AI 智能体
在企业落地实践的
思考与探索
当 AI 能代替人做更多事时，人的价值是什么？
金蝶是一家
什么公司？
始创于 1993 年，香港主板上市（0268.HK），
总部位于中国深圳，全球知名的企业管理 AI 公司。
金蝶的四次转型
企业 AI
正在改变什么？
AI 正在改变什么，正在往什么方向改变？
为什么顶尖 AI 公司优先选择金融行业？
AI 能做的，
和 AI 正在做的
蓝色：各行业职场 AI 理论可覆盖率
红色：各行业职场 AI 实际目前覆盖
企业到底
需要怎样的 AI？
企业真正购买的是 AI 的能力，
还是 AI 带来的业务结果？
企业购买 AI，不是为了拥有更聪明的工具，而是为了用更低的成本、更好的质量或更快的速度，完成原本难以完成的业务任务。
「模型是炊具，应用是厨师。
食客只在乎菜好不好吃。」
为什么很多 AI 项目
无法真正落地？
答案，往往不在技术里。
AI +
高质量数据集
让 AI 成为企业生产力
不是数据够多就行。真正稀缺的是「机器读得懂、业务用得上的」结构化数据。
业、财、税、票：企业经营的四条数据线
越靠近真实交易的数据，越能回答「还得起、愿意还」这两个问题。发票与纳税，正处在相关性最强的那一端。
让机器读懂
一个商品
商户录商品时写的是一句话：「统一来一桶老坛酸菜牛肉味面(香辣味)(120g)」。AI 把它拆成条码、品名、分类、品牌、售价、规格、单位七个字段。
录入变快，决策变准
左 · 智能录入：商品自己带信息进来，录入门槛降到「拍一下」。
右 · 市场洞察：同一套商品库，反过来说明「该进什么货、定什么价」。
一张发票，
会说话
每一张发票都指向一次真实的销售行为。四类分析由此展开：
基础层 · 已授权企业的全量税票数据 —— 谁和谁在交易，本身就是一张网。
标签层 · 4,500 万条交易关系对 —— 把一张网拉远，才看得见上下游和潜在客户。
那些 AI
不知道的事
数据、异常、报告，都只是半成品。
税票反欺诈：
不看单点，看关系
四个风险维度交叉验证，再让算法在发票、工商、司法、供应链之间，找出彼此不自洽的地方。
没有真实经营痕迹，所有数据都是虚假贸易背景。
有较长的真实经营历史，甚至经营良好；近半年出现经营危机、真实数据变差，必须包装美化才能获批。
同一家公司，
一年换了一个行业
2023 年它卖水果、有色金属和糖；2024 年，主营变成了坚果、谷物和方便食品。
- 品类整体置换没有过渡期，也没有库存与产线变化
- 收入断崖月均销售额从 600 万掉到 200 万
- 开票归零2024 年 9 月起不再开票
上：2023 / 2024 主营品类与金额（元） 下：月度开票笔数
当天收票，
当天开票
采购曲线与销售曲线几乎完全重合 —— 货没有进过仓库，只在票面上走了一趟。
- 0 库存采购与销售同日发生，仓储存量为零
- 购销同品同类进什么就卖什么，不加价、不加工
- 与经营范围不符贸易公司做的是过账，不是买卖
别以为 AI
只能做初级工作
一位总裁把 200 多名员工的评价与绩效交给本地部署的模型，AI 提示：有几位需要关注成长性，另几位需要关注稳定性。
他没太在意。几天后，其中一位被提示「需要关注稳定性」的员工，提出了离职。
同一件事，不同角色的感受完全不同。
AI + 工作流
让一个人成为一个团队
数据被看见只是第一步。当一件事的完整流程被装进系统，一个人就能承担原本需要一个团队的工作。
欢迎交流，
但我更新很慢
扫码关注公众号 · 课程资料与后续文章都在这里
