作者： 董興榮 李秦

人工智能技術(shù)的快速發(fā)展正在深刻改變商業(yè)世界。如今，AI不僅能自動(dòng)生成文本、圖像等內(nèi)容，還能通過(guò)數(shù)據(jù)分析優(yōu)化決策，連接線上、線下場(chǎng)景，逐漸成為企業(yè)轉(zhuǎn)型升級(jí)的關(guān)鍵工具。通過(guò)構(gòu)建數(shù)據(jù)感知、智能分析、實(shí)時(shí)決策、自主執(zhí)行的閉環(huán)體系，企業(yè)得以實(shí)現(xiàn)運(yùn)營(yíng)效率的指數(shù)級(jí)提升與商業(yè)模式的顛覆性創(chuàng)新。

數(shù)字經(jīng)濟(jì)時(shí)代，人工智能技術(shù)的突破性發(fā)展正以前所未有的速度重塑全球商業(yè)圖景。從生成式AI重構(gòu)內(nèi)容生產(chǎn)邏輯，到機(jī)器學(xué)習(xí)算法驅(qū)動(dòng)精準(zhǔn)決策，AI已從單點(diǎn)工具演變?yōu)橥苿?dòng)企業(yè)系統(tǒng)性變革的核心引擎。在這場(chǎng)以“數(shù)智融合”為特征的產(chǎn)業(yè)革命中，企業(yè)數(shù)智化轉(zhuǎn)型不再是選擇題，而是關(guān)乎生存發(fā)展的必答題。面對(duì)技術(shù)浪潮，企業(yè)必須以開(kāi)放姿態(tài)擁抱智能革命，深挖數(shù)據(jù)要素價(jià)值，重塑人機(jī)協(xié)作范式，在數(shù)智時(shí)代構(gòu)筑可持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)。

近日，Gartner研究副總裁孫鑫圍繞人工智能技術(shù)的演進(jìn)與發(fā)展，探討了生成式人工智能（GenAI）、AI Agent等對(duì)企業(yè)數(shù)智化轉(zhuǎn)型與財(cái)務(wù)變革的影響，以及智能技術(shù)的未來(lái)突破與發(fā)展趨勢(shì)。

人物介紹PROFILE

孫鑫

Gartner研究副總裁

01

人工智能技術(shù)的演進(jìn)與發(fā)展 人工智能技術(shù)成熟度曲線

當(dāng)前，人工智能技術(shù)發(fā)展呈現(xiàn)顯著的階段性特征。Gartner發(fā)布“2024年人工智能技術(shù)成熟度曲線”（圖1）為行業(yè)提供了重要的參考框架。該曲線圖通過(guò)縱軸（技術(shù)期望值）與橫軸（時(shí)間周期）揭示技術(shù)演進(jìn)規(guī)律：在最初的“技術(shù)萌芽期”，人們對(duì)新技術(shù)極度關(guān)注；隨后進(jìn)入“期望膨脹期”，也就是熱度極高且常被高估的階段；接下來(lái)是“泡沫破裂低谷期”；隨后逐漸轉(zhuǎn)入“穩(wěn)步爬升復(fù)蘇期”；最后到達(dá)“生產(chǎn)成熟期”。

圖1 Gartner2024年人工智能技術(shù)成熟度曲線

孫鑫表示，“現(xiàn)階段，多數(shù)人工智能技術(shù)仍處于相對(duì)早期的階段，包括‘復(fù)合型AI’‘AI工程化’等，它們距離進(jìn)入‘生產(chǎn)成熟期”尚需時(shí)日。比如，現(xiàn)在炙手可熱的“生成式人工智能’大約還需2至5年才能進(jìn)入‘生產(chǎn)成熟期”；而“通用人工智能”則可能還要10年以上的時(shí)間。因此，行業(yè)對(duì)于不同技術(shù)應(yīng)有更為客觀的預(yù)期，不要盲目追逐某些概念?！?/p>

生成式人工智能是人工智能技術(shù)的焦點(diǎn)領(lǐng)域，它能夠基于大型原始內(nèi)容庫(kù)的數(shù)據(jù)，生成全新的內(nèi)容、策略、設(shè)計(jì)與方法，大語(yǔ)言模型等基礎(chǔ)模型是其中的核心技術(shù)。自2022年OpenAI的ChatGPT誕生以來(lái)，對(duì)于生成式人工智能，企業(yè)經(jīng)歷了從創(chuàng)意探索到落地部署的轉(zhuǎn)型。2025年，企業(yè)的關(guān)注重點(diǎn)轉(zhuǎn)向執(zhí)行層面，注重技術(shù)融合與商業(yè)價(jià)值兌現(xiàn)，期望將生成式人工智能妥善嵌入業(yè)務(wù)流程，為企業(yè)創(chuàng)造新的收益和增長(zhǎng)點(diǎn)。

Gartner調(diào)研顯示，中國(guó)企業(yè)對(duì)于生成式人工智能的投入意愿明顯高于全球平均水平。此外，談及未來(lái)12個(gè)月內(nèi)是否計(jì)劃在企業(yè)內(nèi)部部署生成式人工智能，中國(guó)企業(yè)的比例也更高，反映出本土市場(chǎng)對(duì)于生成式人工智能技術(shù)潛力的高度認(rèn)可。

大模型競(jìng)爭(zhēng)與產(chǎn)業(yè)生態(tài)重構(gòu)

大模型行業(yè)的競(jìng)爭(zhēng)態(tài)勢(shì)日趨激烈，不同大模型之間的差異化也在逐步縮小，ChatGTP、DeepSeek等現(xiàn)象級(jí)產(chǎn)品為生成式人工智能產(chǎn)業(yè)帶來(lái)沖擊和機(jī)遇。其中，DeepSeek R1以極度開(kāi)源化的模式，讓企業(yè)能夠以低成本部署并應(yīng)用一個(gè)性能強(qiáng)大的模型，使得大模型行業(yè)加速進(jìn)入“商品化”或“平民化”階段。

Gartner將生成式人工智能技術(shù)邏輯架構(gòu)分為四個(gè)不同層次（圖2）：第一層是生成式人工智能的基礎(chǔ)架構(gòu)供應(yīng)商，包括IaaS、PaaS、AI芯片供應(yīng)商等，這些角色會(huì)在市場(chǎng)中不斷涌現(xiàn)并產(chǎn)生競(jìng)爭(zhēng)或“攪局”效應(yīng)；第二層是模型供應(yīng)商（Model Providers）；第三層是AI工程化，也就是把生成式人工智能模型從“測(cè)試、試點(diǎn)”推進(jìn)到“生產(chǎn)”階段的能力，這對(duì)于企業(yè)來(lái)說(shuō)至關(guān)重要；第四層則是生成式人工智能應(yīng)用或當(dāng)下熱門(mén)的“智能體”，它們能讓模型真正被終端用戶(hù)消費(fèi)和使用。

圖2 生成式人工智能技術(shù)邏輯架構(gòu)

“每家企業(yè)都需要考慮是否要自建或購(gòu)買(mǎi)這些不同層次的能力。對(duì)于很多企業(yè)而言，如今自建大模型已無(wú)太大意義，因?yàn)楝F(xiàn)有模型的能力已足夠成熟。如果想產(chǎn)生差異化，一方面可以考慮以更低成本獲得基礎(chǔ)架構(gòu)能力；另一方面就要思考是否需要投入AI工程化，或者如何搭建符合自身需求的應(yīng)用，尤其是在垂直行業(yè)或具體領(lǐng)域中，以便充分釋放生成式人工智能的價(jià)值。”孫鑫談到。

數(shù)據(jù)治理：AI時(shí)代的核心競(jìng)爭(zhēng)力

在大模型時(shí)代，數(shù)據(jù)的來(lái)源更加廣泛。企業(yè)日常運(yùn)營(yíng)中，員工與AI溝通時(shí)使用的自然語(yǔ)言，以及生成的圖片、視頻等內(nèi)容，都屬于非結(jié)構(gòu)化數(shù)據(jù)。因此，企業(yè)構(gòu)建系統(tǒng)化的非結(jié)構(gòu)化數(shù)據(jù)治理體系，已成為釋放人工智能效能的關(guān)鍵路徑。對(duì)此，Gartner提出了“AI就緒數(shù)據(jù)（AI-Ready data）”這一概念，強(qiáng)調(diào)數(shù)據(jù)要能適應(yīng)企業(yè)不同的應(yīng)用場(chǎng)景。在此基礎(chǔ)上，企業(yè)還要持續(xù)、實(shí)時(shí)關(guān)注數(shù)據(jù)質(zhì)量，有效規(guī)避“大模型幻覺(jué)”帶來(lái)的可信度風(fēng)險(xiǎn)。

當(dāng)前，新一代AI特定數(shù)據(jù)技術(shù)正在重塑企業(yè)數(shù)據(jù)治理格局，幫助企業(yè)更好地完成數(shù)據(jù)中臺(tái)建設(shè)，從而順利接入大模型和智能體的應(yīng)用場(chǎng)景。此外，部分?jǐn)?shù)據(jù)庫(kù)服務(wù)商也已推出“數(shù)據(jù)標(biāo)記”“合成數(shù)據(jù)”“數(shù)據(jù)豐富”等功能，甚至在數(shù)據(jù)庫(kù)層面直接引入提示工程，以確保企業(yè)數(shù)據(jù)能更好地為人工智能應(yīng)用做好準(zhǔn)備。

“在人工智能應(yīng)用生態(tài)中，數(shù)據(jù)管理極有可能成為企業(yè)的最后一條‘護(hù)城河’?！睂O鑫強(qiáng)調(diào)，“因?yàn)橥ㄓ玫臄?shù)據(jù)、通用的算法和通用的大模型已經(jīng)人人可得，例如DeepSeek或其它開(kāi)源模型，體量越來(lái)越小、性能越來(lái)越好，卻并不能給企業(yè)帶來(lái)真正的差異化。如果企業(yè)想要獲得新的營(yíng)業(yè)額增長(zhǎng)，必須基于自身的數(shù)據(jù)環(huán)境和企業(yè)特性，打造貼合業(yè)務(wù)需求的算法或模型。這一點(diǎn)對(duì)于未來(lái)企業(yè)部署大模型或推進(jìn)AI舉措至關(guān)重要?！?/p>

數(shù)據(jù)和分析（D&A）正在從一個(gè)小眾領(lǐng)域走向普及。與此同時(shí)，D&A領(lǐng)導(dǎo)者面臨的壓力已經(jīng)從“資源少、事情多”變成了“資源多、事情更多“，而且這項(xiàng)工作由于風(fēng)險(xiǎn)的增加而變得更具挑戰(zhàn)性。Gartner提出以下九大趨勢(shì)，將幫助D&A領(lǐng)導(dǎo)者應(yīng)對(duì)他們所面臨的壓力、期望和需求。

趨勢(shì)1：高消耗數(shù)據(jù)產(chǎn)品。為了充分利用高消耗數(shù)據(jù)產(chǎn)品，D&A領(lǐng)導(dǎo)者應(yīng)重點(diǎn)關(guān)注關(guān)鍵業(yè)務(wù)用例，通過(guò)產(chǎn)品關(guān)聯(lián)和規(guī)模化來(lái)減少數(shù)據(jù)交付方面的挑戰(zhàn)，優(yōu)先交付可重復(fù)使用和可組合的最小可行數(shù)據(jù)產(chǎn)品，以便讓團(tuán)隊(duì)不斷改進(jìn)這些產(chǎn)品。同時(shí)，D&A領(lǐng)導(dǎo)者還必須在數(shù)據(jù)生產(chǎn)和使用團(tuán)隊(duì)之間就關(guān)鍵績(jī)效指標(biāo)達(dá)成共識(shí)，這對(duì)于衡量數(shù)據(jù)產(chǎn)品的成功至關(guān)重要。

趨勢(shì)2：元數(shù)據(jù)管理解決方案。有效的元數(shù)據(jù)管理應(yīng)先從技術(shù)元數(shù)據(jù)出發(fā)，然后擴(kuò)展到業(yè)務(wù)元數(shù)據(jù)以增強(qiáng)上下文。通過(guò)整合各種類(lèi)型的元數(shù)據(jù)，企業(yè)能夠?qū)崿F(xiàn)數(shù)據(jù)目錄、數(shù)據(jù)脈絡(luò)和AI用例。因此，選擇有助于自動(dòng)發(fā)現(xiàn)和分析元數(shù)據(jù)的工具勢(shì)在必行。

趨勢(shì)3：多模態(tài)數(shù)據(jù)編織。建立強(qiáng)大的元數(shù)據(jù)管理實(shí)踐涉及獲取和分析整個(gè)數(shù)據(jù)管道中的元數(shù)據(jù)。數(shù)據(jù)編織提供的洞察和自動(dòng)化可滿(mǎn)足編排需求、通過(guò)數(shù)據(jù)運(yùn)維（DataOps）實(shí)現(xiàn)更卓越的運(yùn)營(yíng)，并最終實(shí)現(xiàn)數(shù)據(jù)產(chǎn)品。

趨勢(shì)4：合成數(shù)據(jù)。識(shí)別缺失、不完整或獲取成本高的數(shù)據(jù)對(duì)于推進(jìn)AI行動(dòng)至關(guān)重要。合成數(shù)據(jù)既可以作為原始數(shù)據(jù)的變體，也可以替代敏感數(shù)據(jù)，能夠在促進(jìn)AI發(fā)展的同時(shí)保護(hù)數(shù)據(jù)隱私。

趨勢(shì)5：代理式分析。使用AI智能體進(jìn)行數(shù)據(jù)分析，完成業(yè)務(wù)成果的自動(dòng)化閉環(huán)具有變革性意義。Gartner建議嘗試開(kāi)發(fā)自然語(yǔ)言接口連接業(yè)務(wù)洞察的用例，并評(píng)估供應(yīng)商的數(shù)字化工作場(chǎng)所應(yīng)用集成路線圖。同時(shí)，建立治理機(jī)制可最大程度地減少錯(cuò)誤和幻覺(jué)，并且通過(guò)AI就緒數(shù)據(jù)原則評(píng)估數(shù)據(jù)就緒度十分重要。

趨勢(shì)6：AI代理。AI代理對(duì)于滿(mǎn)足臨時(shí)的、靈活的或復(fù)雜的自適應(yīng)自動(dòng)化需求至關(guān)重要。企業(yè)不能僅僅依賴(lài)大語(yǔ)言模型（LLM），還需要采用其他形式的分析和AI技術(shù)。D&A領(lǐng)導(dǎo)者應(yīng)使AI代理能夠無(wú)縫訪問(wèn)和共享所有應(yīng)用的數(shù)據(jù)。

趨勢(shì)7：小語(yǔ)言模型。相比大語(yǔ)言模型，Gartner更推薦企業(yè)考慮使用小語(yǔ)言模型，以便在特定領(lǐng)域獲得更加準(zhǔn)確、更符合語(yǔ)境的AI輸出結(jié)果。Gartner建議提供用于檢索增強(qiáng)生成或微調(diào)自定義領(lǐng)域模型的數(shù)據(jù)，特別是在本地使用時(shí)，可以處理敏感數(shù)據(jù)并減少計(jì)算資源和成本。

趨勢(shì)8：復(fù)合型AI。多種AI技術(shù)的結(jié)合可提高AI的影響力和可靠性。D&A團(tuán)隊(duì)不應(yīng)局限于GenAI和LLM（大語(yǔ)言模型），還應(yīng)整合數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、知識(shí)圖譜以及優(yōu)化等技術(shù)，以實(shí)現(xiàn)全面的AI解決方案。

趨勢(shì)9：決策智能平臺(tái)。從數(shù)據(jù)驅(qū)動(dòng)到以決策為中心的轉(zhuǎn)變至關(guān)重要。Gartner建議采取的步驟包括：優(yōu)先考慮急需建模的業(yè)務(wù)決策、調(diào)整決策智能（DI）實(shí)踐、評(píng)估DI平臺(tái)。成功的關(guān)鍵在于重新發(fā)掘數(shù)據(jù)科學(xué)技術(shù)并解決決策自動(dòng)化的道德、法律和合規(guī)問(wèn)題。

02

人工智能技術(shù)驅(qū)動(dòng)企業(yè)數(shù)智化轉(zhuǎn)型 企業(yè)數(shù)智化轉(zhuǎn)型新范式及實(shí)踐路徑

當(dāng)前，企業(yè)數(shù)字化轉(zhuǎn)型面臨AI技術(shù)浪潮帶來(lái)的全新機(jī)遇。Gartner調(diào)研顯示，74%的CEO（首席執(zhí)行官）認(rèn)為人工智能將是對(duì)其行業(yè)影響最深遠(yuǎn)的技術(shù)。然而，現(xiàn)實(shí)困境同樣顯著：63%的員工表示尚未在核心業(yè)務(wù)中應(yīng)用生成式人工智能，反映出技術(shù)引入與應(yīng)用之間的差距。

孫鑫認(rèn)為，“企業(yè)高管們也逐漸認(rèn)識(shí)到，如果沒(méi)有充分利用生成式人工智能，或者沒(méi)有把這項(xiàng)技術(shù)培訓(xùn)給員工，對(duì)企業(yè)的影響可能非常深遠(yuǎn)。未來(lái)不一定是AI取代人，更有可能是能熟練運(yùn)用AI的人取代不使用AI的人。隨著更多業(yè)務(wù)人員學(xué)習(xí)并掌握AI技術(shù)，那些沒(méi)做好準(zhǔn)備的人，在職業(yè)發(fā)展上會(huì)面臨明顯劣勢(shì)。”

在此背景下，AI Agent的快速發(fā)展為企業(yè)提供了變革性的機(jī)遇。Gartner認(rèn)為，AI Agent是利用人工智能進(jìn)行感知、決策、采取行動(dòng)，并在數(shù)字或物理環(huán)境中自主或半自主地追求既定目標(biāo)的軟件實(shí)體。需要明確的是，大語(yǔ)言模型只是模型，不是AI Agent。而通過(guò)特定指令（如子程序）執(zhí)行的任務(wù)、來(lái)自機(jī)器人流程自動(dòng)化（RPA）工作流的自動(dòng)化過(guò)程、自動(dòng)化軟件中的功能、包括對(duì)話助手在內(nèi)的任何類(lèi)型的助手，以及像助手用戶(hù)體驗(yàn)（UX）這樣的界面，都不是AI Agent。真正的AI Agent具備適應(yīng)、規(guī)劃和獨(dú)立行動(dòng)的能力，能夠超越傳統(tǒng)的AI助手、機(jī)器人流程自動(dòng)化（RPA）工具與聊天機(jī)器人，在較長(zhǎng)時(shí)間內(nèi)實(shí)現(xiàn)組織的目標(biāo)。

然而，近一年來(lái)，出現(xiàn)了一種名為“Agent Washing”的現(xiàn)象，某些供應(yīng)商可能會(huì)夸大其產(chǎn)品的功能，重新品牌化現(xiàn)有技術(shù)為AI Agent，然而實(shí)際上卻未能驗(yàn)證這些AI Agent的真實(shí)能力。這種情況可能導(dǎo)致市場(chǎng)的混淆和誤導(dǎo)性的投資決策。為了有效挖掘AI Agent的潛力，同時(shí)降低與“Agent Washing”相關(guān)的風(fēng)險(xiǎn)，企業(yè)應(yīng)考慮以下戰(zhàn)略建議。

第一，建立定義的共識(shí)。企業(yè)應(yīng)在組織內(nèi)部確立對(duì)AI Agent及其功能的明確定義，創(chuàng)建潛在用例清單，以引導(dǎo)IT部門(mén)與業(yè)務(wù)單位進(jìn)行AI Agent的構(gòu)建。

第二，關(guān)注低風(fēng)險(xiǎn)試點(diǎn)。企業(yè)可以通過(guò)以低風(fēng)險(xiǎn)試點(diǎn)項(xiàng)目為起點(diǎn)，減少在展示商業(yè)價(jià)值時(shí)的不確定性，確保在進(jìn)行重大投資和廣泛實(shí)施之前，這些試點(diǎn)項(xiàng)目能夠提供具體的商業(yè)成果。

第三，審查供應(yīng)商聲明。企業(yè)需要仔細(xì)審查供應(yīng)商的聲明，要求提供與目標(biāo)用例類(lèi)似的部署案例參考。

第四，持續(xù)監(jiān)控。應(yīng)用開(kāi)發(fā)領(lǐng)導(dǎo)者應(yīng)持續(xù)監(jiān)控AI Agent的發(fā)展動(dòng)態(tài)，并深入了解不同產(chǎn)品在代理能力范圍內(nèi)的適配位置。

第五，技能發(fā)展。AI Agent技術(shù)發(fā)展迅速，企業(yè)需要具備評(píng)估和應(yīng)用這些技術(shù)的內(nèi)部能力。通過(guò)培訓(xùn)現(xiàn)有員工或引進(jìn)專(zhuān)業(yè)人才，企業(yè)可以建立自己的AI Agent知識(shí)庫(kù)，減少對(duì)供應(yīng)商的依賴(lài)，做出更加獨(dú)立和明智的決策。

第六，集成AI Agent能力。企業(yè)可以將AI Agent能力集成到產(chǎn)品和服務(wù)中，針對(duì)高價(jià)值用例進(jìn)行開(kāi)發(fā)，以增強(qiáng)生產(chǎn)力和決策能力，構(gòu)建強(qiáng)大且可擴(kuò)展的解決方案。

生成式人工智能在財(cái)務(wù)領(lǐng)域的應(yīng)用

在財(cái)務(wù)領(lǐng)域，人工智能技術(shù)的應(yīng)用已形成多維矩陣，當(dāng)前諸多實(shí)踐場(chǎng)景拓展了傳統(tǒng)AI或自動(dòng)化技術(shù)的應(yīng)用邊界。

首先是流程自動(dòng)化。傳統(tǒng)模式下，財(cái)務(wù)報(bào)表的編制和生成，需要經(jīng)歷冗長(zhǎng)的數(shù)據(jù)歸集與格式調(diào)整流程。而融合生成式人工智能的新型解決方案，可通過(guò)語(yǔ)義理解與動(dòng)態(tài)模板生成技術(shù)，實(shí)現(xiàn)端到端流程的自動(dòng)化處理，使得效率指數(shù)級(jí)提升。

其次是風(fēng)險(xiǎn)管控。在風(fēng)險(xiǎn)探查和異常值檢測(cè)方面，生成式人工智能具備獨(dú)特的數(shù)據(jù)處理優(yōu)勢(shì)。它不僅能夠穿透分析非結(jié)構(gòu)化合同文本，精準(zhǔn)識(shí)別重復(fù)支付、條款沖突等合規(guī)性風(fēng)險(xiǎn)；更可構(gòu)建動(dòng)態(tài)風(fēng)險(xiǎn)監(jiān)控模型，通過(guò)異常交易模式識(shí)別，將事后審計(jì)轉(zhuǎn)化為事中干預(yù)。

再次是財(cái)務(wù)預(yù)測(cè)與分析。生成式人工智能在財(cái)務(wù)預(yù)測(cè)與分析領(lǐng)域也有突破性應(yīng)用，借助時(shí)序數(shù)據(jù)建模與多變量分析，可覆蓋年度審計(jì)趨勢(shì)預(yù)判、現(xiàn)金流動(dòng)態(tài)推演等應(yīng)用場(chǎng)景。

最后是戰(zhàn)略決策支持。在運(yùn)維層面，生成式人工智能可以深度嵌入定價(jià)策略?xún)?yōu)化、管理會(huì)計(jì)分析等戰(zhàn)略領(lǐng)域?；谧匀徽Z(yǔ)言交互的智能對(duì)話系統(tǒng)，使得非技術(shù)背景的財(cái)務(wù)人員能夠通過(guò)語(yǔ)義指令，即時(shí)獲取多維度經(jīng)營(yíng)分析看板，以此重構(gòu)財(cái)務(wù)職能的價(jià)值定位。

盡管當(dāng)前財(cái)務(wù)領(lǐng)域已經(jīng)出現(xiàn)很多成熟的AI用例，但在Gartner的調(diào)研中，46%的財(cái)務(wù)主管仍坦言AI應(yīng)用的進(jìn)展滯后于預(yù)期。對(duì)此，孫鑫談到，“財(cái)務(wù)領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)的應(yīng)用普及度相對(duì)較低，其原因并非在于沒(méi)有需求，而是因?yàn)樨?cái)務(wù)人員對(duì)準(zhǔn)確度要求極高。如果在關(guān)鍵財(cái)務(wù)數(shù)據(jù)測(cè)算中出現(xiàn)數(shù)值偏差或小數(shù)點(diǎn)錯(cuò)位，其引發(fā)的連鎖反應(yīng)可能對(duì)企業(yè)經(jīng)營(yíng)產(chǎn)生重大影響。因此，面對(duì)本質(zhì)上帶有‘黑盒’屬性的大模型應(yīng)用，財(cái)務(wù)部門(mén)往往會(huì)更加謹(jǐn)慎，采取漸進(jìn)式接納策略，即先觀察其他部門(mén)應(yīng)用成效，再評(píng)估財(cái)務(wù)場(chǎng)景的適配性?！?/p>

然而，當(dāng)財(cái)務(wù)團(tuán)隊(duì)真正理解生成式人工智能對(duì)于財(cái)務(wù)的價(jià)值時(shí)，其技術(shù)應(yīng)用態(tài)度將發(fā)生顯著轉(zhuǎn)變。對(duì)于企業(yè)而言，關(guān)鍵在于構(gòu)建精準(zhǔn)的技術(shù)評(píng)估體系：一方面需要甄別具有實(shí)質(zhì)性?xún)r(jià)值的財(cái)務(wù)智能化培訓(xùn)方向，另一方面須建立清晰的技術(shù)應(yīng)用圖譜，向財(cái)務(wù)人員直觀展示人工智能技術(shù)在特定業(yè)務(wù)場(chǎng)景中的能力。只有這樣，才能真正提升財(cái)務(wù)人員的積極性和AI素養(yǎng)。

03

人工智能的未來(lái)技術(shù)突破與發(fā)展趨勢(shì)

當(dāng)前，市場(chǎng)對(duì)于AI Agent與大模型的技術(shù)期待仍處于高位。盡管現(xiàn)有AI Agent的應(yīng)用場(chǎng)景仍局限于特定任務(wù)，但企業(yè)用戶(hù)普遍對(duì)其功能深度和廣度抱有較高預(yù)期，這需要行業(yè)進(jìn)行合理的預(yù)期引導(dǎo)。從技術(shù)實(shí)現(xiàn)層面來(lái)看，AI Agent的發(fā)展面臨以下五大核心挑戰(zhàn)。

一是可靠性瓶頸。代理工作流程中通常有許多步驟，基于大模型的AI Agent系統(tǒng)在每個(gè)步驟都有出錯(cuò)的可能?！袄?，一個(gè)大模型代理需要調(diào)用十次不同的大模型，每個(gè)步驟出錯(cuò)率為 10%，則累積下來(lái)只有約三分之一的概率是正確的。對(duì)于很多關(guān)鍵任務(wù)，這樣的準(zhǔn)確度無(wú)法被企業(yè)接受。再比如，市面上一些對(duì)話式BI報(bào)表的開(kāi)源模型，正確率只有75%，對(duì)于某些高要求的企業(yè)來(lái)說(shuō)，這也是遠(yuǎn)遠(yuǎn)不夠的。”孫鑫解釋道。

二是規(guī)劃能力局限。規(guī)劃是代理的核心特征，即如何靈活地制訂一系列任務(wù)來(lái)實(shí)現(xiàn)預(yù)期目標(biāo)。普通大模型在規(guī)劃方面表現(xiàn)一般，復(fù)雜任務(wù)規(guī)劃則需要借助更強(qiáng)大的推理型大模型。然而，推理型大模型往往非常昂貴，也不一定能適配某些特定行業(yè)。雖然DeepSeek等專(zhuān)業(yè)模型展現(xiàn)出較強(qiáng)的推理能力，但對(duì)企業(yè)來(lái)說(shuō)仍需結(jié)合自身數(shù)據(jù)做進(jìn)一步訓(xùn)練和適配。

三是成本和延遲。很多智能體嚴(yán)重依賴(lài)對(duì)大模型的多次調(diào)用，這增加了生成輸出的潛在成本和時(shí)間。AI代理架構(gòu)可能包括反饋循環(huán)和多代理設(shè)置，這進(jìn)一步加劇了潛在的成本和延遲問(wèn)題。因此，企業(yè)需要衡量：每調(diào)用一次大模型都要付出成本，那么是否值得用AI Agent來(lái)完成某個(gè)特定工作？如果算力或工具的調(diào)用難以控制，企業(yè)就需要謹(jǐn)慎評(píng)估AI Agent帶來(lái)的投入產(chǎn)出比。

四是可解釋性缺失。大模型仍然是一個(gè)帶有概率特征的“黑箱”，幾乎無(wú)法真正“理解”自己的輸出或邏輯。因此，在設(shè)計(jì)AI Agent時(shí)，必須考慮到可解釋性的問(wèn)題，尤其是在合規(guī)或要求可審計(jì)的業(yè)務(wù)場(chǎng)景下，更要確保輸出過(guò)程可被溯源。

五是安全治理難題。隨著自主性提升，AI代理在規(guī)?；卫砼c安全方面更難管理。它們所觸發(fā)或參與的一系列事件與交互鏈，很可能對(duì)系統(tǒng)使用者不可見(jiàn)，也難以在事前進(jìn)行阻止。

未來(lái)，企業(yè)需要構(gòu)建一個(gè)“AI智能體訓(xùn)練環(huán)境”，讓智能體能在穩(wěn)定且數(shù)據(jù)充分的環(huán)境中理解數(shù)字化情境，從而在企業(yè)內(nèi)得到真正有效的應(yīng)用。具體來(lái)看，AI Agent的發(fā)展趨勢(shì)包括以下幾方面。

趨勢(shì)一：規(guī)劃和推理。缺乏規(guī)劃能力限制了AI代理的采用。未來(lái)，更先進(jìn)的模型會(huì)在規(guī)劃和推理能力上不斷提升，幫助智能體實(shí)現(xiàn)更高效、可靠的任務(wù)執(zhí)行，并且以更低成本的方式供企業(yè)使用。

趨勢(shì)二：大動(dòng)作模型。大動(dòng)作模型（LAMs）是經(jīng)過(guò)訓(xùn)練和優(yōu)化，生成一系列動(dòng)作以實(shí)現(xiàn)目標(biāo)的基礎(chǔ)模型。大模型本身就能執(zhí)行部分智能體操作，原生具備調(diào)用工具的能力，從而省去對(duì)智能體工作流的單獨(dú)設(shè)計(jì)。在硅谷，這種“讓模型通過(guò)強(qiáng)化學(xué)習(xí)與計(jì)算機(jī)界面交互，進(jìn)而完成一系列操作”的思路正在引發(fā)熱議。

趨勢(shì)三：多模態(tài)模型。多模態(tài)AI可以讓AI代理同時(shí)處理和理解多種形式的數(shù)據(jù)，包括文本、音頻、圖像和視頻。結(jié)合先進(jìn)的傳感器，這種能力將增強(qiáng)AI代理的感知能力，使系統(tǒng)能夠有效地與物理世界互動(dòng)。

趨勢(shì)四：神經(jīng)符號(hào)AI。神經(jīng)符號(hào)AI將機(jī)器學(xué)習(xí)（ML）方法和符號(hào)系統(tǒng)（例如知識(shí)圖譜）融合，以創(chuàng)造更強(qiáng)大、更值得信賴(lài)的AI模型。這種方法為AI代理提供了一個(gè)推理基礎(chǔ)設(shè)施，能夠以更有效、可靠的方式解決更廣泛的任務(wù)。

在新質(zhì)經(jīng)濟(jì)發(fā)展背景下，央國(guó)企等企業(yè)要順應(yīng)智能變革趨勢(shì)，以司庫(kù)建設(shè)為抓手，使其成為企業(yè)高質(zhì)量經(jīng)營(yíng)的核心動(dòng)能和基座，加快推進(jìn)財(cái)務(wù)數(shù)智化轉(zhuǎn)型。

《2024—2025年中國(guó)司庫(kù)報(bào)告》以“數(shù)智化動(dòng)能，共建中國(guó)式司庫(kù)”為主題，從高質(zhì)量發(fā)展和中國(guó)式司庫(kù)、司庫(kù)體系建設(shè)和管理重點(diǎn)、未來(lái)司庫(kù)洞察和發(fā)展趨勢(shì)三個(gè)視角展開(kāi)，全維度刻畫(huà)和勾勒中國(guó)式現(xiàn)代化司庫(kù)的發(fā)展全景。

《2024—2025年中國(guó)司庫(kù)報(bào)告》

（主報(bào)告+子報(bào)告）

點(diǎn)擊圖片，支持訂購(gòu)/試讀

值得一提的是，本次司庫(kù)報(bào)告通過(guò)收集、調(diào)研、訪談、對(duì)標(biāo)，形成了多類(lèi)型、多屬性、多規(guī)模、多階段的企業(yè)案例樣本庫(kù)，包括央企，國(guó)企，民企和上市公司等。此次，報(bào)告對(duì)標(biāo)桿案例進(jìn)行特別策劃、獨(dú)立成冊(cè)，即《標(biāo)桿案例集》，進(jìn)一步發(fā)揮司庫(kù)標(biāo)桿引領(lǐng)，持續(xù)挖掘具有借鑒意義和典型價(jià)值的中國(guó)司庫(kù)建設(shè)樣本。通過(guò)綜合實(shí)踐、卓越司庫(kù)和智慧財(cái)務(wù)三個(gè)維度加以展開(kāi)論述。

通過(guò)以上這幾個(gè)方面的內(nèi)容，本次司庫(kù)報(bào)告精心打磨33萬(wàn)字以上、123張數(shù)據(jù)圖表、63家企業(yè)案例和18家銀行案例，多視角、全方位展示中國(guó)企業(yè)司庫(kù)管理的發(fā)展視圖，共建中國(guó)式司庫(kù)。

訂購(gòu)平臺(tái)，微信小程序：財(cái)資知識(shí)云