![]()
作者:MD
出品:明亮公司
11月12日,在上海国家会计学院举行的「AI掘金·将AI能力转化为企业利润」大会上,合思创始人兼CEO马春荃以《企业AI转型的变革笔记》为题,分享了合思将AI引入财务费控、财务审核的过程。
作为一家财务费控平台,过去一年,合思调整了产品的付费模式,从按账户/席位付费,转型为按结果付费。结合这一转型,马春荃在演讲中分享了企业如何选择适合AI的业务,以及在Agent接手部分工作后,怎样重新安排岗位、预算和质量管理。在分享后,「明亮公司」与马春荃围绕AI时代的企业转型等话题进行了一番交流。
值得一提的是,马春荃在新书《CEO AI挖矿指南:将AI能力转化为企业利润》中,将“掘金”过程概系统性地概括为“找矿、采矿、炼矿、分矿”:“找矿”是选业务,“采矿”是把业务做成客户愿意付费的服务,“炼矿”是调整分工和流程,“分矿”是重新衡量贡献、分配收益。
对合思来说,这些问题都能从一张报销单讲起。
「找矿」的三个条件:数据、规则、业务量
![]()
关于AI转型,马春荃首先分享了“找矿”、即选择业务方向的逻辑。
合思优先从已有需求切入,选场景时看三个条件:数据是否完备、规则是否清晰、业务量是否足够大。用马春荃的话说,就是看一项工作有多大程度可以由AI接手,接手以后又能覆盖多少业务量。
结合以上三个条件,合思目前把Agent核心场景,定义为财务填单、差旅行程规划和财务内控审核等三个方面。填单和差旅行程规划主要减少员工操作,审核则涉及企业如何执行财务制度。马春荃认为,原有的数字化系统负责记录信息,再把单据送给人处理。“AI可以成为操作者。”员工提交单据时,Agent就可以核对票据和制度,把需要进一步判断的异常交给财务人员。
![]()
合思也考虑过先把“做预算”作为AI落地方向。马春荃认为,预算受到管理层重视,但一些企业一年集中编制一次、频次较低,参与的人也少,投入较难按工作量衡量。相比之下,费用审核有票据、审批记录和制度可供校验,单据还会持续产生。“审核(方向)不同,一年成千上万单,有两个人审、五个人审、100个人审,市场和成本可以直观地算出来。
但在销售阶段,传统“按软件包的模式”遇到了挑战。马春荃在演讲中说,合思与30家客户开展试点时,审核平均自动化率达到98%,平均准确率达到95%。产品进入销售阶段后,按软件包卖了五个月,只成了交3单。
团队在10月中旬改按审核单量收费,并以90%的准确率作为收费门槛。按他的说法,到当年12月底,调整报价后成交了72单。
在“量”的标准度量上,合思考虑过按明细行、发票张数和整张单据计价,最后选了“一单”,这犹如当年在蒸汽机提出的“马力”单位,虽不是绝对精确的指标,但能让用户直观判断工作量。
“财务会说一年审80万单,不会直接说审了多少张发票、多少行,后者要去找数据。”马春荃算了一笔账。一家企业每年审10万单,按每单10元计算,服务费是100万元。如果能腾出10个人的工作量,按每人每年15万元的用工全成本计算,对应的人工投入是150万元。已有审核外包的企业,可以直接用原有的工作量、报价和验收标准做比较,成本的对比之下,AI效率的优势变得十分明显。
不过,按结果付费也让合思承担了更多交付风险。马春荃说,内部担心两件事:“第一,担心卖不出去;第二,卖出去了,能不能保质保量、对结果兜底?”
如何「炼矿」:对外理解客户规则,对内团队探索创新
![]()
要对审核结果负责,合思首先得弄清客户实际怎么审单,实际上需要大量对企业内部流程和合规规则的理解。
在交流中,马春荃表示:“原来以为客户有什么制度,AI照着跑就行。后来发现,书面的制度多是纲要、原则,真正在判断风险的是财务、内控、内审老师傅脑子里的经验。”比如,一家经营了30年的客户先后发过几套补助标准,有人知道新文件,有人沿用旧口径。要让Agent接手,企业得先确定适用的规则,以及遇到冲突时由谁裁定。
马春荃在演讲中举了另一个例子。环节上游给了15个字段,一线员工知道怎样处理,也知道哪些字段很少用,但通常无权决定能否精简到8个。管理层有权调整流程,却未必知道每种例外是怎么处理的。因此,要把整道工序交给Agent,一线员工需要说清实际做法,管理层也要决定哪些环节可以调整。
合思把产品经理和工程师派到客户现场,向实际审单的人了解判断依据,再由客户负责人审核规则。规则写进Agent后,可以先跑1000单,请业务人员复核。人工驳回、AI放行的单据,要回看人工依据哪条规则。AI发现人工漏掉的问题,也要核对证据。马春荃把这一步概括为:“先用人的方式沉淀知识,再用技术反复验证,找出说的规则和实际执行之间的差距。”
在组织层面,合思内部也为AI业务调整了分工。
2025年8月,合思成立独立于组织体系之外的Harness Lab,成员不背KPI,从零开始以AI原生方式重构产品。2026年,Lab转型为“AI引擎的创新研发和探索业务单元”,核心使命是为大规模无人值守的AI生产线建立控制系统。
“事情搁一起,大家的重心和惯性还在原来的地方。”马春荃回忆,探索团队曾在杭州单独办公,“几个人住在那,像内部创业”。
客户则需要重新安排人工复核。如果AI审完以后,财务人员还要逐单做一遍原来的工作,单据就多走了一道。马春荃提出,要明确人和AI各自的权限,持续校验结果,保留审计记录,并在模型故障时切换备用方案或由人工接管。常规单据可以在授权范围内自动处理,高风险事项仍由人工参与判断。他说:“油门决定跑多快,刹车决定跑多远。”
岗位也随之调整。按马春荃在采访中的说法,一家拥有2000多家门店的客户,在一个内控审核场景释放了35个岗位的工作量,原来负责这项工作的35名员工随后转入业务线,补充门店需要的财务BP。杭州另一家客户减少审核人手后,增设了数据分析师和财务产品经理。财务产品经理负责判断业务部门需要什么分析、分析要做到多深。共享财务中心过去“领导要什么给什么,还忙不过来”,现在开始主动为业务提供分析。
马春荃认为,企业是否开始围绕Agent组织生产,可以看预算怎么拨。“有一个标志:Token预算不再发给员工,改为分配给Agent。”给员工每人每月200元额度,财务可以查到每个人花了多少钱,却很难把支出对应到具体产出。预算拨给审核Agent后,企业可以同时核算它审了多少单、复核用了多少人工、每单成本是多少。“财务要把成本中心和对应的收益接起来,才能分析。”
AI组织转型:从「手工作坊」走向「现代工厂」
马春荃把不少企业目前使用AI的方式称为“手工作坊”。
原因是,很多企业内部的AI使用逻辑是由员工各自试用,但同类任务如果由不同的人各做一个Agent,规则、权限和质量标准也会随人而异,两个Agent可以互相调用之后,企业还要确定它们各自承担哪道工序、后一道工序怎样使用前一道的结果,以及出现偏差时由谁处理。
我们要把复杂工作拆解成简单工作,再把简单工作汇集成规模,才能由AI日复一日自动运行。”马春荃在演讲中说。
以财务审核为例规则明确的单据可以交给同一个Agent处理,需要查证的例外转给有权限的人。单据进入付款或归档环节时,后续处理人员也要知道哪些材料已核验、哪些风险仍待处理。
Agent运行负责人是运转的关键节点。这一岗位要维护规则、检查质量、处理异常,也要判断能否用更低的成本维持原有准确率。在这种结构下,管理层则负责划分工序和授权,职责会更多落在流程设计、质量监督和例外决策上。
岗位的变化也涉及书中所说的“分矿”,即员工的激励机制。
马春荃在演讲中举例,一名员工一个月里可能没做多少可以按件记录的工作,却做出一个上线后获得增长的产品。“工作动作与绩效激励不再直接对应。”放到财务审核中,梳理规则、降低误判率、识别高风险单据和处理例外,各自都会影响结果,企业需要重新衡量这些工作的贡献。
谈到合思在AI组织转型上的实践,马春荃坦言:“我们还在路上。”合思已经能按单报价和交付财务审核,接下来还要把审核与付款、归档等环节接起来。
「大部分企业尚未意识到组织要以Agent为中心」
以下为会后与马春荃交流的部分内容精编:
Q:AI替代一部分人工后,潜在客户和市场规模怎么定义?跟以前相比有变化吗?
马春荃:AI面向的是人力成本预算。以前面对的是IT预算。
举美国的例子,GDP的50%是人力成本,IT预算大概是GDP或企业营收的1%。中国到不了这个IT支出比例。50%和不到1%一比,是50多倍。细分领域里,对应的人力预算和IT预算应该也是50倍左右。
Q:客户也在做AI组织转型,合思和客户两边来看,从“AI作坊”走向工业化,在组织上有哪些共性?
马春荃:共性是大部分还没意识到要转成以Agent为中心。我自己没碰到多少人聊这个。工业时代是Machine to Machine,这条流水线下来的产品送到下一条线加工,人围绕机器运转。现在讲A2A,是我的Agent和我的另一个Agent、或别人的Agent对话。还是“我的”Agent,不是“公司的”Agent,充值也归个人。我认为现在还在手工作坊阶段,要跃迁到现代工厂。
Q:是小团队先自下而上地做Skills或Agent,再扩散,还是CEO自上而下推动?
马春荃:两者结合。一线知其然,但不一定知其所以然,或者没有权限重新拆分和定义工作,只能在自己的范围内做,还是个人Agent。领导要把它综合、抽象出来,放到能运转的设备上。这个Agent跟下道工序的Agent做A2A。有人负责运行、维修、监管、监控;其他人只提需求,拿到结果,满意就走,不满意就投诉,再由驾驭Agent的人优化。
Q:AI会不会替代人?合思内部或客户那里,哪些岗位变化最大,会新增或消失哪些岗位?
马春荃:新增的是Agent的驾驭者,也就是Agent Owner。原来人用手摇,现在蒸汽机摇,但得有人“看着”。多少场景抽象成Agent,就需要多少驾驭者,是专业岗位。像100年前,司机很金贵,马车夫也得学开车。
Q:这个角色像班组或车间主任吗?
马春荃:首先是机床操作工,AI是机床;还有班组负责人,要围绕Agent搭建人员和组织,让它运转。工厂里销售不用操作机器,下单就可以。
用的人肯定会少。原来一千个个人织布,现在一百台机器、一百个人就够了,剩下九百人人去哪儿?要等新的应用打开市场。(电成为基础设施后)烤箱、电风扇、微波炉,每个发明都开了一个新市场,带来就业和经济繁荣。蒸汽机时代最大的创新是铁路出行。光修铁路、养护、司炉、乘务,就出现了新的工作。不是说大家一定要变成高精尖;创新打开以后,会源源不断出现新岗位。
现在还是灯泡刚发明、甚至还没发明的“导线时刻”。我们都在想AI能替什么。蒲扇和电风扇不是同一种需求,不用手摇了,价格也不同。商业价值后面还有制造电风扇的工作。原来那900人不必变成天才,新的领域仍然需要普通人。
Q:硅谷有一种说法,可口可乐是电之后最大的应用,因为电入户后冰箱出现了,才有了可口可乐的广泛消费。
马春荃:商业会有无限可能。工业革命之前,人口、土地和收益长期比较均衡;工业革命把增长拉起来。
Q:如果未来有更多班组和OPC,团队会不会变得更小、更扁平?
马春荃:肯定会。
Q:合思内部有哪些实践可以分享?
马春荃:坦率讲,我们还在路上,没有经验可以分享。OPC会很快到来。中层是管理意志的传令兵,传令这件事可能很快被AI取代。重构工业流水线仍需要领导,仍会有班组长,但从管人变成管AI,可能最后一个人就能管好一个Agent。Agent是一种思考模式,两个人一起调教,好比两个人一起管孩子的思想,会发生分歧。一个人可能反而是更好的管理方式。
不用AI流水线、只把AI当辅助工具的人,也可能一人或两三人就形成闭环,创造10倍、百倍收益,成为超级个体。在经济结构里,就是个体户、小微组织。会计师事务所、律师事务所,包括媒体,已经有类似运作方式。
Q:这种小团队在组织内部会不会更难管?上面还有平台,激励、成本和收益怎么安排?
马春荃:看平台价值,平台可以抽成。你选择在哪个平台,看的就是能得到多少支持、品牌溢价。比如去四大会计师事务所工作,报价一天8000元;去小所,800 元客户都可能觉得贵,这是品牌溢价。知名品牌也有知识库和能力保障体系。智力密集型行业一直有这样的模式。
Q:企业会不会更像一个Agent平台,小组织和平台之间更像合作关系?
马春荃:可能是这样,但要分场景。工厂流水线相对稳定,按工厂方式运作;营销服务单元可以按另一种方式。
Q:企业级Agent正在加速。结合合思的经验,未来两三年会怎么发展?
马春荃:会很焦灼。创新有随机性,我讲的是一种思路,别人可能有不同想法。比如电报式创新跟电灯式创新不同,都值得试。
从企业使用者的角度,可能会收敛到工业化、集约化这条路。把工作抽象、剥离,做成标准化、自动化、能自己运行的流程,质量、效率、经济性才最优。(AI能力)分散在每个人手上,各自做个Agent来审核、生成文档,企业的输出就会参差不齐,就像300年前的织布工场一样。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.