司，这个问题更严峻——会被颠覆，还是借势重生？

2026年8月，南京。用友全球商业创新大会期间，用友网络高级副总裁兼企业BG总裁徐洋接受财视传媒访问。扎根企业管理和云服务26年的徐洋，讲了个亲身经历的事：一位企业老总跟他抱怨，公司全员用AI，token花了不少，员工个人效率确实高了——原本8小时的活儿3小时干完，但公司整体效益一点没变。省出来的时间，并没有变成企业新的产出。

这是当下AI落地最真实的尴尬：人人都在用，企业级价值迟迟没兑现。徐洋的判断很干脆——个人用AI和企业用AI，中间隔着一道分水岭。个人可以容忍幻觉，模型编造点东西，人自己能判断、能兜底；但企业不行，财务差一分钱，整本账就废了。“个人使用AI，90%的准确率都可以被容忍，而企业经营场景必须100%。”徐洋说。

那用友怎么做？徐洋给出的答案是HarnessEngineering驾驭工程——给AI装上方向盘、刹车、护栏和导航，约束模型幻觉，让AI严格按业务规则执行。这不是技术炫技，是把AI从“玩具”变成“生产工具”的必经之路。

在他看来，AI对中小企业而言，本质是一次“知识平权”。早年服务器贵，管理软件只有大企业用得起；云化解决了IT基础设施的平权；而AI，是把沉淀在人脑中的专业管理知识平权化——小企业也能拥有大企业级别的业务洞察能力。但前提是，AI必须嵌入真实业务流程，从个人辅助工具进化成独立承担工作的数字员工

企业如何使用AI？用友给出的答案很务实：不做概念追逐者，做AI的“驾驭者”。

财视传媒：在用友的这些年，您完整经历了企业服务的信息化、云化，再到今天的AI化。当年成长型企业拥抱云，和今天它们拥抱AI，有什么相似之处？这一次又有什么本质不同？

徐洋：企业服务发展走过单机、网络、云、AI好几个阶段，中小企业的特点一直都很相近：信息化预算有限，专业IT人才稀缺，企业扩张速度快，管理规范也是一步步建立起来的，前期先抓业务，规模做大之后才会重视内部管理，软件技术也一直在持续迭代。

贯穿所有阶段的核心就是“技术平权”。早年服务器价格高昂，只有大企业用得起管理软件，中小企业很难接触；PC普及后中小企业才有机会用上软件；等到云化出现，软件使用成本进一步降低，按年付费，不用一次性买断硬件。

技术发展的核心就是实现技术平权、扩大技术普及，让中小企业低成本用上先进管理软件降本增效，AI到来，本质又是新一轮技术平权。

云化实现的是IT基础设施层面的平权，上云之后不用自建服务器，也不用配备专职IT团队。我们有客户用YonSuite，公司从初创做到营收10亿，全程没有一名IT人员，这就是云化带来的改变。而AI时代，是把沉淀在人脑中的企业管理、业务专业知识实现平权，AI可以学习、沉淀这些行业经验。

二者完全不在一个层级：云化只解决IT部署成本，AI化是对企业全方位业务重构，覆盖业务流程、商业模式、组织形式，这不只是技术变革更是知识、产业层面的革命，影响范围和冲击都更大。但无论云还是AI，最终受益的都是中小企业，技术平权让中小企业也能用上前沿技术。

财视传媒：市场现在对AI讨论热度特别高，C端大家都在用，也倒逼B端企业加速尝试。舆论热度和企业真实落地之间落差很大，您有没有相关感悟和案例？比如有没有这样的现象，就是想象里AI效果很强，但实际落地完全不一样？

徐洋：这个问题确实是现在所有企业都很关心的。前一晚我和一位企业老总吃饭交流，他说公司全员都在使用AI，消耗了大量token，投入不少成本，可企业整体效益没有任何提升。单看员工个人效率确实变高，原本8小时的工作3小时就能做完，但省出来的时间并没有转化为新的业务产出。

现阶段企业AI基本停留在个人工具层面，只服务单人提效，这也是走向企业级落地的必经阶段。企业需要一个认知过程，所有人都得先弄懂AI能做什么、能力边界在哪、存在哪些短板，不然根本谈不上规模化企业应用。

目前企业使用AI分三个层级：第一层单纯问答，大部分人直接向大模型提问；第二层RAG知识检索，上传企业文档、对接内部知识库，让模型调取内部资料作答；真正能给企业创造核心价值的是第三层数字员工，AI搭载专业业务知识嵌入完整业务流程、替代人工处理工作，直接带动整体业务和组织效率提升。

个人AI和企业数字员工有一道清晰分界线：个人使用AI，模型只提供分析建议，最终决策、承担责任的都是人，哪怕AI有幻觉、数据有偏差，人工都能修正兜底；但数字员工要独立承接业务、承担对应责任，准确度必须做到百分之百，哪怕99%，都无法满足企业经营要求。

现在主流大语言模型依托Transformer架构，属于概率模型，天生存在缺陷：上下文窗口有限、存在注意力机制带来的不确定性，幻觉问题没办法彻底解决，日常使用经常能看到AI一本正经编造事实。

全球调研数据能直观体现落差：88%企业已经在用AI，但真正落地产生实质效益的不足5%。想要缩小这份差距，核心就是“驾驭AI”，也就是HarnessEngineering驾驭工程。用友现在所有AI相关研发都围绕驾驭工程展开，相当于给AI装上方向盘、刹车、护栏、导航地图，全方位约束模型幻觉，保证AI严格按照业务规则执行任务，这也是企业级AI落地最大的难点。

财视传媒：如果企业缺少驾驭AI、搭建驾驭工程的配套能力，会造成哪些负面影响？

徐洋：如果没有做好驾驭工程的整套设计，AI落地会出现很多难以规避的风险。AI生成内容速度很快，但整套推理过程是完全的黑箱，我们看不到模型完整的推导逻辑；如果智能体编排流程比较复杂，运行中还会出现卡死、无限循环的情况，全程很难管控。

第一，企业没办法分辨AI输出的数据、结论，是真实业务数据，还是模型凭空编造的内容；第二，全流程不透明，一旦出错无法审计、无法追溯故障节点，找不到问题到底出在哪一步；第三，企业经营对数据精准度要求极高，尤其是财务场景，一分钱账目对不上整体核算就全部失效，99%的准确率完全达不到经营标准，失真数据会直接引发决策失误；第四，人工反复核对AI输出内容的成本，甚至高于纯人工处理业务，不少企业尝试一段时间后，干脆放弃AI，回归纯人工操作，这也是当前行业普遍存在的落地风险。

财视传媒：成长型企业第一次落地AI，该怎么挑选高价值、见效快、效果能量化验证的场景？为什么这类场景必须依托YonSuite这类一体化平台？

徐洋：当下企业落地AI可以分为四层场景，由浅入深，落地难度逐步提升：第一层企业知识库RAG问答，主要服务销售、客服内部资料查询，这项技术成熟、落地门槛低，只需要做文本向量化就能实现，不用依托YonSuite一体化底座；第二层自然语言问数，员工用口语就能调取经营数据。传统BI只有固定看板、固定指标，想要新增查询维度必须让IT后台调整，AI问数可以随时调取自定义指标。但如果财务、库存、CRM数据分散在多套割裂系统，大模型无法识别不同系统的数据关联逻辑，极易编造错误数据。YonSuite打通财务、人力、营销、供应链、制造、项目、协同等十大领域，全模块一体化，底层数据统一、口径一致，不用额外做数据清洗，能保障问数结果精准可靠；第三层单据自动化处理，自动完成出入库填单、财务自动结账等标准化重复工作； 第四层企业核心业务痛点深度应用，现在原材料价格波动剧烈，AI可以自动核算订单成本、测算毛利、智能报价，提前规避亏损订单。这类场景需要多维度数据联动、复杂运算，分散独立系统根本支撑不住，必须依托统一数字底座。

随着驾驭工程能力持续完善，今年AI已经可以深度介入企业核心业务场景，创造可观业务价值。

财视传媒：企业落地AI最终要看到实实在在、可量化的经营回报，有哪些可以量化价值的方向？有没有代表性案例，能代表未来落地趋势？

徐洋：只停留在个人辅助层面的AI，只能提升单人工作速度，没办法在企业整体业务、财报上体现收益；只有数字员工完整嵌入企业业务生产流程，才能产出可量化、直观可见的经营回报。

山东万图是我们很典型的落地客户，企业上线多套销售数字员工：AI自动输出精准报价、一键生成业务合同。落地之前整套流程链条很长，销售人员要反复对接后台助理核算成本、草拟合同，上线AI后，全程耗时从数小时到几分钟就能完成。

可以量化的收益非常清晰：第一，报价核算精准，从源头规避亏损订单；第二，报价响应速度远超同行，客户同步对接多家供应商询价时，企业成单率明显提升；第三，削减销售助理这类重复性岗位，直接降低人力成本，整体业务流程大幅压缩提速。

财视传媒：现在数字员工已经承接了哪些真实岗位工作？未来企业岗位设置、人机分工，会发生什么样的改变？

徐洋：目前已经有大量成熟数字员工落地到真实业务里。以用友自身的财务板块为例，大部分费用报销审核都交给数字员工处理，财务人员很少再手动核对单据；智能月结、自动对账也全面落地，不用人工截单、逐笔对账；人力板块，首轮基础面试由AI完成，提问覆盖维度更全面，筛选标准稳定，很多企业老板都对这个场景非常感兴趣；销售板块，智能报价、自动生成合同，直接替代传统销售助理的重复性工作。

未来企业整套业务流程都会重构，过去完全围绕人工设计的岗位分工模式会被淘汰，人机协同会成为常态。标准化、规则化、重复性、只需要基础行业知识的工作，全部交给智能体、数字员工，AI擅长完成从1到10的规模化复制；人类会聚焦三类AI无法替代的工作：经营决策、深度客户关系维护、各类业务异常情况处理，还有0到1的全新业务创新。

财视传媒：YonSuite现在推出了FDE（前沿部署工程师）共创服务，FDE和传统软件实施顾问，二者本质区别在哪？FDE要怎么把业务专家藏在脑子里的隐性经验，沉淀成可复用规则、AI技能和数字员工能力？

徐洋：FDE和传统软件实施顾问差别非常大。传统软件底层依靠硬编码，程序逻辑全部写死，软件本身是给人操作使用的，传统实施顾问做这些事情：适配企业原有流程和软件内置标准流程，按需配置参数、少量个性化开发；培训企业员工操作系统；项目上线交付，工作就全部结束，固定代码运行结果不会产生变动。

FDE诞生于AI落地企业生产环境的需求，核心目标是搭建人机协同体系。每家企业的管理模式、专有业务知识都不一样，所以必须和客户深度共创。FDE工程师需要双重能力，既要精通全链路行业业务，还要掌握驾驭工程、Agent智能体开发这类AI工程能力。他需要针对企业场景设计数字员工、搭建专属知识库、编写AI执行技能、编排智能体协作流程、配置权限管控，全方位约束大模型幻觉，保证数字员工每一次运行输出准确结果。

传统实施上线就是终点，但数字员工上线只是起步，FDE需要长期驻场陪跑、持续运营：不断沉淀业务专家没办法书面化的隐性经验，持续适配新增的业务异常、迭代优化数字员工，把零散的行业经验转化为标准化、可复用的规则、AI技能与数字员工能力。

财视传媒：最后简单区分一下，使用AI工具、拥有AI应用、成为AI企业，三者有什么不同？

徐洋：使用AI工具，只是个人级使用，单纯作为员工私人办公辅助，不介入企业正式业务流程；拥有AI应用，是AI数字员工嵌入企业生产业务流程，形成稳定常态化的人机协同作业；成为AI企业，代表企业规模化部署大量数字员工，搭建完整体系完成智能体、企业知识、AI安全全维度治理，持续释放知识复利，是一整套系统性的AI经营架构。

一家38岁的企业软件公司，凭什么在AI浪潮里不被动、反而主动？

徐洋在采访时说了一句话：“技术平权的每一次浪潮，受益最大的都是中小企业。”早年服务器贵，只有大企业用得起管理软件；云化让中小企业免去了自建IT基础设施的成本；而AI，是把沉淀在人脑中的行业知识、管理经验平权化。小企业也能拥有大企业级别的业务洞察力。

但前提是——你得驾驭AI，而不是被AI驾驭。用友38年积累的，不是代码行数，是数百万家企业的业务场景、十大领域的行业know-how、数万个业务流程的标准化经验。这些东西，在AI时代变成了最稀缺的资产。王文京在大会演讲中说，用友要从企业软件走向企业AI。徐洋的采访提供了一个更具体的注解——用友不是在做一个AI产品，是在搭建一套让AI被驾驭、被约束、被嵌入业务流程的工程化体系

当同行还在追逐模型参数、比拼token消耗量的时候，用友已经退回到一个更本源的问题：企业到底需要什么样的AI？徐洋的答案是——不需要炫技，不需要99%，只需要100%准确、能被驾驭、能写进财报的AI。这个答案，源于38年的行业积累，也决定了这家老牌企业在这个AI时代的位置。