AI 为核,智启新底座:解码大型企业数智化新路径

B站影视 电影资讯 2025-08-29 13:19 1

摘要:对于企业 CIO 及财务、采购等业务负责人而言,AI 不是 “选择题” 而是 “生存题”——如何突破 “异构系统多、数据孤岛多、AI 落地难” 的困局,成为决定企业竞争力的关键。2025 用友 BIP 技术峰会上,用友网络副总裁兼数智平台事业部总经理罗小江提出

对于企业 CIO 及财务、采购等业务负责人而言,AI 不是 “选择题” 而是 “生存题”——如何突破 “异构系统多、数据孤岛多、AI 落地难” 的困局,成为决定企业竞争力的关键。2025 用友 BIP 技术峰会上,用友网络副总裁兼数智平台事业部总经理罗小江提出的“原生一体化数智架构”,为企业 AI 从 “试点” 走向 “规模化落地” 提供了可落地的实战路径。

作为企业数智化负责人,您是否常面临“买了大模型却用不起来” 的尴尬?作为财务、采购负责人,是否因 “数据不通、流程断裂” 导致 AI 无法支撑业务决策?这些问题的根源,在于企业尚未突破三大核心障碍:

异构系统 “拖后腿”AI 沦为 “碎片化工具”

众多集团型企业面临“系统各自为战” 的困境。采购系统的供应商数据、财务系统的付款数据、生产系统的成本数据无法互通,导致 AI 只能在单一环节发挥作用 —— 比如采购用 AI 筛选供应商,却无法联动财务判断付款风险,最终沦为 “局部工具” 而非 “全局能力”。

传统 IT 架构 “不匹配”,AI 需求难满足

传统架构以“流程搭建” 为核心,而 AI 需要 “全链路数据、实时服务、智能协同” 的支撑,例如:

财务部门想通过 AI 实现 “自动对账 + 风险预警”,却因数据分散在 ERP、OA、银行系统中,无法实时获取完整数据;

采购部门想通过 AI 优化库存,却因流程断裂,无法联动生产计划调整采购量。这种 “架构鸿沟”,让 AI 落地陷入 “看得见、用不上” 的困境。

数据 “不合格”,AI 成 “无米之炊”

财务、采购等业务场景对数据的“完整性、准确性、业务关联性” 要求极高,比如:

财务 AI 做 “两金压降” 分析,需要历史回款数据、客户信用数据、合同数据的联动;

采购 AI 做 “供应商风险评估”,需要供应商履约数据、舆情数据、合作历史数据的整合。

但多数企业面临“数据源未整合、模型体系断裂、数据效率低” 的问题,导致 AI 模型 “喂不饱、跑不准”。


AI 重塑商业:从 “锦上添花” 到 “核心引擎”

Gartner 数据显示,截至 2025 年 5 月,生成式 AI 在中国企业的生产落地比例已达 43%,智能化已成为企业生存与发展的必选项。

但企业数智化转型仍面临多重挑战:

-世界 500 强企业平均拥有几百个系统,存在大量应用竖井与数据孤岛的问题;

-大型企业数据整合耗时占高管决策时间的 40%;

-组织对资源整合的预估普遍低估 180-240%,实际消耗是计划的 3.4 倍。更关键的是,70%-90% 的企业数据为非结构化数据,数据治理与 AI 应用的割裂成为 AI 落地的核心瓶颈。


数智底座:原生一体化的 “三维融合” 架构

AI时代的企业数智化系统特征是AI X 数据 X 流程的原生一体化。用友BIP的数智底座以贯通的流程服务为骨架,全时空的数据服务为血液,可落地的智能服务为大脑,构建起覆盖“研、供、产、销、服、人、财、物、项、协” 全场景的多维能力体系。

数据平台:将数据转化为可信赖的业务资产,通过 DataAgent 实现 “数据洞察到数据行动” 的闭环,结合 Agent+DataOps 技术让 AI 更可靠;

应用平台:支持业务柔性扩展与 AIGC 智能生成规则,通过多智能体协同提升业务响应速度;

开发平台:实现智能化需求解析、代码生成与自动化测试,降低开发门槛;

集成平台:适配 AI 通信协议,优化集成过程与流程整合;

云技术平台:将 AI 嵌入开发与运营全链路,实现智能弹性扩展与问题定位。

这一架构打破了传统 IT 系统的 “应用烟囱、数据孤岛、智能碎片”,通过统一元数据与同源设计,实现纵向组织全级次、横向业务全流程的端到端穿透。


YonAI 引擎:企业 AI 的 “动力核心”

数智底座的智能内核是 YonAI 引擎,其以 YonGPT 大模型为核心,接入通用大模型,构建智能体集群,实现多智能体自主协同。目前已覆盖众多企业常用智能场景,包括合同助理、销售教练、招聘助理等领域应用,推动 “人机协同创新” 新模式。

例如,智能助理 “智友” 可实现会议纪要自动生成、差旅申请全流程处理、销售数据实时分析等功能;

例如:某钢铁集团,集团及下属30多家基地,基于其卫星基地组成废钢资源星链网络。用友废钢智能判级 5.0 累计处理车次 65.6 万辆,判级废钢 2466 万吨,通过 1400 + 万张图片库与精细算法,显著提升判级效率与准确性。6 大能力底座 + AI-Native 升级,降低 IT 复杂度。

用友数智底座具备 “软件工程、产业融合、原生框架、异构融合、数据治理、智能协同”6 大核心能力,可支撑集团型企业 “全子公司一体化管控”—— 比如某供销农产品基于该底座搭建 “全国统一大市场平台”,实现产供销全链路数据互通,IT 运维成本降低 30%。

同时,AI-Native 升级让 IT 管理更高效:AI 可自动感知服务器资源瓶颈,实现 “弹性扩容”;开发环节引入 Agent 协同开发,零代码、低代码工具覆盖 70% 的开发需求,某钢铁集团通过 YonBuilder 开发平台,将 “集团管控平台” 上线时间缩短 50%,大幅降低 IT 团队压力。

安全可控的智能体 + 高质量数据,支撑业务智能化

数据的 “安全性、准确性” 是底线。用友智能平台通过 “RBAC + ABAC ”,实现 “字段/属性级精准管控”—— 比如普通财务人员无法查看高管薪酬数据,区域财务无法查看其他区域的成本数据,完全符合 GDPR、数据安全法等合规要求。

同时,YonData 数据平台为企业AI 提供 “高质量燃料”:通过 “数据虚拟化 + 湖仓一体 HTAP”,实现 “业务数据实时处理”,企业通过该平台整合多厂商异构数据,领导获取 “两金分析、利润预测” 数据的效率提升 60%,业务部门无需再花费大量时间做 “数据整合、报表编制”。

多模型适配 + 全链路协同,优化业务全流程

例如在众多业务场景中,采购场景的 AI 需求 “场景化、差异化”:筛选供应商需要 “画像模型”,风险评估需要 “预测模型”,库存优化需要 “协同模型”。用友智能平台支持 “多模型接入”,可根据采购不同环节匹配最优模型 —— 比如通过 “供应商画像模型” 筛选优质供应商,通过 “履约预测模型” 判断供货风险,通过 “库存协同模型” 联动生产调整采购量。

人机协同的智能运营场景,触手可及

当 “原生一体化架构” 搭建完成后,企业 AI 将从 “辅助工具” 升级为 “业务伙伴”,财务、采购等场景的 “全自动闭环” 将成为现实:

以 “出口企业应对欧盟反倾销” 为例:智能体实时监控欧盟反倾销政策,发现越南、马来西亚供货受阻后,自动切换至巴西供应链;联动采购 AI 分析巴西供应商的履约能力、财务 AI 测算成本利润、生产 AI 调整生产计划;最终生成 “采购订单调整方案 + 付款计划 + 生产排期”,全程无需人工干预,实现 “监控 - 分析 - 决策 - 执行” 的全自动闭环。

这种场景并非“未来构想”,而是基于当前用友 BIP 能力可实现的落地方案的企业实践已经证明,只要找对“架构路径、数据基础、智能工具”,企业 AI 就能真正支撑业务价值提升。

上海企通 成就数智企业,聚力数智强国

来源:企通数字化

相关推荐