当下,正值企业数智化转型的关键时期。 当 AI 浪潮涌入产业,除了底层的算力和模型竞赛,更庞大的需求在于企业内部“神经系统”的升级。
在 2026 年节点增长大会上,用友集团副总裁、中上协AI专委会主任郭金铜,以企业服务老兵的视角,深刻剖析了当前AI在企业落地的痛点与误区。
用友集团副总裁郭金铜
郭金铜指出,企业 AI 绝非个人 AI 的简单放大,它必须建立在企业主体之上,追求结果的极致可靠与合规。
他进一步谈到,支撑企业 AI 落地的不仅仅是模型,而是“AI×数据×流程”的三位一体。 数据需要从“给人看”转变为“给机器看”;流程需要为了自动化而彻底重构。
更重要的是,智能体不会颠覆传统软件,反而让软件变得前所未有的重要——大模型是脑,智能体是手脚,而软件则是控制体,是智能体真正能够触达业务、指挥万物的“手和脚”。
为了完整呈现郭金铜的思考,节点财经对演讲内容进行了深度整理:
核心观点梳理:
1. 企业AI不等于个人AI: 企业AI的能力必须归属于企业主体,而非依附于员工个人。它不追求单点的“超级助手”,而是构建结果可靠、合规安全、能实现自动化决策的企业级一体化操作系统。
2. 企业AI成功落地有三大法则 :不能坐等大模型“大水漫灌”,必须积极做落地适配;数据要从“给人看”转变为“给机器看”;流程要为自动化而重构。唯有三者形成正向闭环,才能打破“AI泡沫”错觉。
3. 企业拥抱AI的进阶路径有三种视角: 从“+AI”思维(外挂模式)的稳健增量,到“AI+”思维(重构模式)的拆旧建新,再到“AI原生”思维(创新模式)的颠覆开拓,企业需根据自身阶段选择合适的切入方式。
4. 软件是智能体的手和脚: 大模型是脑,智能体依靠软件这一“控制体”来指挥业务、调用数据。企业软件在AI时代将作为经营管理的操作系统更加重要。
以下是郭金铜演讲精选:
01 企业AI是必选题,但不同于个人AI
在2026年节点增长大会的现场,行业内的一个变化已清晰可见:关于AI,共识已定,争论的焦点从“要不要做”全面转向了“怎么执行”。
借此契机,用友希望结合近年来的实践经验,分享对企业AI的深度认知与落地思考。
落地执行前,首要任务是厘清概念。企业AI与个人AI存在本质不同,这种差异主要体现在四个维度。
第一,服务主体与能力的归属。
企业AI必须服务于企业主体,而个人AI服务于个人。这一观点在实践中极易跑偏。部分企业拥抱AI一整年,结果能力全部“生长”在了员工个人身上,一旦员工离职,能力随之流失,企业最终面临“竹篮打水一场空”的窘境。 因此,企业AI的能力必须构建在组织主体之上,成为企业的沉淀资产,而非依附于员工个人。
第二,系统架构目标不同。
企业AI的核心不在于打造单点的“超级助手”或独立工具(如文档处理、健康管理),而在于构建一个企业级、一体化协同的操作系统。正如ERP时代的逻辑一样,企业AI 强调的是全局的业务协同与流程贯通。
第三,对可靠性与可验证性的要求不同。
个人AI多应用于生成式场景,聊天、绘图、写作,具有较高的容错率。但企业AI 往往涉及复杂的商业决策和自动化执行,如自动付款、库存调拨,其结果必须是“可重复验证”的。 在企业经营中,一旦决策结果不可靠,将导致严重的后果与经济损失。
第四,对安全合规的要求不同。
这是许多企业容易忽视的“重灾区”。现实中,部分技术能力较强的员工私自违规开发智能体,而传统IT系统往往缺乏针对性的防御机制,给企业数据安全埋下了巨大隐患。
明确了边界与定义,落地企业AI便不再是选择题,而是必选题。其价值不仅在于降本增效、控险提质,更在于在终端层面提升经营绩效,打造新时期的核心竞争力。 短期内,它或许不会立刻带来业绩暴增,但能显著提升业务敏捷度与管理精益度。特别是在出海领域,AI的多语言能力能够同步覆盖全球业务流程,成为中国企业全球化布局的关键助推器。
数据也佐证了这一点:Gartner预测,到2028年,企业80%的业务将由智能体主导。AI应用得当可提升40%的效率,降低50%的成本。普及智能体,不仅是企业发展的内生需求,更是国家层面的战略使命。
02 拆解AI落地的三位一体法则
回应大家都很关心的“AI 泡沫”的讨论。为什么市场会有“泡沫论”的声音?是因为许多企业应用后发现效果不及预期。
大家误把AI当成了即插即用、药到病除的“万能药”,但事实是,AI的落地是一个需要适应、适配和训练的系统工程,这背后必须扎实做好三大基础工作。
首先,大模型的适配。
通用的基础大模型就像是标准尺码的成衣,直接穿在特定企业身上,往往不合身,甚至会让人很难受。企业不能坐等大模型完美成熟后再去“大水漫灌”,那样就太晚了。 正确的做法是立刻行动,通过增加上下文、利用RAG(检索增强生成)或进行微调(Fine-tuning),让大模型去适应企业的具体场景,把“成衣”改成“定制装”。
其次,数据的准备。
如果把AI比作跑车,数据就是燃油,很多企业目前面临“无油可烧”的窘境。我们需要澄清一个误区:现有的企业数据大多是给“人”看的,而机器数据的格式要求完全不同。如果企业直接把给人看的数据喂给 AI,AI 不仅“吃不下”,甚至会“消化不良”。 因此,企业必须进行数据治理,将其转化为机器可读的结构化格式。
再者,流程的重构。
数据源于业务流程,要生产出同步给 AI 使用的优质数据,就必须对现有的业务流程进行重构与优化。否则再强的大模型也发挥不了作用。
在用友看来,新时期企业 AI 落地,是“AI × 数据 × 流程”的三位一体。
三者需要形成一个正向闭环:优质的流程生产出高质量数据,高质量数据投喂出更聪明的AI,AI反过来进一步优化流程。用“带兵打仗”比喻的话:员工是士兵,AI是武器,数据是粮草弹药,而流程就是军纪军法。只有四者有机协同,团队才能战无不胜。
在具体落地路径上,用友观察到企业主要有三种视角。
第一种“+AI "思维,即外挂模式。
企业保持现有核心业务不动,而是将AI作为辅助工具挂载在业务之上,这是目前最稳妥的起步方式。
第二种“AI+ "思维,即重构模式。
类似于深度的数智化转型,要求重构原有的IT系统。 这是三条路线中最难的一条,因为拆解并重建大型企业的系统(如ERP)是一项浩大的工程,通常需要专业服务商的赋能。
第三种“AI 原生”思维,即创新模式。
真正的AI原生,是指完全不受现有业务逻辑的束缚,利用AI技术开拓全新的市场、业务和模式,跳出旧框架,实现全新的商业闭环,真正的AI原生。
03 智能体是“大脑”,软件是“控制体”
在企业应用AI的诸多路径中,对于大型企业而言,最艰难、价值最大的莫过于重构模式。这不仅需要决心,更需要专业服务商的支持。在当下的市场环境中,最主流、最靠谱的选择,正是企业软件服务商。
为什么是企业软件?因为,为AI保驾护航的流程,是通过软件进行标准化编排和落地的,投喂给AI使用的数据,也是通过软件进行存储和调用的,就连AI自己,核心就是算法,也是通过软件实现的。如果说AI是鱼,那么软件就是水,没有企业软件,企业AI是不可能真正落地的。
那么AI智能体是否会替代原有的IT系统?答案是否定的。现有的IT系统实际上是智能体的“手和脚”。
如果我们把大模型比作思考决策的“大脑”,那么智能体作为“代理人”,想要真正干活——无论是抓取业务数据还是指挥物联网设备——都必须通过软件这个“控制体”来实现。所以在AI时代,现有的IT系统非但不会被颠覆,反而会迎来全新的升级与进化。企业软件作为经营管理的“操作系统”,其重要性也将显著增强。这就好比在信息化时代没有ERP等管理软件的坚实支撑,企业经营很难正常运转一样。
打造AI时代的企业核心竞争力,不仅是企业的商业诉求,也是国家层面的战略需求。大型企业软件体现了大国的软实力,也是国产自主替代的核心阵地。用友深耕此领域37年,始终致力于打造中国原生的全球领先企业软件,这不仅是为中国企业保驾护航,更立志成为中国软件走向全球的一张名片。
为迎接这一时代,用友推出了新一代企业软件——用友BIP。经过数年的持续迭代,用友BIP 5实现了“AI ×数据×流程”原生一体。基于用友BIP,用友提供的企业AI服务,主要包括四层,最下面是统一数智底座平台服务,以及基于统一底座,基于AI应用需求重构的流程服务和数据服务,最上面就是当前已经开始规模普及的AI智能体服务,包括通用智能体和众多的专用智能体。
当前,用友已经为企业AI重构优化了2500个企业最通用的核心业务流程,并基于37年的行业know-how训练了超过100多个专用智能体,遍布企业经营管理的各个场景领域中。
关于大家关心的智能体分级与商业化,本质是“可验证过程的自动化”。为确保结果靠谱,用友依靠2500个优化后的标准流程来支撑智能体,确保其输出既可靠又合规。同时,我们引入了类似自动驾驶的分级标准,将智能体从L1对话助理到L5高级专家分为五级。在销售时我们会明确告知客户,您购买的是刚入行的“实习生”还是经验丰富的“高级专家”,级别不同,价格自然不同。对于通用场景,我们可以直接提供专家级智能体;而对于复杂场景,则需要结合客户的私有数据,由厂商与客户像“培养孩子”一样共同共创。
目前,用友BIP企业AI的智能体已广泛应用且成效显著。例如某企业升级订单处理系统后,效率惊人地提升了80倍。截至今年三季度,用友BIP企业AI签约额已达 7.3 亿元,足见企业拥抱AI的热情。
最后,用友通过服务众多行业领先企业数智化,深刻体会到,中国许多领先企业的数智化水平实际上已经超越了西方同行,放眼全球都处于领先地位。中国拥有全球领先的国产大模型厂商,也有全球领先的企业软件厂商,加之国家政策的大力支持,我们有理由相信,中国企业的AI普及应用一定能走在世界前列。用友希望与所有企业携手,加速推进AI落地,共创商业新价值。
下载格隆汇APP
下载诊股宝App
下载汇路演APP

社区
会员



