21世紀經(jīng)濟報道記者 陳植 上海報道

隨著GPT技術(shù)興起，大模型與企業(yè)財務管理場景的融合日益緊密。

(相關資料圖)

過去一個月，用友、金蝶先后發(fā)布基于涵蓋企業(yè)財務管理的大模型產(chǎn)品。

用友網(wǎng)絡董事長兼CEO王文京向本報記者介紹，與單一領域的企業(yè)服務大模型不同，用友企業(yè)服務大模型產(chǎn)品YonGPT覆蓋財務、人力資源、營銷、研發(fā)、采購、制造、供應鏈、資產(chǎn)營運等多個場景，是具備多領域綜合智慧的企業(yè)服務大模型，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)財融合（如智能定價）、業(yè)管融合（如即時績效）等需求。

在王文京看來，隨著數(shù)智化轉(zhuǎn)型的推進，企業(yè)不僅需要數(shù)據(jù)服務，還重視智能化業(yè)務運營，用友企業(yè)服務大模型在智能經(jīng)營分析、智能生成銷售訂單、智能人才招聘、智能辦公、智能化知識服務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)財務管理場景的價值，主要體現(xiàn)在四大方面：

一是財務風險評估，利用大模型對企業(yè)的財務數(shù)據(jù)進行深度學習，可以快速準確地評估企業(yè)財務風險；

二是優(yōu)化財務預測，基于大規(guī)模深度學習模型的財務預測，可以為企業(yè)提供更準確的未來財務狀況預測，包括預測企業(yè)未來的收入、利潤、現(xiàn)金流等關鍵財務指標

三是財務決策指出，大模型可以通過對企業(yè)財務數(shù)據(jù)與市場信息的深度學習與分析，為企業(yè)優(yōu)化資金管理效率提供建議，幫助企業(yè)達成財務目標與優(yōu)化財務績效

四是財務欺詐檢測，大模型可以通過對財務數(shù)據(jù)進行深度學習與模型識別，幫助企業(yè)及時識別財務欺詐行為，包括對財務報表、交易記錄進行分析，大模型可以及時發(fā)現(xiàn)異常模式與規(guī)律，識別出潛在的財務欺詐風險，并提供預警與防范建議。

目前，不少企業(yè)對引入財務大模型與企業(yè)服務大模型頗感興趣。究其原因，一是在實際操作過程，企業(yè)財務人員對有些會計準則與會計處理不夠熟悉，容易出現(xiàn)操作錯誤，導致企業(yè)財務管理效率偏低，但大模型通過人機交互及時解答相關會計知識與以往企業(yè)會計操作案例，能有效降低操作出錯幾率；二是大模型可以迅速匯聚企業(yè)各方面的經(jīng)營數(shù)據(jù)，提升企業(yè)管理層的經(jīng)營決策效率。

在中國科學院院士何積豐看來，面向企業(yè)的大模型建設難度，不亞于通用大模型。究其原因，一是企業(yè)服務大模型更考驗研發(fā)機構(gòu)對企業(yè)業(yè)務場景的觸達與理解，以及對各個產(chǎn)業(yè)的數(shù)據(jù)積淀與運用能力；二是企業(yè)服務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)知識圖譜，才能滿足不同企業(yè)差異化的數(shù)智化業(yè)務管理與財務管理需求，這令企業(yè)大模型對產(chǎn)業(yè)知識的理解力要求更高。

一位ERP軟件研發(fā)企業(yè)負責人向記者直言，這的確給財務大模型與企業(yè)服務大模型帶來更嚴峻的挑戰(zhàn)。首當其沖的，就是大模型訓練的行業(yè)數(shù)據(jù)與企業(yè)數(shù)據(jù)未必齊全，因為有些企業(yè)基于商業(yè)機密與相關規(guī)定的要求，未必能提供所有的企業(yè)業(yè)務數(shù)據(jù)與財務數(shù)據(jù)，導致大模型AI生成內(nèi)容與預期會存在一些落差。要解決這個問題，一是大模型需引入更豐富的產(chǎn)業(yè)行業(yè)知識圖譜，填補某些企業(yè)數(shù)據(jù)不足的短板；二是持續(xù)與企業(yè)加強信任感，吸引他們愿意提供更多數(shù)據(jù)，提升大模型的訓練成效。

大模型試水財務管理的挑戰(zhàn)

一位企業(yè)財務總監(jiān)向記者透露，企業(yè)服務大模型與財務大模型剛面世，的確令他“眼睛一亮”，因為他希望大模型能解決企業(yè)財務管理環(huán)節(jié)實實在在的痛點。

具體而言，由于行業(yè)快速發(fā)展與市場競爭瞬息變化，企業(yè)管理層迫切需要實時掌握企業(yè)經(jīng)營狀況與財務數(shù)據(jù)變化，從而快速優(yōu)化經(jīng)營決策。但是，傳統(tǒng)的財務經(jīng)營分析方法仍高度依賴人工處理統(tǒng)計，不但效率低下，且容易產(chǎn)生偏差，令企業(yè)管理層相當不滿。

但他直言，在企業(yè)服務大模型與財務大模型被證明“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)務運營方面，大模型能通過強大的數(shù)據(jù)分析和預測能力，深入洞察企業(yè)運營、識別潛在的業(yè)務風險和機會，并提供智能化的解決方案。

二是在人機交互方面，大模型能與企業(yè)財務人員開展自然流暢的“對話交流”，解決財務人員提出的諸多數(shù)據(jù)收集、會計準則如何準確應用等問題，助力前者高效完成工作。

三是知識生成方面，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、以往會計處理案例的文字內(nèi)容等）進行識別，從而生成新的高價值知識內(nèi)容，令企業(yè)能充分使用自身知識儲備與行業(yè)經(jīng)驗，大幅提升工作效率與決策準確性。

四是在內(nèi)容應用生成方面，大模型能對企業(yè)需求、企業(yè)業(yè)務與數(shù)據(jù)特征有著深入理解，可以自動生成一些具有語義化能力的應用程序，提升企業(yè)個性化應用服務的創(chuàng)建效率。

用友網(wǎng)絡執(zhí)行副總裁兼CTO樊冠軍表示，這都需要大模型研發(fā)機構(gòu)積累足夠多的不同行業(yè)財務管理服務經(jīng)驗與知識圖譜。目前，該公司以35年服務數(shù)百萬企業(yè)所積累的行業(yè)知識經(jīng)驗為基礎，結(jié)合企業(yè)應用場景和行業(yè)領域經(jīng)驗，標記大量企業(yè)服務語料數(shù)據(jù)，從而形成企業(yè)服務大模型訓練素材，再將業(yè)務知識與行業(yè)領域經(jīng)驗融入企業(yè)服務大模型，確保大模型的專業(yè)性與實用性。

他透露，通過上下文記憶、知識/庫表索引、Prompt工程、Agent執(zhí)行、通用工具集等擴充大模型的存儲記憶、適配應用和調(diào)度執(zhí)行能力，再結(jié)合財稅、人力、供應鏈、研發(fā)等領域的知識和最佳實踐擴充大模型專業(yè)能力，目前已基本構(gòu)建了體系化的企業(yè)服務大模型。

“通過初期實踐，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)營需求，仍需對大模型做好持續(xù)性精調(diào)、提升大模型評估優(yōu)化、大模型推理與插件服務等功能?！狈谲娤蛴浾咧赋觥１热绮簧倨髽I(yè)在招募員工時，會考察相關職位所需的學歷與專業(yè)技能，這就需要大模型通過插件服務引入外部知識圖譜，以便企業(yè)更全面地了解這位職位的學歷要求與專業(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)諸多財務管理等場景得到應用。比如YonGPT在企業(yè)經(jīng)營洞察、智能訂單生成、供應商風控、動態(tài)庫存優(yōu)化、智能人才發(fā)現(xiàn)、智能招聘、智能預算分析、智能商旅費控、代碼生成等場景有所布局。

在上述企業(yè)財務總監(jiān)看來，這些大模型應用能否普及，關鍵在于它能否解決企業(yè)數(shù)智化轉(zhuǎn)型的諸多業(yè)務挑戰(zhàn)。比如基于大模型的企業(yè)收入經(jīng)營分析工具，能否幫助企業(yè)管理層實時掌控經(jīng)營狀況、快速洞察經(jīng)營問題所在并精準預測企業(yè)效益變化；再如能否快速解決企業(yè)財務人員對會計準則應用與企業(yè)會計操作的諸多疑惑，令知識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)服務大模型處于1.0階段，未來企業(yè)將持續(xù)迭代訓練YonGPT，不斷豐富基于大模型的各類企業(yè)服務，助力企業(yè)數(shù)智化轉(zhuǎn)型與智能化運營“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，盡管大模型在企業(yè)財務管理與企業(yè)智能化經(jīng)營服務領域的發(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，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)負責人向記者直言。但在實際操作環(huán)節(jié)，有些企業(yè)基于商業(yè)機密與相關規(guī)定要求，未必能提供全面的業(yè)務、財務核心數(shù)據(jù)用于大模型訓練，導致大模型訓練效果與企業(yè)預期存在一定的“落差”。

面對上述挑戰(zhàn)，一些財務大模型研發(fā)機構(gòu)只能另辟蹊徑。一是收集大量行業(yè)財務管理知識經(jīng)驗與財務處理實踐案例進行“填補”，作為大模型訓練的重要語料素材，但此舉收效如何，仍存在一些變數(shù)。畢竟有些企業(yè)存在獨特的財務管理與會計處理要求，未必與大模型訓練結(jié)果“相匹配”；二是“虛構(gòu)”一家企業(yè)進行模擬運營，由后者每天產(chǎn)生大量財務數(shù)據(jù)與業(yè)務數(shù)據(jù)，作為大模型訓練的語料基礎，此舉的好處是可以涵蓋不同行業(yè)企業(yè)的各類財務管理與會計處理規(guī)則，令大模型的適配性更強，但它需要的數(shù)據(jù)訓練量與訓練成本更高，令大模型研發(fā)者的財務負擔更大。

于是，一些中小型財務管理軟件公司干脆研發(fā)聚焦某些細分財務場景的大模型產(chǎn)品。比如市場已出現(xiàn)專注智能報稅的大模型產(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構(gòu)完成報稅，但在實際操作環(huán)節(jié)，由于不同企業(yè)的報稅流程與數(shù)據(jù)不一，第三方代理機構(gòu)財務人員的工作效率相對較低，每個人只能服務數(shù)十家小微企業(yè)。

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

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)對企業(yè)服務大模型與財務大模型的使用訴求，首先是業(yè)務經(jīng)營，其次是財務管理，再次是人力招聘等。

“在業(yè)務經(jīng)營端，不少企業(yè)特別看重大模型對企業(yè)業(yè)務經(jīng)營的診斷能力，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100萬元，那些人均產(chǎn)能只有70萬的同行業(yè)企業(yè)就對大模型給出的各類數(shù)據(jù)進行比較，分析人均產(chǎn)能低于行業(yè)平均水準，到底是企業(yè)生產(chǎn)管理流程出現(xiàn)短板，還是人員能力培訓方面存在不足，以此制定相應的解決方案?！彼嘎?，在財務管理端，不少在境內(nèi)外上市的企業(yè)需要根據(jù)不同的會計準則，做好相應的財務信息披露。但在實際操作環(huán)節(jié)，企業(yè)財務人員未必了解境內(nèi)外不同會計準則的差別，容易在會計處理方面出現(xiàn)差錯，大模型可以通過AI自動生成知識圖譜，幫助他們了解不同會計準則的處理方法，提升企業(yè)財務數(shù)據(jù)的準確性。

在他看來，大模型產(chǎn)品要成功應用在企業(yè)數(shù)智化經(jīng)營與智能財務管理場景，仍有很大上升空間。一方面企業(yè)服務大模型需在智能化業(yè)務運營、自然化人機交互、智慧化知識生成、語義化應用生成四個方面推進模型訓練與效果優(yōu)化，持續(xù)深入到企業(yè)業(yè)務前端的價值鏈與全場景，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)、大模型評估優(yōu)化、大模型推理和插件服務等，持續(xù)滿足企業(yè)數(shù)智化轉(zhuǎn)型過程的新需求。

關鍵詞：