這波，企業(yè)AI落地穩(wěn)了！

上AI就相當(dāng)于給企業(yè)裝大腦，但多數(shù)企業(yè)裝完才發(fā)現(xiàn)：腦子是有了，神經(jīng)卻還斷著，無(wú)法貫通業(yè)務(wù)。

是不是說(shuō)到你心坎上了？MIT 2025年《生成式AI鴻溝》報(bào)告指出，高達(dá)95%的企業(yè)AI項(xiàng)目未能產(chǎn)生可衡量的商業(yè)價(jià)值；而Gartner也預(yù)測(cè)，到2027年，超過(guò)40%的企業(yè)AI智能體項(xiàng)目將被叫停。

就在眾多企業(yè)為AI落地難題而困擾之際，在為期三天的2025全球商業(yè)創(chuàng)新大會(huì)上，用友重磅推出全新一代產(chǎn)品——用友BIP 5，且一經(jīng)發(fā)布便引發(fā)廣泛關(guān)注。

但一個(gè)有意思的事是，不少親臨現(xiàn)場(chǎng)的觀眾在震撼之余，紛紛發(fā)出靈魂拷問(wèn)：新系統(tǒng)會(huì)不會(huì)太龐大、太復(fù)雜了？我們到底該從哪里入手，才能真正把AI用起來(lái)？

別急！這篇從小白視角出發(fā)的解讀，或許能幫上點(diǎn)忙。

這段很長(zhǎng)，但企業(yè)AI落地問(wèn)題一步講透

對(duì)不少企業(yè)而言，有個(gè)嚴(yán)重的誤區(qū)：上AI等同于接入大模型。其實(shí)遠(yuǎn)不是這么回事。如果AI無(wú)法深入具體的業(yè)務(wù)場(chǎng)景、無(wú)法理解企業(yè)的特有流程、缺乏數(shù)據(jù)驅(qū)動(dòng)，那么再先進(jìn)的技術(shù)也只是空中樓閣。

所以，用友找到了破局的關(guān)鍵：原生一體化，而這也正是用友BIP 5的核心——AI×數(shù)據(jù)×流程 原生一體。

簡(jiǎn)單的說(shuō)，它不是將AI疊加在現(xiàn)有系統(tǒng)之上，而是構(gòu)建了一整套 數(shù)智融合的新架構(gòu) ，實(shí)現(xiàn)AI、數(shù)據(jù)與業(yè)務(wù)的深度融合，產(chǎn)生強(qiáng)力化學(xué)反應(yīng)，從而確保AI真正落地。

但是，相信不少人和我一樣，乍一看這個(gè)組合，感覺(jué)好像懂了，但又具體說(shuō)不清到底這是怎么運(yùn)轉(zhuǎn)的。那接下來(lái)，我們就站在企業(yè)視角，結(jié)合用友的產(chǎn)品能力，一一把這個(gè)邏輯講清楚。

1

從數(shù)據(jù)中來(lái)，到智能中去

絕大多數(shù)企業(yè)啟動(dòng)AI項(xiàng)目時(shí)，第一步就是要搞清楚散落在各個(gè)系統(tǒng)中的數(shù)據(jù)如何匯聚、激活，又該如何用的問(wèn)題。所以，從數(shù)據(jù)中來(lái)，到智能中去，言外之意就是用數(shù)據(jù)訓(xùn)練智能，用智能激活數(shù)據(jù)價(jià)值，形成雙向反哺。

為此，用友BIP 5 直接給出了現(xiàn)成方案：通過(guò)構(gòu)建從數(shù)據(jù)到智能、從知識(shí)到智能的兩大閉環(huán)，讓企業(yè)數(shù)據(jù)與智能真正循環(huán)提效。

在數(shù)據(jù)到智能的閉環(huán)中，企業(yè)大數(shù)據(jù)是基礎(chǔ)，它主要以結(jié)構(gòu)化數(shù)據(jù)為主，涵蓋關(guān)系數(shù)據(jù)庫(kù)、多維數(shù)據(jù)庫(kù)。這些數(shù)據(jù)在通過(guò)數(shù)據(jù)平臺(tái)治理后，就為智能提供了“養(yǎng)料”。

換句話說(shuō)，通過(guò)將準(zhǔn)備好的數(shù)據(jù)與業(yè)務(wù)對(duì)象、多維模型和語(yǔ)義理解深度融合，就可以實(shí)現(xiàn)分析、預(yù)測(cè)、決策等功能，更重要的是，可為YonGPT訓(xùn)練、精調(diào)提供保障。

另一方面，企業(yè)大智庫(kù)則構(gòu)成了從知識(shí)到智能的閉環(huán)。過(guò)去，ERP主要處理結(jié)構(gòu)化數(shù)據(jù)，而在模型時(shí)代，用友通過(guò)協(xié)同平臺(tái)，并利用友智庫(kù)RAG，將知識(shí)圖譜化、向量化或切片，最終轉(zhuǎn)化為可檢索、可推理的知識(shí)資產(chǎn)，然后再用這些資產(chǎn)訓(xùn)練YonGPT。

當(dāng)理解了數(shù)據(jù)與智能的關(guān)系后，一個(gè)靈魂問(wèn)題就出現(xiàn)了：誰(shuí)來(lái)支撐這套體系運(yùn)轉(zhuǎn)？用友交出的結(jié)果是：企業(yè)數(shù)據(jù)云。

整體來(lái)看，作為底層支撐，企業(yè)數(shù)據(jù)云匯聚了企業(yè)業(yè)務(wù)大數(shù)據(jù)、企業(yè)知識(shí)資產(chǎn)數(shù)據(jù)以及用戶行為數(shù)據(jù)，為上層模型和應(yīng)用提供豐富且關(guān)鍵的數(shù)據(jù)源。

用友將行業(yè)領(lǐng)先實(shí)踐沉淀為可復(fù)用、可調(diào)用的標(biāo)準(zhǔn)化模型資產(chǎn)，構(gòu)建起強(qiáng)大的模型層。該層涵蓋財(cái)務(wù)、人力、資產(chǎn)、采購(gòu)等核心業(yè)務(wù)域模型。它的價(jià)值在于統(tǒng)一口徑，比如，當(dāng)領(lǐng)導(dǎo)問(wèn)數(shù)時(shí)，若底層數(shù)據(jù)來(lái)源不一、計(jì)算邏輯各異，分析結(jié)果就極易出現(xiàn)偏差。而模型層可確保所有分析建立在一致、可信的基礎(chǔ)上，實(shí)現(xiàn)數(shù)出一門。

在應(yīng)用層，用友提供兩類核心數(shù)據(jù)服務(wù)，DataAgent與數(shù)據(jù)應(yīng)用服務(wù)。特別是DataAgent，它就像企業(yè)的數(shù)據(jù)翻譯官和決策小助手，讓找數(shù)、問(wèn)數(shù)、用數(shù)變得像聊天一樣簡(jiǎn)單。

比如，銷售總監(jiān)不用再讓IT導(dǎo)報(bào)表，直接問(wèn)智友：華東區(qū)上季度利潤(rùn)下滑的原因是什么？智能體就能基于權(quán)限內(nèi)的多維數(shù)據(jù)，快速分析并給出結(jié)論，然后推送至看板。因此，它的價(jià)值就在于把原本需要專業(yè)能力才能獲取的數(shù)據(jù)，變成業(yè)務(wù)人員開(kāi)口就能問(wèn)、一聽(tīng)就懂的答案，而這背后正是數(shù)據(jù)平臺(tái)能力+數(shù)據(jù)模型+領(lǐng)域知識(shí)的強(qiáng)支撐。

總結(jié)一下，有了企業(yè)數(shù)據(jù)云，企業(yè)就能看清過(guò)去、預(yù)測(cè)未來(lái)。

然而，這就結(jié)束了嗎？當(dāng)然不。因?yàn)樵跀?shù)據(jù)層面，還有一個(gè)大型企業(yè)尤其關(guān)心的問(wèn)題，就是實(shí)時(shí)性。

以某醫(yī)藥企業(yè)為例，這家企業(yè)有3萬(wàn)家門店、1個(gè)核算平臺(tái)，每天數(shù)據(jù)超過(guò)150萬(wàn)條，每年更是5.4億條以上。如此龐大的數(shù)據(jù)量，如果全部集中處理，實(shí)時(shí)分析和管理幾乎是不可能的。因此，企業(yè)必須具備流批一體的能力。

用友BIP5結(jié)合HTAP與多維數(shù)據(jù)庫(kù)，實(shí)現(xiàn)了業(yè)務(wù)數(shù)據(jù)和分析數(shù)據(jù)的實(shí)時(shí)融合。比如，今天錄入一筆銷售訂單，銷售收入會(huì)即時(shí)更新；做合并報(bào)表時(shí)，系統(tǒng)能在內(nèi)存中快速匯聚，哪怕是千億級(jí)數(shù)據(jù)，也能在一秒內(nèi)響應(yīng)。

舉個(gè)例子，在某汽車集團(tuán)的應(yīng)用實(shí)踐中，用友BIP已支持上萬(wàn)并發(fā)請(qǐng)求，業(yè)務(wù)響應(yīng)時(shí)間穩(wěn)定在400ms以內(nèi)。

2

一套模型矩陣“整裝交付”，無(wú)需東拼西湊

數(shù)據(jù)之上，便是模型。許多企業(yè)都關(guān)心，用友究竟是如何構(gòu)建企業(yè)專屬模型的？為此，他們打造了一個(gè)YonGPT模型矩陣，將多種類型的大模型與小模型組合在一起，實(shí)現(xiàn)從通用智能到行業(yè)與企業(yè)特需的深度適配。

除YonGPT外，用友還針對(duì)特定行業(yè)或業(yè)務(wù)域訓(xùn)練了垂類大模型；訓(xùn)練了可處理視頻、PDF等非結(jié)構(gòu)化內(nèi)容的多模態(tài)大模型，幫助企業(yè)讀懂自身知識(shí)資產(chǎn)；訓(xùn)練了向量模型，提升信息匹配精度；訓(xùn)練了推薦模型，基于用戶行為偏好精準(zhǔn)推送最有價(jià)值內(nèi)容；訓(xùn)練了分類/排序模型，智能識(shí)別高頻、高價(jià)值數(shù)據(jù)，優(yōu)先呈現(xiàn)關(guān)鍵信息；訓(xùn)練了運(yùn)籌優(yōu)化與預(yù)測(cè)模型，應(yīng)用于銷量預(yù)測(cè)、資源調(diào)度等場(chǎng)景，幫助企業(yè)前瞻性決策。

事實(shí)上，模型層是用友BIP企業(yè)AI整體架構(gòu)中的核心中樞之一。全新的用友BIP企業(yè)AI經(jīng)過(guò)優(yōu)化，整個(gè)架構(gòu)以數(shù)據(jù)為基礎(chǔ)、以模型為引擎、以智能體為執(zhí)行與交互載體，形成從底層數(shù)據(jù)支撐，到中間的模型能力構(gòu)建，再到上層智能應(yīng)用與運(yùn)營(yíng)的完整閉環(huán)。

那么，當(dāng)數(shù)據(jù)與模型準(zhǔn)備就緒后，企業(yè)該如何自然的構(gòu)建和運(yùn)營(yíng)智能體呢？

3

從“建好”到“用好”智能體

就目前來(lái)看，越來(lái)越多的場(chǎng)景化需求都依賴自建智能體來(lái)滿足。市場(chǎng)上，此類產(chǎn)品不少，但都有一個(gè)明顯的缺陷，那就是缺乏對(duì)于企業(yè)服務(wù)的理解，以及對(duì)于企業(yè)業(yè)務(wù)流程的專業(yè)性和深度。

但是，這正是用友BIP5打造了的智能體構(gòu)建與運(yùn)營(yíng)平臺(tái)的最大優(yōu)勢(shì)。因?yàn)椋?strong>深度融合企業(yè)服務(wù)應(yīng)用場(chǎng)景，幫助企業(yè)高效搭建與數(shù)據(jù)底座和應(yīng)用深度集成的智能體，實(shí)現(xiàn)從理解需求到執(zhí)行任務(wù)的全流程智能化。

這個(gè)平臺(tái)的核心能力，可概括為幾個(gè)方面：

• 多模態(tài)場(chǎng)景感知，可支持文本交互，還能看圖說(shuō)話。比如，上傳一張圖片，系統(tǒng)就能快速理解你的需求，直接觸發(fā)相應(yīng)的智能交互；

• 上下文記憶，它讓智能體能夠像人一樣記住場(chǎng)景。比如員工出差，從申請(qǐng)機(jī)票到落地后打車，你只需補(bǔ)充酒店地址，系統(tǒng)就能自動(dòng)理解整個(gè)流程，免去繁瑣重復(fù)的操作；

• 技能管理同樣是一大亮點(diǎn)。用友把企業(yè)軟件的流程服務(wù)拆解為成千上萬(wàn)個(gè)技能。這些技能一旦開(kāi)放給AI，就能讓?xiě)?yīng)用更加智能化、人性化；

• 此外，該平臺(tái)還具備意圖流編排和個(gè)性化推薦能力。

當(dāng)然，即便有了智能體，也不能放任不管。因此，用友還提供了智能體運(yùn)營(yíng)模塊，它內(nèi)嵌智能反饋機(jī)制，以便用戶的每一次點(diǎn)贊或否定，都能成為智能體優(yōu)化的依據(jù)。

最后，避免不了提及的就是大模型幻覺(jué)問(wèn)題。據(jù)估算，企業(yè)應(yīng)用的大模型仍存在5%的幻覺(jué)。但通過(guò)用友提供的智能體運(yùn)營(yíng)平臺(tái)，就能精準(zhǔn)分析問(wèn)題根源，區(qū)分是大模型、技能還是編排流程方面的問(wèn)題，從而有針對(duì)性地進(jìn)行優(yōu)化。

想象未來(lái)，企業(yè)內(nèi)將涌現(xiàn)多種智能體。因此，用友除提供智友外，還將推出領(lǐng)域智能體、流程智能體、數(shù)據(jù)智能體等。而所有這些能力均在嚴(yán)格的企業(yè)級(jí)權(quán)限管控下運(yùn)行，保障安全與合規(guī)。

4

你的“智能搭子”終于上崗！

作為統(tǒng)一智能入口，此刻我們深入展現(xiàn)下智友的全新價(jià)值。

它像一位全天候在線的同事，能夠自主處理常規(guī)任務(wù)，如遇到復(fù)雜情況時(shí)，則無(wú)縫轉(zhuǎn)交真人處理。企業(yè)甚至可以將這些數(shù)智員工納入組織架構(gòu)，與真實(shí)員工并肩協(xié)作。它們嵌入業(yè)務(wù)流程，在關(guān)鍵時(shí)刻主動(dòng)提供知識(shí)支持、決策建議和執(zhí)行輔助，真正實(shí)現(xiàn)知識(shí)與服務(wù)隨流程而動(dòng)。

但是，當(dāng)企業(yè)開(kāi)發(fā)了數(shù)十甚至上百個(gè)智能體后，又該如何高效地管理和使用？答案是：通過(guò)智友，可實(shí)現(xiàn)對(duì)多智能體的統(tǒng)一調(diào)度與集中管控，并依據(jù)企業(yè)組織架構(gòu)靈活分配權(quán)限和任務(wù)。

大膽想象一下，用友BIP5的終極目標(biāo)到底是啥？其實(shí)，就是讓企業(yè)軟件不再只是冷冰冰的工具，而是一個(gè)真正懂業(yè)務(wù)、能思考、會(huì)協(xié)同的智能搭子。不管是查數(shù)據(jù)、問(wèn)業(yè)務(wù)，還是想提前預(yù)警風(fēng)險(xiǎn)、預(yù)測(cè)趨勢(shì)，找智友就能輕松搞定。

這也許就是用友BIP5最想釋放的價(jià)值：讓技術(shù)和業(yè)務(wù)真正融為一體，提供自然、高效的人機(jī)協(xié)作體驗(yàn)！

走進(jìn)鞍山鋼鐵的AI革命

最后，讓我們通過(guò)幾個(gè)典型場(chǎng)景和案例，直觀感受用友BIP 5的強(qiáng)大能力。

在AI+供應(yīng)鏈場(chǎng)景中，通過(guò)AI小模型精準(zhǔn)預(yù)測(cè)銷量，并智能計(jì)算安全庫(kù)存，可有效降低庫(kù)存資金占用，確保供應(yīng)穩(wěn)定。同時(shí)，在推動(dòng)供應(yīng)鏈從內(nèi)部協(xié)同轉(zhuǎn)向集成協(xié)同時(shí)，基于用友BIP 5可實(shí)現(xiàn)研產(chǎn)供銷一體化計(jì)劃、全流程可視化監(jiān)控，讓供應(yīng)鏈更透明、響應(yīng)更快。

數(shù)據(jù)顯示，AI驅(qū)動(dòng)的供應(yīng)鏈優(yōu)化，可幫助企業(yè)降低庫(kù)存水平15%-35%，降低供應(yīng)鏈整體成本10%-20%，提高按時(shí)交付率10%-20%，提升運(yùn)營(yíng)收益10%-25%。

在AI+人力場(chǎng)景中，用友BIP 5基于數(shù)據(jù)洞察，讓AI融入從人才引進(jìn)、入職融入、成長(zhǎng)發(fā)展、日常服務(wù)、業(yè)務(wù)辦理到企業(yè)文化的每一個(gè)環(huán)節(jié)，確保HR更智能，員工體驗(yàn)更流暢。

而鞍鋼的智能轉(zhuǎn)型，作為用友BIP的領(lǐng)先實(shí)踐，已成為行業(yè)范本。他們所做到的不只是工具升級(jí)，而是業(yè)務(wù)模式和管理方式的系統(tǒng)性重塑。

班組作為生產(chǎn)經(jīng)營(yíng)與價(jià)值創(chuàng)造的基本單元，其執(zhí)行力與創(chuàng)新力是企業(yè)核心競(jìng)爭(zhēng)力的關(guān)鍵所在。如今，AI正為鞍鋼的每一個(gè)班組、每一道流程注入全新動(dòng)能。班長(zhǎng)撰寫(xiě)工作記錄的時(shí)間大幅縮短，管理要求得以真實(shí)記錄、高效落地，整體執(zhí)行效率顯著提升。

目前，鞍鋼員工可根據(jù)實(shí)際業(yè)務(wù)需求，在 10 分鐘內(nèi)自主構(gòu)建一位數(shù)智員工，現(xiàn)在他們已建成了一支數(shù)智員工團(tuán)隊(duì)，比如，設(shè)備故障診斷 AI 助手可精準(zhǔn)匹配知識(shí)庫(kù)問(wèn)題并提供指導(dǎo)，鐵前工序成本分析 AI 助手能洞察成本變化、識(shí)別異常風(fēng)險(xiǎn)。這些數(shù)智員工已深度嵌入研發(fā)、生產(chǎn)制造、供應(yīng)鏈等核心業(yè)務(wù)，最終通過(guò)智友，人、AI與業(yè)務(wù)被編織在一張網(wǎng)里，真正實(shí)現(xiàn)高效協(xié)同。

未來(lái)，鞍鋼將推進(jìn)“千模百業(yè)”計(jì)劃，以1000個(gè)大/小模型覆蓋100個(gè)業(yè)務(wù)場(chǎng)景，讓AI深度賦能鋼鐵產(chǎn)業(yè)鏈的每一個(gè)環(huán)節(jié)。

至此，你是否對(duì)如何落地AI有了更清晰的認(rèn)識(shí)？

對(duì)企業(yè)而言，真正的難題從來(lái)不是要不要AI，而是怎么讓AI真正用起來(lái)。用友BIP5提出的“AI×數(shù)據(jù)×流程”原生一體，正是直擊這一痛點(diǎn)。它不讓AI飄在半空，而要讓它長(zhǎng)在業(yè)務(wù)中。

或許現(xiàn)在，正是邁出這一步的時(shí)刻。