21世紀(jì)經(jīng)濟(jì)報(bào)道記者 陳植 上海報(bào)道

(資料圖)

隨著GPT技術(shù)興起，大模型與企業(yè)財(cái)務(wù)管理場(chǎng)景的融合日益緊密。

過去一個(gè)月，用友、金蝶先后發(fā)布基于涵蓋企業(yè)財(cái)務(wù)管理的大模型產(chǎn)品。

用友網(wǎng)絡(luò)董事長(zhǎng)兼CEO王文京向本報(bào)記者介紹，與單一領(lǐng)域的企業(yè)服務(wù)大模型不同，用友企業(yè)服務(wù)大模型產(chǎn)品YonGPT覆蓋財(cái)務(wù)、人力資源、營(yíng)銷、研發(fā)、采購(gòu)、制造、供應(yīng)鏈、資產(chǎn)營(yíng)運(yùn)等多個(gè)場(chǎng)景，是具備多領(lǐng)域綜合智慧的企業(yè)服務(wù)大模型，滿足企業(yè)數(shù)智化轉(zhuǎn)型征途所需的業(yè)業(yè)融合（如產(chǎn)銷協(xié)同）、業(yè)財(cái)融合（如智能定價(jià)）、業(yè)管融合（如即時(shí)績(jī)效）等需求。

在王文京看來(lái)，隨著數(shù)智化轉(zhuǎn)型的推進(jìn)，企業(yè)不僅需要數(shù)據(jù)服務(wù)，還重視智能化業(yè)務(wù)運(yùn)營(yíng)，用友企業(yè)服務(wù)大模型在智能經(jīng)營(yíng)分析、智能生成銷售訂單、智能人才招聘、智能辦公、智能化知識(shí)服務(wù)等方面具有廣闊的發(fā)展空間。

記者多方了解到，目前大模型技術(shù)在企業(yè)財(cái)務(wù)管理場(chǎng)景的價(jià)值，主要體現(xiàn)在四大方面：

一是財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估，利用大模型對(duì)企業(yè)的財(cái)務(wù)數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，可以快速準(zhǔn)確地評(píng)估企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)；

二是優(yōu)化財(cái)務(wù)預(yù)測(cè)，基于大規(guī)模深度學(xué)習(xí)模型的財(cái)務(wù)預(yù)測(cè)，可以為企業(yè)提供更準(zhǔn)確的未來(lái)財(cái)務(wù)狀況預(yù)測(cè)，包括預(yù)測(cè)企業(yè)未來(lái)的收入、利潤(rùn)、現(xiàn)金流等關(guān)鍵財(cái)務(wù)指標(biāo)

三是財(cái)務(wù)決策指出，大模型可以通過對(duì)企業(yè)財(cái)務(wù)數(shù)據(jù)與市場(chǎng)信息的深度學(xué)習(xí)與分析，為企業(yè)優(yōu)化資金管理效率提供建議，幫助企業(yè)達(dá)成財(cái)務(wù)目標(biāo)與優(yōu)化財(cái)務(wù)績(jī)效

四是財(cái)務(wù)欺詐檢測(cè)，大模型可以通過對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行深度學(xué)習(xí)與模型識(shí)別，幫助企業(yè)及時(shí)識(shí)別財(cái)務(wù)欺詐行為，包括對(duì)財(cái)務(wù)報(bào)表、交易記錄進(jìn)行分析，大模型可以及時(shí)發(fā)現(xiàn)異常模式與規(guī)律，識(shí)別出潛在的財(cái)務(wù)欺詐風(fēng)險(xiǎn)，并提供預(yù)警與防范建議。

目前，不少企業(yè)對(duì)引入財(cái)務(wù)大模型與企業(yè)服務(wù)大模型頗感興趣。究其原因，一是在實(shí)際操作過程，企業(yè)財(cái)務(wù)人員對(duì)有些會(huì)計(jì)準(zhǔn)則與會(huì)計(jì)處理不夠熟悉，容易出現(xiàn)操作錯(cuò)誤，導(dǎo)致企業(yè)財(cái)務(wù)管理效率偏低，但大模型通過人機(jī)交互及時(shí)解答相關(guān)會(huì)計(jì)知識(shí)與以往企業(yè)會(huì)計(jì)操作案例，能有效降低操作出錯(cuò)幾率；二是大模型可以迅速匯聚企業(yè)各方面的經(jīng)營(yíng)數(shù)據(jù)，提升企業(yè)管理層的經(jīng)營(yíng)決策效率。

在中國(guó)科學(xué)院院士何積豐看來(lái)，面向企業(yè)的大模型建設(shè)難度，不亞于通用大模型。究其原因，一是企業(yè)服務(wù)大模型更考驗(yàn)研發(fā)機(jī)構(gòu)對(duì)企業(yè)業(yè)務(wù)場(chǎng)景的觸達(dá)與理解，以及對(duì)各個(gè)產(chǎn)業(yè)的數(shù)據(jù)積淀與運(yùn)用能力；二是企業(yè)服務(wù)大模型除了具備通用大模型的一些能力，還需要源源不斷地引入高質(zhì)量產(chǎn)業(yè)數(shù)據(jù)與行業(yè)知識(shí)圖譜，才能滿足不同企業(yè)差異化的數(shù)智化業(yè)務(wù)管理與財(cái)務(wù)管理需求，這令企業(yè)大模型對(duì)產(chǎn)業(yè)知識(shí)的理解力要求更高。

一位ERP軟件研發(fā)企業(yè)負(fù)責(zé)人向記者直言，這的確給財(cái)務(wù)大模型與企業(yè)服務(wù)大模型帶來(lái)更嚴(yán)峻的挑戰(zhàn)。首當(dāng)其沖的，就是大模型訓(xùn)練的行業(yè)數(shù)據(jù)與企業(yè)數(shù)據(jù)未必齊全，因?yàn)橛行┢髽I(yè)基于商業(yè)機(jī)密與相關(guān)規(guī)定的要求，未必能提供所有的企業(yè)業(yè)務(wù)數(shù)據(jù)與財(cái)務(wù)數(shù)據(jù)，導(dǎo)致大模型AI生成內(nèi)容與預(yù)期會(huì)存在一些落差。要解決這個(gè)問題，一是大模型需引入更豐富的產(chǎn)業(yè)行業(yè)知識(shí)圖譜，填補(bǔ)某些企業(yè)數(shù)據(jù)不足的短板；二是持續(xù)與企業(yè)加強(qiáng)信任感，吸引他們?cè)敢馓峁└鄶?shù)據(jù)，提升大模型的訓(xùn)練成效。

大模型試水財(cái)務(wù)管理的挑戰(zhàn)

一位企業(yè)財(cái)務(wù)總監(jiān)向記者透露，企業(yè)服務(wù)大模型與財(cái)務(wù)大模型剛面世，的確令他“眼睛一亮”，因?yàn)樗Ｍ竽Ｐ湍芙鉀Q企業(yè)財(cái)務(wù)管理環(huán)節(jié)實(shí)實(shí)在在的痛點(diǎn)。

具體而言，由于行業(yè)快速發(fā)展與市場(chǎng)競(jìng)爭(zhēng)瞬息變化，企業(yè)管理層迫切需要實(shí)時(shí)掌握企業(yè)經(jīng)營(yíng)狀況與財(cái)務(wù)數(shù)據(jù)變化，從而快速優(yōu)化經(jīng)營(yíng)決策。但是，傳統(tǒng)的財(cái)務(wù)經(jīng)營(yíng)分析方法仍高度依賴人工處理統(tǒng)計(jì)，不但效率低下，且容易產(chǎn)生偏差，令企業(yè)管理層相當(dāng)不滿。

但他直言，在企業(yè)服務(wù)大模型與財(cái)務(wù)大模型被證明“行之有效”前，他不敢貿(mào)然引入這款產(chǎn)品。

他眼里的“行之有效”，主要集中在四大方面：

一是在智能化業(yè)務(wù)運(yùn)營(yíng)方面，大模型能通過強(qiáng)大的數(shù)據(jù)分析和預(yù)測(cè)能力，深入洞察企業(yè)運(yùn)營(yíng)、識(shí)別潛在的業(yè)務(wù)風(fēng)險(xiǎn)和機(jī)會(huì)，并提供智能化的解決方案。

二是在人機(jī)交互方面，大模型能與企業(yè)財(cái)務(wù)人員開展自然流暢的“對(duì)話交流”，解決財(cái)務(wù)人員提出的諸多數(shù)據(jù)收集、會(huì)計(jì)準(zhǔn)則如何準(zhǔn)確應(yīng)用等問題，助力前者高效完成工作。

三是知識(shí)生成方面，大模型不但能提供結(jié)構(gòu)化數(shù)據(jù)的提取整合梳理分析，還能對(duì)非結(jié)構(gòu)化數(shù)據(jù)（包括企業(yè)規(guī)章制度的文字表述、以往會(huì)計(jì)處理案例的文字內(nèi)容等）進(jìn)行識(shí)別，從而生成新的高價(jià)值知識(shí)內(nèi)容，令企業(yè)能充分使用自身知識(shí)儲(chǔ)備與行業(yè)經(jīng)驗(yàn)，大幅提升工作效率與決策準(zhǔn)確性。

四是在內(nèi)容應(yīng)用生成方面，大模型能對(duì)企業(yè)需求、企業(yè)業(yè)務(wù)與數(shù)據(jù)特征有著深入理解，可以自動(dòng)生成一些具有語(yǔ)義化能力的應(yīng)用程序，提升企業(yè)個(gè)性化應(yīng)用服務(wù)的創(chuàng)建效率。

用友網(wǎng)絡(luò)執(zhí)行副總裁兼CTO樊冠軍表示，這都需要大模型研發(fā)機(jī)構(gòu)積累足夠多的不同行業(yè)財(cái)務(wù)管理服務(wù)經(jīng)驗(yàn)與知識(shí)圖譜。目前，該公司以35年服務(wù)數(shù)百萬(wàn)企業(yè)所積累的行業(yè)知識(shí)經(jīng)驗(yàn)為基礎(chǔ)，結(jié)合企業(yè)應(yīng)用場(chǎng)景和行業(yè)領(lǐng)域經(jīng)驗(yàn)，標(biāo)記大量企業(yè)服務(wù)語(yǔ)料數(shù)據(jù)，從而形成企業(yè)服務(wù)大模型訓(xùn)練素材，再將業(yè)務(wù)知識(shí)與行業(yè)領(lǐng)域經(jīng)驗(yàn)融入企業(yè)服務(wù)大模型，確保大模型的專業(yè)性與實(shí)用性。

他透露，通過上下文記憶、知識(shí)/庫(kù)表索引、Prompt工程、Agent執(zhí)行、通用工具集等擴(kuò)充大模型的存儲(chǔ)記憶、適配應(yīng)用和調(diào)度執(zhí)行能力，再結(jié)合財(cái)稅、人力、供應(yīng)鏈、研發(fā)等領(lǐng)域的知識(shí)和最佳實(shí)踐擴(kuò)充大模型專業(yè)能力，目前已基本構(gòu)建了體系化的企業(yè)服務(wù)大模型。

“通過初期實(shí)踐，我們發(fā)現(xiàn)大模型要滿足企業(yè)數(shù)智化轉(zhuǎn)型的不同智能化經(jīng)營(yíng)需求，仍需對(duì)大模型做好持續(xù)性精調(diào)、提升大模型評(píng)估優(yōu)化、大模型推理與插件服務(wù)等功能。”樊冠軍向記者指出。比如不少企業(yè)在招募員工時(shí)，會(huì)考察相關(guān)職位所需的學(xué)歷與專業(yè)技能，這就需要大模型通過插件服務(wù)引入外部知識(shí)圖譜，以便企業(yè)更全面地了解這位職位的學(xué)歷要求與專業(yè)技能文憑等。

記者獲悉，目前用友、金蝶等大模型產(chǎn)品已在企業(yè)諸多財(cái)務(wù)管理等場(chǎng)景得到應(yīng)用。比如YonGPT在企業(yè)經(jīng)營(yíng)洞察、智能訂單生成、供應(yīng)商風(fēng)控、動(dòng)態(tài)庫(kù)存優(yōu)化、智能人才發(fā)現(xiàn)、智能招聘、智能預(yù)算分析、智能商旅費(fèi)控、代碼生成等場(chǎng)景有所布局。

在上述企業(yè)財(cái)務(wù)總監(jiān)看來(lái)，這些大模型應(yīng)用能否普及，關(guān)鍵在于它能否解決企業(yè)數(shù)智化轉(zhuǎn)型的諸多業(yè)務(wù)挑戰(zhàn)。比如基于大模型的企業(yè)收入經(jīng)營(yíng)分析工具，能否幫助企業(yè)管理層實(shí)時(shí)掌控經(jīng)營(yíng)狀況、快速洞察經(jīng)營(yíng)問題所在并精準(zhǔn)預(yù)測(cè)企業(yè)效益變化；再如能否快速解決企業(yè)財(cái)務(wù)人員對(duì)會(huì)計(jì)準(zhǔn)則應(yīng)用與企業(yè)會(huì)計(jì)操作的諸多疑惑，令知識(shí)更好地賦能工作效率提升。

王文京表示，目前發(fā)布的用友企業(yè)服務(wù)大模型處于1.0階段，未來(lái)企業(yè)將持續(xù)迭代訓(xùn)練YonGPT，不斷豐富基于大模型的各類企業(yè)服務(wù)，助力企業(yè)數(shù)智化轉(zhuǎn)型與智能化運(yùn)營(yíng)“提速”。

企業(yè)核心數(shù)據(jù)獲取“挑戰(zhàn)”

在業(yè)內(nèi)人士看來(lái)，盡管大模型在企業(yè)財(cái)務(wù)管理與企業(yè)智能化經(jīng)營(yíng)服務(wù)領(lǐng)域的發(fā)展前景廣闊，但它能否發(fā)揮100%的效果，仍取決于數(shù)據(jù)全面性與數(shù)據(jù)質(zhì)量。

“大模型的一大核心基礎(chǔ)，就是數(shù)據(jù)。一旦企業(yè)或行業(yè)數(shù)據(jù)不夠全面，大模型AI生成的內(nèi)容就將受到諸多局限，效果也大打折扣?！鼻笆鯡RP軟件研發(fā)企業(yè)負(fù)責(zé)人向記者直言。但在實(shí)際操作環(huán)節(jié)，有些企業(yè)基于商業(yè)機(jī)密與相關(guān)規(guī)定要求，未必能提供全面的業(yè)務(wù)、財(cái)務(wù)核心數(shù)據(jù)用于大模型訓(xùn)練，導(dǎo)致大模型訓(xùn)練效果與企業(yè)預(yù)期存在一定的“落差”。

面對(duì)上述挑戰(zhàn)，一些財(cái)務(wù)大模型研發(fā)機(jī)構(gòu)只能另辟蹊徑。一是收集大量行業(yè)財(cái)務(wù)管理知識(shí)經(jīng)驗(yàn)與財(cái)務(wù)處理實(shí)踐案例進(jìn)行“填補(bǔ)”，作為大模型訓(xùn)練的重要語(yǔ)料素材，但此舉收效如何，仍存在一些變數(shù)。畢竟有些企業(yè)存在獨(dú)特的財(cái)務(wù)管理與會(huì)計(jì)處理要求，未必與大模型訓(xùn)練結(jié)果“相匹配”；二是“虛構(gòu)”一家企業(yè)進(jìn)行模擬運(yùn)營(yíng)，由后者每天產(chǎn)生大量財(cái)務(wù)數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)，作為大模型訓(xùn)練的語(yǔ)料基礎(chǔ)，此舉的好處是可以涵蓋不同行業(yè)企業(yè)的各類財(cái)務(wù)管理與會(huì)計(jì)處理規(guī)則，令大模型的適配性更強(qiáng)，但它需要的數(shù)據(jù)訓(xùn)練量與訓(xùn)練成本更高，令大模型研發(fā)者的財(cái)務(wù)負(fù)擔(dān)更大。

于是，一些中小型財(cái)務(wù)管理軟件公司干脆研發(fā)聚焦某些細(xì)分財(cái)務(wù)場(chǎng)景的大模型產(chǎn)品。比如市場(chǎng)已出現(xiàn)專注智能報(bào)稅的大模型產(chǎn)品，究其原因，以往眾多小微企業(yè)都是通過第三方代理機(jī)構(gòu)完成報(bào)稅，但在實(shí)際操作環(huán)節(jié)，由于不同企業(yè)的報(bào)稅流程與數(shù)據(jù)不一，第三方代理機(jī)構(gòu)財(cái)務(wù)人員的工作效率相對(duì)較低，每個(gè)人只能服務(wù)數(shù)十家小微企業(yè)。

若通過大模型智能報(bào)稅產(chǎn)品，這些第三方代理機(jī)構(gòu)財(cái)務(wù)人員就能迅速解決小微企業(yè)報(bào)稅流程的某些疑惑，加快小微企業(yè)財(cái)務(wù)數(shù)據(jù)收集整理效率，令他服務(wù)小微企業(yè)的數(shù)量成倍增加，既提升了企業(yè)業(yè)務(wù)規(guī)模，又降低小微企業(yè)的報(bào)稅外包成本。

上述用友人士告訴記者，通過廣泛調(diào)研，他們發(fā)現(xiàn)眾多企業(yè)對(duì)企業(yè)服務(wù)大模型與財(cái)務(wù)大模型的使用訴求，首先是業(yè)務(wù)經(jīng)營(yíng)，其次是財(cái)務(wù)管理，再次是人力招聘等。

“在業(yè)務(wù)經(jīng)營(yíng)端，不少企業(yè)特別看重大模型對(duì)企業(yè)業(yè)務(wù)經(jīng)營(yíng)的診斷能力，比如大模型通過行業(yè)數(shù)據(jù)采集分析，發(fā)現(xiàn)某行業(yè)人均產(chǎn)能為100萬(wàn)元，那些人均產(chǎn)能只有70萬(wàn)的同行業(yè)企業(yè)就對(duì)大模型給出的各類數(shù)據(jù)進(jìn)行比較，分析人均產(chǎn)能低于行業(yè)平均水準(zhǔn)，到底是企業(yè)生產(chǎn)管理流程出現(xiàn)短板，還是人員能力培訓(xùn)方面存在不足，以此制定相應(yīng)的解決方案?！彼嘎?，在財(cái)務(wù)管理端，不少在境內(nèi)外上市的企業(yè)需要根據(jù)不同的會(huì)計(jì)準(zhǔn)則，做好相應(yīng)的財(cái)務(wù)信息披露。但在實(shí)際操作環(huán)節(jié)，企業(yè)財(cái)務(wù)人員未必了解境內(nèi)外不同會(huì)計(jì)準(zhǔn)則的差別，容易在會(huì)計(jì)處理方面出現(xiàn)差錯(cuò)，大模型可以通過AI自動(dòng)生成知識(shí)圖譜，幫助他們了解不同會(huì)計(jì)準(zhǔn)則的處理方法，提升企業(yè)財(cái)務(wù)數(shù)據(jù)的準(zhǔn)確性。

在他看來(lái)，大模型產(chǎn)品要成功應(yīng)用在企業(yè)數(shù)智化經(jīng)營(yíng)與智能財(cái)務(wù)管理場(chǎng)景，仍有很大上升空間。一方面企業(yè)服務(wù)大模型需在智能化業(yè)務(wù)運(yùn)營(yíng)、自然化人機(jī)交互、智慧化知識(shí)生成、語(yǔ)義化應(yīng)用生成四個(gè)方面推進(jìn)模型訓(xùn)練與效果優(yōu)化，持續(xù)深入到企業(yè)業(yè)務(wù)前端的價(jià)值鏈與全場(chǎng)景，成為“更懂企業(yè)”的大模型，另一方面大模型還需不斷提升訓(xùn)練效率與優(yōu)化成本，集成更豐富的開發(fā)工具與算法優(yōu)化，通過大模型精調(diào)、大模型評(píng)估優(yōu)化、大模型推理和插件服務(wù)等，持續(xù)滿足企業(yè)數(shù)智化轉(zhuǎn)型過程的新需求。

關(guān)鍵詞：