《金蝶&上国会&百度&广东机场:2023财务数字员工白皮书(58页).pdf》由会员分享,可在线阅读,更多相关《金蝶&上国会&百度&广东机场:2023财务数字员工白皮书(58页).pdf(58页珍藏版)》请在三个皮匠报告上搜索。
1、主 编:赵燕锡 刘勤副主编:袁佛玉 韩革缨 杨西将专家委员会:吴忠生 刘丹彤 许洁 李扬编 审:宛涛 张鄂豫 张田彤 刘莉 肖徳时 梁秋霞 张文铭 方首宇 安秋编 写:肖远明 邹茂桃 候单单 薛原 蔡震 孟庆一白皮书编委会序言放眼当下,人工智能技术正在以令人惊叹的速度渗透到千行百业,加速企业运营模式和管理模式的创新,大模型的出现,更为企业数字化转型提供了新思路和新方向,成为引领科技革命和产业变革的重要力量。“数字员工”综合应用传统的信息系统与新兴的人工智能、数字人技术,是撬动企业数字化转型跃升的一大支点。在企业运营过程中,人类员工与数字员工协作的模式,将极大提升作业效能、运营效率和人均产能,助
2、力企业高质量发展。金蝶成立三十年,持续将新技术、新理念融入到服务企业的实践过程中。2022年,金蝶将IPA、大数据与虚拟数字人形象结合,推出首个EBC企业管理领域数字员工,重构人机交互模式。随着以ChatGPT为代表的大模型技术席卷全球,金蝶也构建出国内首个财务大模型,为数字员工解锁更多应用场景,强化其交互能力以及业务处理能力,给用户带来更愉悦的体验。数字经济时代,新技术驱动企业业务扩张,助力产业升级。金蝶通过“数字员工”帮助企业在财务等领域更便捷地应用新技术,更好地服务中国企业向新而行,蓬勃发展。主 编:赵燕锡 刘勤副主编:袁佛玉 韩革缨 杨西将专家委员会:吴忠生 刘丹彤 许洁 李扬编 审:
3、宛涛 张鄂豫 张田彤 刘莉 肖徳时 梁秋霞 张文铭 方首宇 安秋编 写:肖远明 邹茂桃 候单单 薛原 蔡震 孟庆一白皮书编委会序言放眼当下,人工智能技术正在以令人惊叹的速度渗透到千行百业,加速企业运营模式和管理模式的创新,大模型的出现,更为企业数字化转型提供了新思路和新方向,成为引领科技革命和产业变革的重要力量。“数字员工”综合应用传统的信息系统与新兴的人工智能、数字人技术,是撬动企业数字化转型跃升的一大支点。在企业运营过程中,人类员工与数字员工协作的模式,将极大提升作业效能、运营效率和人均产能,助力企业高质量发展。金蝶成立三十年,持续将新技术、新理念融入到服务企业的实践过程中。2022年,金
4、蝶将IPA、大数据与虚拟数字人形象结合,推出首个EBC企业管理领域数字员工,重构人机交互模式。随着以ChatGPT为代表的大模型技术席卷全球,金蝶也构建出国内首个财务大模型,为数字员工解锁更多应用场景,强化其交互能力以及业务处理能力,给用户带来更愉悦的体验。数字经济时代,新技术驱动企业业务扩张,助力产业升级。金蝶通过“数字员工”帮助企业在财务等领域更便捷地应用新技术,更好地服务中国企业向新而行,蓬勃发展。大模型加速财务智能化03021904金蝶云星瀚财务数字员工白皮书目录 第一章 新方向:数字员工引领下一代企业数字化 1.1 企业数字化转型去向何方 1.2 数字员工伴随新兴技术诞生成长 1.2
5、.1 RPA促使数字员工萌芽 1.2.2 IPA拓展数字员工能力范围 1.2.3 AIGC让数字员工迈向新纪元 1.2.4 元宇宙对数字员工发展的影响 1.3 数字员工应用分类 1.4 数字员工引领企业数字化发展 1.4.1 重构用户体验 1.4.2 重构作业方式 1.4.3 重构决策分析 1.4.4 重构员工技能要求 第二章 新探索:先行者已出发,后来者如何破局 2.1 万科崔筱盼 2.2 中信金控小信 2.3 广东机场小机灵 2.4 财务管理是数字员工最佳切入点4723第四章 新策略:大模型时代,伦理安全防控有道 3.3 业务平台层统一管理数字员工技能 3.3.1 数字员工管理平台 3.3
6、.2 数字员工通用技能 3.3.3 数字员工专业技能 3.4 场景化展现层充分释放AIGC能量 3.4.1 全员助手财务大模型服务人人 3.4.2 专业助手财务大模型综合应用 3.4.3 决策助手财务大模型赋能高层 第三章 新方案:财务数字员工重构的不只是表象 3.1 数字员工的三个层次 3.2 技术平台层整合智能化基础能力 3.2.1 苍穹GPT大模型平台 3.2.2 苍穹RPA服务云 3.2.3 苍穹AI服务云 4.1 可信可控 4.2 责任主体 4.3 知识产权 4.4 数据安全 5.1 元宇宙与数字员工发展相辅相成 5.2 AI产业变革加速数字员工发展 5.3 数字员工建设及发展分析第
7、五章 新发展:睹微知著,数字员工前途无限量533.2.4 财务大模型大模型加速财务智能化03021904金蝶云星瀚财务数字员工白皮书目录 第一章 新方向:数字员工引领下一代企业数字化 1.1 企业数字化转型去向何方 1.2 数字员工伴随新兴技术诞生成长 1.2.1 RPA促使数字员工萌芽 1.2.2 IPA拓展数字员工能力范围 1.2.3 AIGC让数字员工迈向新纪元 1.2.4 元宇宙对数字员工发展的影响 1.3 数字员工应用分类 1.4 数字员工引领企业数字化发展 1.4.1 重构用户体验 1.4.2 重构作业方式 1.4.3 重构决策分析 1.4.4 重构员工技能要求 第二章 新探索:先
8、行者已出发,后来者如何破局 2.1 万科崔筱盼 2.2 中信金控小信 2.3 广东机场小机灵 2.4 财务管理是数字员工最佳切入点4723第四章 新策略:大模型时代,伦理安全防控有道 3.3 业务平台层统一管理数字员工技能 3.3.1 数字员工管理平台 3.3.2 数字员工通用技能 3.3.3 数字员工专业技能 3.4 场景化展现层充分释放AIGC能量 3.4.1 全员助手财务大模型服务人人 3.4.2 专业助手财务大模型综合应用 3.4.3 决策助手财务大模型赋能高层 第三章 新方案:财务数字员工重构的不只是表象 3.1 数字员工的三个层次 3.2 技术平台层整合智能化基础能力 3.2.1
9、苍穹GPT大模型平台 3.2.2 苍穹RPA服务云 3.2.3 苍穹AI服务云 4.1 可信可控 4.2 责任主体 4.3 知识产权 4.4 数据安全 5.1 元宇宙与数字员工发展相辅相成 5.2 AI产业变革加速数字员工发展 5.3 数字员工建设及发展分析第五章 新发展:睹微知著,数字员工前途无限量533.2.4 财务大模型0504大模型加速财务智能化金蝶云星瀚财务数字员工白皮书第一章 新方向:数字员工引领下一代企业数字化1.1 企业数字化转型去向何方图1-1 2022年,金蝶发布首个EBC企业管理领域数字员工近年来,企业对于数字化的认知越来越深入,建立了越来越多的信息系统,积累了越来越多的
10、数据。为应对市场的动态变化,企业需要整合业务系统的流程和数据,保障数据流转顺畅、口径一致、可实时获取,帮助企业管理者精准、敏捷地进行分析决策。然而,由于业务的动态变化,各个系统建立时间不同、目标不同、用户不同,难以统一的规划。因此,企业需要投入大量资源来处理业务协同和数据治理工作,这也是数字化转型的源动力。过去,企业通过异构系统间的接口,实现数据传递和业务协同,但接口的变动往往会扰乱系统正常的生命周期,导致企业付出额外的成本升级改造现有系统。RPA(Robotic process automation,机器人流程自动化)技术的应用让这一问题得以改善,RPA通过模拟人工控制鼠标键盘,完成登录系统
11、、处理任务、传递数据等工作,减少了系统接口开发。系统数据爆发增长、海量集聚,为人工智能的发展奠定了基础。RPA与大数据、AI(Artificial Intelligence,人工智能)等技术相结合,可以适用于更广泛的业务场景。结合数字化技术发展,以及劳动力市场和用工模式分析,全球知名咨询公司麦肯锡于2022年发布数字化劳动力全力激活人效潜能,助力企业行稳致远白皮书,提出了“数字员工”的概念,以及人类员工与数字员工协作关系的观点企业在传统劳动力与数字化劳动力的结合下,企业可建立“智能员工队伍”。虚拟数字人的技术发展,给系统使用体验提供了新的方向。金蝶将RPA、AI、大数据与虚拟数字人形象结合,于
12、2022年推出了首个EBC企业管理领域数字员工。给企业数字化转型提供了新的思路,重构人机交互模式,可以给用户带来更愉悦的体验。随着ChatGPT的出现,人们意识到AIGC(Artificial Intelligence Generated Content,生成式人工智能)可能会给企业数字化转型带来更多的变革,技术人员开始关注ChatGPT底层的LLM(Large Language Model,大规模语言模型)对AI发展的巨大潜力。金蝶也构建了财务大模型,强化数字员工的交互能力以及业务处理能力。0504大模型加速财务智能化金蝶云星瀚财务数字员工白皮书第一章 新方向:数字员工引领下一代企业数字化1
13、.1 企业数字化转型去向何方图1-1 2022年,金蝶发布首个EBC企业管理领域数字员工近年来,企业对于数字化的认知越来越深入,建立了越来越多的信息系统,积累了越来越多的数据。为应对市场的动态变化,企业需要整合业务系统的流程和数据,保障数据流转顺畅、口径一致、可实时获取,帮助企业管理者精准、敏捷地进行分析决策。然而,由于业务的动态变化,各个系统建立时间不同、目标不同、用户不同,难以统一的规划。因此,企业需要投入大量资源来处理业务协同和数据治理工作,这也是数字化转型的源动力。过去,企业通过异构系统间的接口,实现数据传递和业务协同,但接口的变动往往会扰乱系统正常的生命周期,导致企业付出额外的成本升
14、级改造现有系统。RPA(Robotic process automation,机器人流程自动化)技术的应用让这一问题得以改善,RPA通过模拟人工控制鼠标键盘,完成登录系统、处理任务、传递数据等工作,减少了系统接口开发。系统数据爆发增长、海量集聚,为人工智能的发展奠定了基础。RPA与大数据、AI(Artificial Intelligence,人工智能)等技术相结合,可以适用于更广泛的业务场景。结合数字化技术发展,以及劳动力市场和用工模式分析,全球知名咨询公司麦肯锡于2022年发布数字化劳动力全力激活人效潜能,助力企业行稳致远白皮书,提出了“数字员工”的概念,以及人类员工与数字员工协作关系的观点
15、企业在传统劳动力与数字化劳动力的结合下,企业可建立“智能员工队伍”。虚拟数字人的技术发展,给系统使用体验提供了新的方向。金蝶将RPA、AI、大数据与虚拟数字人形象结合,于2022年推出了首个EBC企业管理领域数字员工。给企业数字化转型提供了新的思路,重构人机交互模式,可以给用户带来更愉悦的体验。随着ChatGPT的出现,人们意识到AIGC(Artificial Intelligence Generated Content,生成式人工智能)可能会给企业数字化转型带来更多的变革,技术人员开始关注ChatGPT底层的LLM(Large Language Model,大规模语言模型)对AI发展的巨大潜
16、力。金蝶也构建了财务大模型,强化数字员工的交互能力以及业务处理能力。0706金蝶云星瀚财务数字员工白皮书1.2 数字员工伴随新兴技术诞生成长1.2.1 RPA促使数字员工萌芽报告生成需求背景从内外网获取信息,并整合为Excel/Word/PPT等定时定期触发,从Web获取信息,没有现成接口人工处理耗时耗力RPA技术典型应用场景包括:数据迁移与录入需求背景适用场景邮件发送需求背景从多个系统中提取数据,生成电子邮件并批量发送批量生成邮件,定时定期触发适用场景电子账单发送,系统提醒等适用场景财务报表,销售业绩报表,同业分析/竞争分析报告,HR报告等RPA最早可追溯到1994年微软发布Excel 5.
17、0中宏指令(Macroinstruction)功能。由于可以模拟人类在计算机等数字化设备中的操作,因而在应对大量、简单、重复的工作方面、尤其是跨系统的场景下作用突出。RPA的发展和普及,将数字化系统的自动化能力从单一系统的内部拓展到构建数字化企业的全部业务系统,甚至外部系统。例如借助RPA构建的企业报税机器人,可以按照企业税务系统输出的纳税申报表,模拟人的操作,完成登录税局系统、填报提交数据、纳税申报,这对于经营范围广泛、业务主体复杂、涉及税种多样、需要登录多地税局的企业是巨大的福音。很多公司将企业内部的自动化应用也称之为数字员工,RPA也可以看作是数字员工的早期形态。RPA除了可以独立工作,
18、还可以和人合作,释放员工压力,让人集中注意力于关键环节,处理更有增值潜力的任务,RPA关键特色是无需系统改造,直接使用人机界面来处理业务和数据,是低成本高回报的自动化技术,RPA有如下特点:模拟手工作业,但可以避免人为错误,提高工作精度和准确性;不受制于底层IT基础设施,在用户界面运行;7*24小时工作,每个动作都可追踪;机器人的数量以及处理能力在企业层面可按需扩展;入门简单、易学习、易掌握。大模型加速财务智能化图1-2 RPA机器人适用场景由于RPA完全模拟人工处理事务,数字员工的概念也随之被提出,在数字化转型的浪潮中,企业探索将RPA技术应用于各个领域,例如财务、人力资源、客户服务等。然而
19、,RPA技术不适用于需要高度创造性和创新性的工作,以及需要与人类进行复杂交互的场景。1数据处理机器人机器人自动完成跨系统的数据操作,内部系统之间、内部与外部系统之间、系统与文档之间等。同业分析机器人机器人自动访问监管机构或其它外部机构网络,下载相关的文档或数据,读取数据并进行相应的加工处理。监管报送类机器人机器人根据行业监管机构的要求,例如:银保监会,自动到相关系统中取数,生成符合监管要求的文档,并自动发送。23456789报表处理机器人开户辅助机器人账单催收机器人机器人自动登录的业务系统,下载相关的报表数据,之后按照既定的规则对数据进行加工处理,并邮件通知相关人员。机器人自动提取企业对公账户
20、开立的申请信息,登录人行、工商的网站系统,录入企业信息进行查验,记录查验结果并通知指定人员。机器人自动获取需要催收的客户清单数据,按照既定的模板,完成邮件催收工作。工单处理机器人税务申报机器人发票处理机器人.机器人自动登录工单系统,按照既定的规则查找对应的工单(例如:汽车分期客户收集工单等),并进行工单处理。机器人自动在财务系统(或固定的申报表)读取相关的财税数据,并填入金税系统中完成税务申报。机器人自动完成增值税专用发票的校验、归档、查询与检索、以及税务系统的下载与校验等工作。当异构系统需要进行数据连接,但部分系统未开放数据接口时,需要人工使用CSV等格式手动迁移数据未开通银企直连但又需要从
21、ERP向网银传输付款单据,或从网银向ERP传输交易流水等数据等银企数据交互场景,以及报税系统录入,车险申报等场景0706金蝶云星瀚财务数字员工白皮书1.2 数字员工伴随新兴技术诞生成长1.2.1 RPA促使数字员工萌芽报告生成需求背景从内外网获取信息,并整合为Excel/Word/PPT等定时定期触发,从Web获取信息,没有现成接口人工处理耗时耗力RPA技术典型应用场景包括:数据迁移与录入需求背景适用场景邮件发送需求背景从多个系统中提取数据,生成电子邮件并批量发送批量生成邮件,定时定期触发适用场景电子账单发送,系统提醒等适用场景财务报表,销售业绩报表,同业分析/竞争分析报告,HR报告等RPA最
22、早可追溯到1994年微软发布Excel 5.0中宏指令(Macroinstruction)功能。由于可以模拟人类在计算机等数字化设备中的操作,因而在应对大量、简单、重复的工作方面、尤其是跨系统的场景下作用突出。RPA的发展和普及,将数字化系统的自动化能力从单一系统的内部拓展到构建数字化企业的全部业务系统,甚至外部系统。例如借助RPA构建的企业报税机器人,可以按照企业税务系统输出的纳税申报表,模拟人的操作,完成登录税局系统、填报提交数据、纳税申报,这对于经营范围广泛、业务主体复杂、涉及税种多样、需要登录多地税局的企业是巨大的福音。很多公司将企业内部的自动化应用也称之为数字员工,RPA也可以看作是
23、数字员工的早期形态。RPA除了可以独立工作,还可以和人合作,释放员工压力,让人集中注意力于关键环节,处理更有增值潜力的任务,RPA关键特色是无需系统改造,直接使用人机界面来处理业务和数据,是低成本高回报的自动化技术,RPA有如下特点:模拟手工作业,但可以避免人为错误,提高工作精度和准确性;不受制于底层IT基础设施,在用户界面运行;7*24小时工作,每个动作都可追踪;机器人的数量以及处理能力在企业层面可按需扩展;入门简单、易学习、易掌握。大模型加速财务智能化图1-2 RPA机器人适用场景由于RPA完全模拟人工处理事务,数字员工的概念也随之被提出,在数字化转型的浪潮中,企业探索将RPA技术应用于各
24、个领域,例如财务、人力资源、客户服务等。然而,RPA技术不适用于需要高度创造性和创新性的工作,以及需要与人类进行复杂交互的场景。1数据处理机器人机器人自动完成跨系统的数据操作,内部系统之间、内部与外部系统之间、系统与文档之间等。同业分析机器人机器人自动访问监管机构或其它外部机构网络,下载相关的文档或数据,读取数据并进行相应的加工处理。监管报送类机器人机器人根据行业监管机构的要求,例如:银保监会,自动到相关系统中取数,生成符合监管要求的文档,并自动发送。23456789报表处理机器人开户辅助机器人账单催收机器人机器人自动登录的业务系统,下载相关的报表数据,之后按照既定的规则对数据进行加工处理,并
25、邮件通知相关人员。机器人自动提取企业对公账户开立的申请信息,登录人行、工商的网站系统,录入企业信息进行查验,记录查验结果并通知指定人员。机器人自动获取需要催收的客户清单数据,按照既定的模板,完成邮件催收工作。工单处理机器人税务申报机器人发票处理机器人.机器人自动登录工单系统,按照既定的规则查找对应的工单(例如:汽车分期客户收集工单等),并进行工单处理。机器人自动在财务系统(或固定的申报表)读取相关的财税数据,并填入金税系统中完成税务申报。机器人自动完成增值税专用发票的校验、归档、查询与检索、以及税务系统的下载与校验等工作。当异构系统需要进行数据连接,但部分系统未开放数据接口时,需要人工使用CS
26、V等格式手动迁移数据未开通银企直连但又需要从ERP向网银传输付款单据,或从网银向ERP传输交易流水等数据等银企数据交互场景,以及报税系统录入,车险申报等场景金蝶云星瀚财务数字员工白皮书大模型加速财务智能化09081.2.2 IPA拓展数字员工能力范围光学字符识别技术:OCR(Optical Character Recognition)需求背景将扫描文档,图片,PDF通过屏幕抓取,OCR 识别,提取其中有用字段信息,录入到系统中或与系统中已有信息做比对验证解决人工识别、填写、验证工作耗时、易出错的问题?需求背景系统中有大量合同文本、单据备注、摘要等非结构化的数据,更精细化的管理需要从这些非结构化
27、数据中提取关键信息,以便后续审核及数据分析使用针对移动端、大屏等不方便使用键盘输入的设备,提供语音交互的能力适用场景证件票据验证:发票验真、证照对比、空头支票查询 纸质文件录入:保单录入、纸质订单录入等适用场景非结构化信息识别:合同条款、收款单摘要、发票备注等语音交互:出差申请、差标查询、商旅预定、语言客服等机器学习:ML(Machine Learning)需求背景复杂业务场景下,梳理业务规则、配置系统参数或规则引擎工作量巨大业务变化引发大量系统维护工作,且容易产生疏漏适用场景单据审核:基于历史数据,利用机器学习算法发掘审单逻辑,为审核人员提供决策参考,或在流程中某些节点直接完成审核工作共享质
28、检:基于历史数据,利用机器学习算法发掘风险因素,抓取高风险单据提交人工质检,提升质检质量IPA(Intelligent Process Automation,智能流程自动化)技术是由RPA技术和NLP自然语言处理、OCR图像识别和机器学习等AI人工智能技术组合而成的迭代版技术,使RPA触达物理世界,并且在执行流程的同时进行智能判断、纠错,从而进一步提升数字员工的工作效率和灵活性,数字员工也能适用于更多的场景、支持更加个性化的服务。IPA技术有助于提高数字员工的服务质量和客户满意度。IPA引入的机器学习技术,可以借助大量的数据训练和算法优化,也让数字员工有了学习成长的能力。但IPA技术需要更加复
29、杂的开发和维护,需要专业的技术人员和团队进行支持和优化。因此,通过构建数字员工解决方案,需要将业务管理和技术运维工作分离,通过数字员工管理界面,展现通俗的、业务化的语言以及图形化交互的管理界面,能够让人类员工更好地应用IPA技术。1.2.3 AIGC让数字员工迈向新纪元过去几年,财务管理、税务管理、人力资源管理等系统不断融入RPA、AI等新技术,但传统的AI 针对特定应用场景需求进行训练,能完成特定任务,换到另外一个应用场景中可能并不适用。而在LaMDA、GPT-3、Gophper、文心一言等大模型训练过程中,科学家们观测到,当训练量超过某个阈值的时候,模型的精度会突然暴增,这就是大数据模型中
30、的“涌现”(emergence)现象。正是这一现象,使得大模型越来越聪明。相比于传统的AI,大模型封装知识更多,包括互联网知识库、书籍、代码库等海量知识;泛化能力强,能够自学习,自推理、举一反三;生成能力强,涵盖文本、图像、语音、视频等;使用门槛低,边际成本低,可广泛应用。能极好地理解和把握用户意图,具有良好的多轮沟通对话、记忆、归纳和演绎能力。AIGC实现了企业管理领域从计算智能、感知智能再到认知智能的跨越式进步。符号逻辑推理深度神经网络大模型技术突破,开启AI新范式图灵测试XCON专家系统AlexNet深度卷积网络AlphaGoTransformerGPT-3大模型ChatGPT通用大模型
31、Bloomberg GPT垂类大模型1950年图灵提出对“智能”的测试标准1980年首个成功商业化运行的专家系统2012年深度学习的首个显著成果2016年深度强化学习智能程序打败人类专家2017年自注意力机制优化学习过程2020年投喂海量学习数据更接近人脑2022年交互式有反馈像人一样聊天2023年彭博金融垂直大模型图1-3 大模型技术发展路径自然语言处理:NLP(Natural Language Processing)/语音识别:ASR(Automatic Speech Recognition)金蝶云星瀚财务数字员工白皮书大模型加速财务智能化09081.2.2 IPA拓展数字员工能力范围光学
32、字符识别技术:OCR(Optical Character Recognition)需求背景将扫描文档,图片,PDF通过屏幕抓取,OCR 识别,提取其中有用字段信息,录入到系统中或与系统中已有信息做比对验证解决人工识别、填写、验证工作耗时、易出错的问题?需求背景系统中有大量合同文本、单据备注、摘要等非结构化的数据,更精细化的管理需要从这些非结构化数据中提取关键信息,以便后续审核及数据分析使用针对移动端、大屏等不方便使用键盘输入的设备,提供语音交互的能力适用场景证件票据验证:发票验真、证照对比、空头支票查询 纸质文件录入:保单录入、纸质订单录入等适用场景非结构化信息识别:合同条款、收款单摘要、发票
33、备注等语音交互:出差申请、差标查询、商旅预定、语言客服等机器学习:ML(Machine Learning)需求背景复杂业务场景下,梳理业务规则、配置系统参数或规则引擎工作量巨大业务变化引发大量系统维护工作,且容易产生疏漏适用场景单据审核:基于历史数据,利用机器学习算法发掘审单逻辑,为审核人员提供决策参考,或在流程中某些节点直接完成审核工作共享质检:基于历史数据,利用机器学习算法发掘风险因素,抓取高风险单据提交人工质检,提升质检质量IPA(Intelligent Process Automation,智能流程自动化)技术是由RPA技术和NLP自然语言处理、OCR图像识别和机器学习等AI人工智能技
34、术组合而成的迭代版技术,使RPA触达物理世界,并且在执行流程的同时进行智能判断、纠错,从而进一步提升数字员工的工作效率和灵活性,数字员工也能适用于更多的场景、支持更加个性化的服务。IPA技术有助于提高数字员工的服务质量和客户满意度。IPA引入的机器学习技术,可以借助大量的数据训练和算法优化,也让数字员工有了学习成长的能力。但IPA技术需要更加复杂的开发和维护,需要专业的技术人员和团队进行支持和优化。因此,通过构建数字员工解决方案,需要将业务管理和技术运维工作分离,通过数字员工管理界面,展现通俗的、业务化的语言以及图形化交互的管理界面,能够让人类员工更好地应用IPA技术。1.2.3 AIGC让数
35、字员工迈向新纪元过去几年,财务管理、税务管理、人力资源管理等系统不断融入RPA、AI等新技术,但传统的AI 针对特定应用场景需求进行训练,能完成特定任务,换到另外一个应用场景中可能并不适用。而在LaMDA、GPT-3、Gophper、文心一言等大模型训练过程中,科学家们观测到,当训练量超过某个阈值的时候,模型的精度会突然暴增,这就是大数据模型中的“涌现”(emergence)现象。正是这一现象,使得大模型越来越聪明。相比于传统的AI,大模型封装知识更多,包括互联网知识库、书籍、代码库等海量知识;泛化能力强,能够自学习,自推理、举一反三;生成能力强,涵盖文本、图像、语音、视频等;使用门槛低,边际
36、成本低,可广泛应用。能极好地理解和把握用户意图,具有良好的多轮沟通对话、记忆、归纳和演绎能力。AIGC实现了企业管理领域从计算智能、感知智能再到认知智能的跨越式进步。符号逻辑推理深度神经网络大模型技术突破,开启AI新范式图灵测试XCON专家系统AlexNet深度卷积网络AlphaGoTransformerGPT-3大模型ChatGPT通用大模型Bloomberg GPT垂类大模型1950年图灵提出对“智能”的测试标准1980年首个成功商业化运行的专家系统2012年深度学习的首个显著成果2016年深度强化学习智能程序打败人类专家2017年自注意力机制优化学习过程2020年投喂海量学习数据更接近人
37、脑2022年交互式有反馈像人一样聊天2023年彭博金融垂直大模型图1-3 大模型技术发展路径自然语言处理:NLP(Natural Language Processing)/语音识别:ASR(Automatic Speech Recognition)1110大模型加速财务智能化金蝶云星瀚财务数字员工白皮书大模型具备更大规模的神经网络,比如GPT-4参数数量达1.76万亿,而大量参数带来的“涌现”能力,让智能化更上一个台阶,促进了AIGC的发展,因此,各大厂商纷纷开始自己的大模型研发。2023世界人工智能大会更是以“智联世界 生成未来”主题,聚焦AIGC。大会发布了30余款基础大模型和垂直大模型,
38、市场已展现出“百模大战”的态势。根据Gartner于7月19日发布了2023年AI成熟度曲线,生成式AI已经从去年的innovation trigger(启动期)上升到了 peak of inflated expectations(热门关注期),表明人们对大模型和生成式AI的发展预期非常看好,生成式AI已经进入行业应用发展的快车道。Hype Cycle for Artificial Intelligence,2023EXPECTATIONSInnovationTriggerPeak of InflatedExpectationsTrough of DisillusionmentSlope of
39、 EnlightenmentPlateau ofProductivityAs of July 2023Plateau will be reached:10 yrs.Obsolete before plateauAutonomic SystemsFirst-Principles AIMultiagent SystemsNeuro-Symbolic AICausal AIAI SimulationAI EngineeringData-Centric AIComposite AIOperational AI SystemsAI TRiSMDecision lntelligenceArtificial
40、 General IntelligencePrompt EngineeringNeuromorphic ComputingResponsible AISmart RobotsGenerativeFoundationModelsSynthetic DataModel OpsEdge AIKnowledge GraphsAI Maker and Teaching KitsAutonomous VehiclesIntelligent ApplicationsCloud AI ServicesData Labelingand AnnotationComputer Vision图1-4 2023年AI技
41、术成熟度曲线(Gartner)更广泛的文档信息提取需求背景传统OCR技术,需要预先定义识别目标的模板,目前大多用于识别发票这种固定格式的文件,但难以应对合同及附件等格式差异大且结构化程度不高的文件;基于财务大模型+规则的技术方案,可以实现更通用、效果更好的多领域文档信息提取适用场景识别合同及附件等非结构化数据,简单修改后即可将提取内容填入业务单据数字员工自主提取摘要信息,或自定义字段抓取数据而Gartner去年Predicts2022:Generative AI Is Poised to Revolutionize Digital Product Development(2022年预测:生成式
42、AI有望颠覆数字产品开发)的报告中提到,到2026年,将有60%的新网站和移动应用工作由生成式AI完成,将有超过1亿员工与合成虚拟同事(数字员工)合作完成工作。生成式AI让数字员工适用于更多的场景,显然当前的市场态势将加速推进数字员工发展进程,推进数字员工发展进入新纪元,形成爆发式增长。金蝶借助财务大模型,也将为数字员工解锁更多应用场景,当前已经实现的部分功能包括:更快速的知识库构建需求背景传统的知识库构建需要通过人工整理知识库素材并上传 企业庞大的制度发文、业务规则,需要耗费大量成本维护更新适用场景用户在对话平台上传文档,例如公司管理制度、产品发文等,自动生成问答技能及推荐引导语,无需人工维
43、护更新时同样仅需上传文档并测试,大大降低知识库维护成本更聪明个性的数字助理需求背景基于知识库的对话机器人,往往需要限定对话场景、超出范围的答复较为生硬利用GPT兜底闲聊、并赋予不同机器人不同性格特征,让数字员工更智能,具有个性化人格适用场景更更个性:预置不同性格特征的对话风格,提供更拟人化的交互更智能:除了企业知识库,可回答任何常识性问题1110大模型加速财务智能化金蝶云星瀚财务数字员工白皮书大模型具备更大规模的神经网络,比如GPT-4参数数量达1.76万亿,而大量参数带来的“涌现”能力,让智能化更上一个台阶,促进了AIGC的发展,因此,各大厂商纷纷开始自己的大模型研发。2023世界人工智能大
44、会更是以“智联世界 生成未来”主题,聚焦AIGC。大会发布了30余款基础大模型和垂直大模型,市场已展现出“百模大战”的态势。根据Gartner于7月19日发布了2023年AI成熟度曲线,生成式AI已经从去年的innovation trigger(启动期)上升到了 peak of inflated expectations(热门关注期),表明人们对大模型和生成式AI的发展预期非常看好,生成式AI已经进入行业应用发展的快车道。Hype Cycle for Artificial Intelligence,2023EXPECTATIONSInnovationTriggerPeak of Inflate
45、dExpectationsTrough of DisillusionmentSlope of EnlightenmentPlateau ofProductivityAs of July 2023Plateau will be reached:10 yrs.Obsolete before plateauAutonomic SystemsFirst-Principles AIMultiagent SystemsNeuro-Symbolic AICausal AIAI SimulationAI EngineeringData-Centric AIComposite AIOperational AI
46、SystemsAI TRiSMDecision lntelligenceArtificial General IntelligencePrompt EngineeringNeuromorphic ComputingResponsible AISmart RobotsGenerativeFoundationModelsSynthetic DataModel OpsEdge AIKnowledge GraphsAI Maker and Teaching KitsAutonomous VehiclesIntelligent ApplicationsCloud AI ServicesData Labe
47、lingand AnnotationComputer Vision图1-4 2023年AI技术成熟度曲线(Gartner)更广泛的文档信息提取需求背景传统OCR技术,需要预先定义识别目标的模板,目前大多用于识别发票这种固定格式的文件,但难以应对合同及附件等格式差异大且结构化程度不高的文件;基于财务大模型+规则的技术方案,可以实现更通用、效果更好的多领域文档信息提取适用场景识别合同及附件等非结构化数据,简单修改后即可将提取内容填入业务单据数字员工自主提取摘要信息,或自定义字段抓取数据而Gartner去年Predicts2022:Generative AI Is Poised to Revolut
48、ionize Digital Product Development(2022年预测:生成式AI有望颠覆数字产品开发)的报告中提到,到2026年,将有60%的新网站和移动应用工作由生成式AI完成,将有超过1亿员工与合成虚拟同事(数字员工)合作完成工作。生成式AI让数字员工适用于更多的场景,显然当前的市场态势将加速推进数字员工发展进程,推进数字员工发展进入新纪元,形成爆发式增长。金蝶借助财务大模型,也将为数字员工解锁更多应用场景,当前已经实现的部分功能包括:更快速的知识库构建需求背景传统的知识库构建需要通过人工整理知识库素材并上传 企业庞大的制度发文、业务规则,需要耗费大量成本维护更新适用场景用
49、户在对话平台上传文档,例如公司管理制度、产品发文等,自动生成问答技能及推荐引导语,无需人工维护更新时同样仅需上传文档并测试,大大降低知识库维护成本更聪明个性的数字助理需求背景基于知识库的对话机器人,往往需要限定对话场景、超出范围的答复较为生硬利用GPT兜底闲聊、并赋予不同机器人不同性格特征,让数字员工更智能,具有个性化人格适用场景更更个性:预置不同性格特征的对话风格,提供更拟人化的交互更智能:除了企业知识库,可回答任何常识性问题1312大模型加速财务智能化金蝶云星瀚财务数字员工白皮书1.2.4 元宇宙对数字员工发展的影响元宇宙就是现实世界和虚拟世界的融合。根据马修鲍尔元宇宙改变一切一书对元宇宙
50、的场景定义:“大规模、可互操作的网络,能够实时渲染 3D 虚拟世界,借助大量连续性数据,如身份、历史、权利、对象、通信和支付等,可以让无限数量的用户体验实时同步和持续有效的在场感。”元宇宙不是具体某一项技术,而是包括了人工智能、大数据、云计算、物联网、区块链等多种新兴科技的组合应用。这样的场景需要大算力、大数据的支持,需要人机交互模式的变革,也需要大量的虚拟内容、场景让虚实融合更自然。AIGC的出现无疑将加速元宇宙的发展。“十四五”国家信息化规划提出战略研究布局和技术融通创新“人工智能、类脑计算、神经芯片、脑机接口、数字孪生”等关键前沿领域。这标志着我国从政府层面支持元宇宙的发展。多家互联网厂
51、商已经开始布局,利用数字化技术重构销售过程中的“人、货、场”三要素。人货场虚拟数字人虚拟物品虚拟空间目前,虚拟物品及虚拟空间,仍然处在硬件设备、软件算法、商业模式的发展探索过程中。而虚拟数字人作为元宇宙构建过程中非常重要的一环,也是数字员工的重要组成部分,已经具备了较为成熟且应用广泛的技术方案。虚拟数字人根据技术发展和作用演化出不同的分类:图1-5 元宇宙构成要素IP型虚拟数字人服务型虚拟数字人身份型虚拟数字人以虚拟偶像为代表,主要是通过表演、音乐、舞蹈等形式来吸引粉丝,实现商业变现。应用计算机图形学、运动捕捉等技术,虚拟形象站上前台,表演者退居幕后,但仍然不能脱离人类表演者。包括虚拟银行柜员
52、、虚拟客服、虚拟主播等,主要是为企业提供高效率的服务,这是当前数字员工的主流模式。这类虚拟数字人以AI的能力为基础,结合人格化形象,通过自然语言处理、机器学习、语音合成等技术与人交互。在元宇宙中,根据用户的真实身份、兴趣爱好、外貌等信息进行定制的虚拟数字形象,可以理解为个人在虚拟世界中的数字化身份,身份型虚拟数字人与其他用户进行互动、交流、合作,帮助用户更好地管理自己的虚拟资产和信息,从而实现更加丰富多彩的虚拟体验。图1-6 数字员工发展阶段元宇宙的发展对数字员工的影响则是多方面的:首先是促进虚拟数字人技术发展,让数字员工更自然;其次,元宇宙打破人与机器边界,让数字员工应用与业务融合更深入;另
53、外,元宇宙还将拓展数字员工应用场景。数字员工目前以具有企业业务能力的服务型虚拟数字人为主,随着AI技术发展,服务型虚拟数字人实时互动的能力在提升,未来,将其拓展为身份型及IP型虚拟数字人,也值得探索。虚拟数字人与数字员工的融合发展,标志着企业数字化进程从自动化、智能化迈向了人格化发展阶段。自动化智能化人格化基于规则的数据和流程自动化审单机器人、记账机器人、对账机器人、算税机器人、报税机器人、算薪机器人AI和大数据赋能的智能化发票OCR、语音报销、税务风险预警、人岗匹配、销售预测、损益分析、维修预测数字员工:数字孪生世界的伙伴完成业务助理、智能客服、AI面试等独立工作任务,如:金小蝶、万科崔筱盼
54、、浦发银行小浦虚拟人技术虚拟形象:人物建模、动作捕捉、动作生成交互能力:自然语言、交互设计、全息投影算法模型:成本分析模型、质量分析模型、价格模型、计划模型、人才标签库业务大数据积累:数字资产管理、认知智能、数据智能AI能力:OCR、NLP、神经网络算法、对话机器人平台、智能搜索RPA(Robotic Process Automation)流程自动化机器人丰富的业务系统-(数字世界的孪生企业)1312大模型加速财务智能化金蝶云星瀚财务数字员工白皮书1.2.4 元宇宙对数字员工发展的影响元宇宙就是现实世界和虚拟世界的融合。根据马修鲍尔元宇宙改变一切一书对元宇宙的场景定义:“大规模、可互操作的网络
55、,能够实时渲染 3D 虚拟世界,借助大量连续性数据,如身份、历史、权利、对象、通信和支付等,可以让无限数量的用户体验实时同步和持续有效的在场感。”元宇宙不是具体某一项技术,而是包括了人工智能、大数据、云计算、物联网、区块链等多种新兴科技的组合应用。这样的场景需要大算力、大数据的支持,需要人机交互模式的变革,也需要大量的虚拟内容、场景让虚实融合更自然。AIGC的出现无疑将加速元宇宙的发展。“十四五”国家信息化规划提出战略研究布局和技术融通创新“人工智能、类脑计算、神经芯片、脑机接口、数字孪生”等关键前沿领域。这标志着我国从政府层面支持元宇宙的发展。多家互联网厂商已经开始布局,利用数字化技术重构销
56、售过程中的“人、货、场”三要素。人货场虚拟数字人虚拟物品虚拟空间目前,虚拟物品及虚拟空间,仍然处在硬件设备、软件算法、商业模式的发展探索过程中。而虚拟数字人作为元宇宙构建过程中非常重要的一环,也是数字员工的重要组成部分,已经具备了较为成熟且应用广泛的技术方案。虚拟数字人根据技术发展和作用演化出不同的分类:图1-5 元宇宙构成要素IP型虚拟数字人服务型虚拟数字人身份型虚拟数字人以虚拟偶像为代表,主要是通过表演、音乐、舞蹈等形式来吸引粉丝,实现商业变现。应用计算机图形学、运动捕捉等技术,虚拟形象站上前台,表演者退居幕后,但仍然不能脱离人类表演者。包括虚拟银行柜员、虚拟客服、虚拟主播等,主要是为企业
57、提供高效率的服务,这是当前数字员工的主流模式。这类虚拟数字人以AI的能力为基础,结合人格化形象,通过自然语言处理、机器学习、语音合成等技术与人交互。在元宇宙中,根据用户的真实身份、兴趣爱好、外貌等信息进行定制的虚拟数字形象,可以理解为个人在虚拟世界中的数字化身份,身份型虚拟数字人与其他用户进行互动、交流、合作,帮助用户更好地管理自己的虚拟资产和信息,从而实现更加丰富多彩的虚拟体验。图1-6 数字员工发展阶段元宇宙的发展对数字员工的影响则是多方面的:首先是促进虚拟数字人技术发展,让数字员工更自然;其次,元宇宙打破人与机器边界,让数字员工应用与业务融合更深入;另外,元宇宙还将拓展数字员工应用场景。
58、数字员工目前以具有企业业务能力的服务型虚拟数字人为主,随着AI技术发展,服务型虚拟数字人实时互动的能力在提升,未来,将其拓展为身份型及IP型虚拟数字人,也值得探索。虚拟数字人与数字员工的融合发展,标志着企业数字化进程从自动化、智能化迈向了人格化发展阶段。自动化智能化人格化基于规则的数据和流程自动化审单机器人、记账机器人、对账机器人、算税机器人、报税机器人、算薪机器人AI和大数据赋能的智能化发票OCR、语音报销、税务风险预警、人岗匹配、销售预测、损益分析、维修预测数字员工:数字孪生世界的伙伴完成业务助理、智能客服、AI面试等独立工作任务,如:金小蝶、万科崔筱盼、浦发银行小浦虚拟人技术虚拟形象:人
59、物建模、动作捕捉、动作生成交互能力:自然语言、交互设计、全息投影算法模型:成本分析模型、质量分析模型、价格模型、计划模型、人才标签库业务大数据积累:数字资产管理、认知智能、数据智能AI能力:OCR、NLP、神经网络算法、对话机器人平台、智能搜索RPA(Robotic Process Automation)流程自动化机器人丰富的业务系统-(数字世界的孪生企业)1514大模型加速财务智能化金蝶云星瀚财务数字员工白皮书小浦浦发银行2019年7月1图1-7 各行各业的数字员工结合数字员工发展来看,可以给数字员工这样的定义:数字员工是指能够投入企业生产和服务,以虚拟人形象存在,替代或协助人类工作的一种软
60、件服务。数字员工在消费、金融、医疗、教育等行业有了广泛的应用,目前,已有众多数字员工入职了各大企业。可以看出,数字员工领域目前主要有两种应用形式:一种是承接企业面向顾客的业务,如虚拟主播、虚拟客服、虚拟导游、虚拟大堂经理、虚拟教师等,以华为云笙、浦发银行小浦、中信金控小信等为代表。这类数字员工可以直接替代部分企业员工(如客服、主播等),但更大意义在于可以作为企业的在元宇宙世界的代言人。虚拟人的形象构建和自然的交互能力是这类应用的关键所在。而另一类数字员工则主要服务于企业经营和管理领域,协助企业员工处理各类事务,他们可能身处企业各个部门,提供不同的业务支持。也可能一人身兼多职,无处不在。招商招小
61、影、万科崔筱盼、广东机场小机灵等均是这类数字员工。这一类的数字员工与企业员工的关系不是“替代”,而是“伴生”,未来每个企业员工都会有一个或多个“伴生”的数字员工,就像钢铁侠所拥有的“贾维斯”一样。这类数字员工的诞生,除了虚拟人技术蓬勃发展的拉动,更需要企业强大的数字化业务能力来支撑。人物形象名称入职企业入职时间领域能力技术技术提供方小宁宁波银行2022年2月客服、运营为银行客户提供各类业务咨询和办理服务针对客户需求实现自动化引导和智能分流AI数字人服务中台,实现知识库的持续更新和业务数据分析,达到从前端客户接待到后端运营管理的全链条服务支持智能化生成引擎、驱动引擎、交互引擎来生成虚拟人逼真自然
62、的对话、表情神态、手势和全身动作1212云笙华为2021年9月直播、宣讲聊天对话、作诗写对联技术宣讲、直播带货基于数字内容生产线,通过AI的自动建模、AI的语音驱动、AI的渲染加速等技术121.3 数字员工应用分类Hng红杉中国2022年7月科技、医疗、消费一秒钟内阅读上百份商业计划书,并按照行业属性、融资阶段作出信息提炼和总结正常社交能力为创始人建立个人档案,实时追踪他们的个人发展情况具备核心对话引擎、多重交互感官等多项技能,擅长第三方内容触发与第一方内容生产虚拟人技术:深度神经网络渲染技术小样本学习与训练12312小信中信金控2022年线上形象大使、智能财富助手、专业财富规划顾问客服 文档
63、审核 内部培训理财顾问 外呼坐席,人工呼出量2万通左右,AI数字员工呼出量能达到50-60万通 由原来的书面式培训变成交互式、自适应式培训每个月46万人通过数字员工的推荐选购理财产品 文档审核数字员工可提供相当于200-300人员/年的生产力 23412人工智能、数据驱动、图像识别、3D 实时表情训练系统、电影级的肌肉绑定技术等语料库、表情库、行业知识数据库,甚至于虚拟衣柜等123知识全面的智能财富助手,在线答疑解惑数字人产品解读,以更亲和的方式帮助客户了解产品和服务与客户深聊投资组合,帮助客户分析投资策略,提供投资建议12通过4D扫描,使得表情更加拟人;头部建模面数高达15万,以保证面部的精
64、度与真实感在内容生产及交互方面,可直接输入文本或上传脚本驱动数字人,快速产出视频。在数字人“大脑”知识库的训练上,基于文心大模型,将金融宣推材料、知识等生成金融数字人专属知识库31.4 数字员工引领企业数字化发展1.4.1 重构用户体验图1-8 数字员工重构交互体验借助虚拟数字人技术、生成式AI技术,企业经营管理场景下的数字员工将给企业数字化带来大变化。数字员工使得智能化从无形到有形,系统不再依赖键盘、鼠标等硬件设备,自然语言成为了人机交互媒介,业务事件、财务数据仍将在后台被记录,但以业务表单为代表的GUI(图形用户界面,Graphical User Interface)转换为CUI(Conv
65、ersational User Interface,对话式用户界面),数字员工对于各类技术的整合,使得人机交互逐渐向人人交互的感受转换。以手机、平板、大屏乃至可穿戴设备,都将成为交互工具;使得元宇宙场景可能更快到来,移动互联网时代的人工智能应用可能被重塑。1514大模型加速财务智能化金蝶云星瀚财务数字员工白皮书小浦浦发银行2019年7月1图1-7 各行各业的数字员工结合数字员工发展来看,可以给数字员工这样的定义:数字员工是指能够投入企业生产和服务,以虚拟人形象存在,替代或协助人类工作的一种软件服务。数字员工在消费、金融、医疗、教育等行业有了广泛的应用,目前,已有众多数字员工入职了各大企业。可以
66、看出,数字员工领域目前主要有两种应用形式:一种是承接企业面向顾客的业务,如虚拟主播、虚拟客服、虚拟导游、虚拟大堂经理、虚拟教师等,以华为云笙、浦发银行小浦、中信金控小信等为代表。这类数字员工可以直接替代部分企业员工(如客服、主播等),但更大意义在于可以作为企业的在元宇宙世界的代言人。虚拟人的形象构建和自然的交互能力是这类应用的关键所在。而另一类数字员工则主要服务于企业经营和管理领域,协助企业员工处理各类事务,他们可能身处企业各个部门,提供不同的业务支持。也可能一人身兼多职,无处不在。招商招小影、万科崔筱盼、广东机场小机灵等均是这类数字员工。这一类的数字员工与企业员工的关系不是“替代”,而是“伴
67、生”,未来每个企业员工都会有一个或多个“伴生”的数字员工,就像钢铁侠所拥有的“贾维斯”一样。这类数字员工的诞生,除了虚拟人技术蓬勃发展的拉动,更需要企业强大的数字化业务能力来支撑。人物形象名称入职企业入职时间领域能力技术技术提供方小宁宁波银行2022年2月客服、运营为银行客户提供各类业务咨询和办理服务针对客户需求实现自动化引导和智能分流AI数字人服务中台,实现知识库的持续更新和业务数据分析,达到从前端客户接待到后端运营管理的全链条服务支持智能化生成引擎、驱动引擎、交互引擎来生成虚拟人逼真自然的对话、表情神态、手势和全身动作1212云笙华为2021年9月直播、宣讲聊天对话、作诗写对联技术宣讲、直
68、播带货基于数字内容生产线,通过AI的自动建模、AI的语音驱动、AI的渲染加速等技术121.3 数字员工应用分类Hng红杉中国2022年7月科技、医疗、消费一秒钟内阅读上百份商业计划书,并按照行业属性、融资阶段作出信息提炼和总结正常社交能力为创始人建立个人档案,实时追踪他们的个人发展情况具备核心对话引擎、多重交互感官等多项技能,擅长第三方内容触发与第一方内容生产虚拟人技术:深度神经网络渲染技术小样本学习与训练12312小信中信金控2022年线上形象大使、智能财富助手、专业财富规划顾问客服 文档审核 内部培训理财顾问 外呼坐席,人工呼出量2万通左右,AI数字员工呼出量能达到50-60万通 由原来的
69、书面式培训变成交互式、自适应式培训每个月46万人通过数字员工的推荐选购理财产品 文档审核数字员工可提供相当于200-300人员/年的生产力 23412人工智能、数据驱动、图像识别、3D 实时表情训练系统、电影级的肌肉绑定技术等语料库、表情库、行业知识数据库,甚至于虚拟衣柜等123知识全面的智能财富助手,在线答疑解惑数字人产品解读,以更亲和的方式帮助客户了解产品和服务与客户深聊投资组合,帮助客户分析投资策略,提供投资建议12通过4D扫描,使得表情更加拟人;头部建模面数高达15万,以保证面部的精度与真实感在内容生产及交互方面,可直接输入文本或上传脚本驱动数字人,快速产出视频。在数字人“大脑”知识库
70、的训练上,基于文心大模型,将金融宣推材料、知识等生成金融数字人专属知识库31.4 数字员工引领企业数字化发展1.4.1 重构用户体验图1-8 数字员工重构交互体验借助虚拟数字人技术、生成式AI技术,企业经营管理场景下的数字员工将给企业数字化带来大变化。数字员工使得智能化从无形到有形,系统不再依赖键盘、鼠标等硬件设备,自然语言成为了人机交互媒介,业务事件、财务数据仍将在后台被记录,但以业务表单为代表的GUI(图形用户界面,Graphical User Interface)转换为CUI(Conversational User Interface,对话式用户界面),数字员工对于各类技术的整合,使得人
71、机交互逐渐向人人交互的感受转换。以手机、平板、大屏乃至可穿戴设备,都将成为交互工具;使得元宇宙场景可能更快到来,移动互联网时代的人工智能应用可能被重塑。1716大模型加速财务智能化金蝶云星瀚财务数字员工白皮书1.4.2 重构作业方式图1-9 数字员工重构作业方式数字员工可以自动化执行重复性任务,如数据输入、文件整理和发送电子邮件等,从而提高员工的生产力和工作效率,减少人工错误。数字员工不仅可以处理结构化数据相关的任务,通过组合使用OCR、RPA和大模型技术,数字员工还能轻松应对非结构化数据交互以及富文本处理。以往需要人工逐页翻阅的合同及附件文本,现在数字员工已经能够自动读取、提取关键信息,并根
72、据需要链接源文件进行展示,减少制单、审单过程中逐个翻阅附件的时间;在任务处理过程中,也能够随时提供业务咨询服务;还能根据员工的需求和偏好提供个性化服务,提高员工的满意度。1.4.3 重构决策分析数字员工可以通过对大量财务数据的分析和处理,提供有关业务绩效和趋势的见解和建议。以销售预测为例,系统利用预测模型可计算往期预测数据,与实际数据进行比较,可判断数据拟合度。过去,系统分析提供的数据到此为止,需要借助管理者的经验分析,是引入更多的判断因素还是对现有分析因素的权重进行调整,而在引入大模型之后,数字员工则可以进一步提供模型改进建议。另外,在数据分析方面,数字员工支持自然语言交互的探索式分析。图1
73、-10 数字员工重构分析决策传统的分析决策系统,随着业务的拓展,需要投入大量资源对业务系统、BI系统进行复杂的开发迭代,而数字员工只需要不断投喂数据进行训练就能学习成长。1716大模型加速财务智能化金蝶云星瀚财务数字员工白皮书1.4.2 重构作业方式图1-9 数字员工重构作业方式数字员工可以自动化执行重复性任务,如数据输入、文件整理和发送电子邮件等,从而提高员工的生产力和工作效率,减少人工错误。数字员工不仅可以处理结构化数据相关的任务,通过组合使用OCR、RPA和大模型技术,数字员工还能轻松应对非结构化数据交互以及富文本处理。以往需要人工逐页翻阅的合同及附件文本,现在数字员工已经能够自动读取、
74、提取关键信息,并根据需要链接源文件进行展示,减少制单、审单过程中逐个翻阅附件的时间;在任务处理过程中,也能够随时提供业务咨询服务;还能根据员工的需求和偏好提供个性化服务,提高员工的满意度。1.4.3 重构决策分析数字员工可以通过对大量财务数据的分析和处理,提供有关业务绩效和趋势的见解和建议。以销售预测为例,系统利用预测模型可计算往期预测数据,与实际数据进行比较,可判断数据拟合度。过去,系统分析提供的数据到此为止,需要借助管理者的经验分析,是引入更多的判断因素还是对现有分析因素的权重进行调整,而在引入大模型之后,数字员工则可以进一步提供模型改进建议。另外,在数据分析方面,数字员工支持自然语言交互
75、的探索式分析。图1-10 数字员工重构分析决策传统的分析决策系统,随着业务的拓展,需要投入大量资源对业务系统、BI系统进行复杂的开发迭代,而数字员工只需要不断投喂数据进行训练就能学习成长。1918大模型加速财务智能化金蝶云星瀚财务数字员工白皮书1.4.4 重构员工技能要求数字员工的应用,尤其是AIGC技术的引入,标志着企业的数字化、智能化再上新台阶。AIGC技术一定会对现有的职能结构产生冲击,甚至有人将AIGC比做第一次工业革命的蒸汽机,蒸汽机与火车的发明对马车夫的工作冲击很大,但随着火车的发展,它不仅需要司机,还有增加乘务员、乘警以及配套的车站和工作人员的工作岗位。因此,作为企业员工,不用担
76、心AIGC替代人类员工,而应当积极学习新技术,并通过合理分配工作任务和资源,强化与数字员工的合作,实现更高效、更优质的工作成果,使自己成为企业数字化转型过程中不可或缺的角色。AIGC技术会让员工工作职能从数据处理逐渐转向规则制定与维护,以及为管理者提供更快捷精准的决策支持。因此,也需要员工具备更广泛的技能,如数据分析、信息技术、自动化等方面的知识和能力;同时,需要对数据安全更加敏感,防止数据泄露及相关风险。AIGC技术仍在发展,AIGC更需要不断地训练,企业员工应当通过对新技术的掌控和应用,积极训练AIGC,使其更好地为员工服务,为企业服务,未来冲击员工职业的不是AI,而是会使用AI 的人。第
77、二章 新探索:先行者已出发,后来者如何破局1.1 万科崔筱盼图2-1 万科崔筱盼万科集团2021年度的最佳新人奖,颁发给了负责催促预付应收逾期单据工作的数字员工崔筱盼,她拥有通过深度神经网络技术渲染的虚拟人物形象,日常工作主要是基于系统算法,开展大量信息检索和计算,快速侦测并发现各类事项的逾期情况及工作异常,通过邮件提醒同事及时推进。这类工作繁琐且重复性较高,却正是算法和技术擅长的领域,崔筱盼的核销率达到了91.44%。随着不断学习进步,崔筱盼的工作扩展到负责业务证照的上载与管理、员工社保公积金信息维护等工作的提醒和提示。崔筱盼的工作与人工是协同补充而非替代的关系,虚拟人物的出现使得催收催办过
78、程比以往显得更有人性温度,对企业整体的资金流动产生积极影响。1918大模型加速财务智能化金蝶云星瀚财务数字员工白皮书1.4.4 重构员工技能要求数字员工的应用,尤其是AIGC技术的引入,标志着企业的数字化、智能化再上新台阶。AIGC技术一定会对现有的职能结构产生冲击,甚至有人将AIGC比做第一次工业革命的蒸汽机,蒸汽机与火车的发明对马车夫的工作冲击很大,但随着火车的发展,它不仅需要司机,还有增加乘务员、乘警以及配套的车站和工作人员的工作岗位。因此,作为企业员工,不用担心AIGC替代人类员工,而应当积极学习新技术,并通过合理分配工作任务和资源,强化与数字员工的合作,实现更高效、更优质的工作成果,
79、使自己成为企业数字化转型过程中不可或缺的角色。AIGC技术会让员工工作职能从数据处理逐渐转向规则制定与维护,以及为管理者提供更快捷精准的决策支持。因此,也需要员工具备更广泛的技能,如数据分析、信息技术、自动化等方面的知识和能力;同时,需要对数据安全更加敏感,防止数据泄露及相关风险。AIGC技术仍在发展,AIGC更需要不断地训练,企业员工应当通过对新技术的掌控和应用,积极训练AIGC,使其更好地为员工服务,为企业服务,未来冲击员工职业的不是AI,而是会使用AI 的人。第二章 新探索:先行者已出发,后来者如何破局1.1 万科崔筱盼图2-1 万科崔筱盼万科集团2021年度的最佳新人奖,颁发给了负责催
80、促预付应收逾期单据工作的数字员工崔筱盼,她拥有通过深度神经网络技术渲染的虚拟人物形象,日常工作主要是基于系统算法,开展大量信息检索和计算,快速侦测并发现各类事项的逾期情况及工作异常,通过邮件提醒同事及时推进。这类工作繁琐且重复性较高,却正是算法和技术擅长的领域,崔筱盼的核销率达到了91.44%。随着不断学习进步,崔筱盼的工作扩展到负责业务证照的上载与管理、员工社保公积金信息维护等工作的提醒和提示。崔筱盼的工作与人工是协同补充而非替代的关系,虚拟人物的出现使得催收催办过程比以往显得更有人性温度,对企业整体的资金流动产生积极影响。2120大模型加速财务智能化金蝶云星瀚财务数字员工白皮书图2-2 招
81、商局招小影1.2 中信金控小信国际数据公司(IDC)于2023年3月发布的PeerScape:AI数字人最佳实践案例与探索报告(下称报告)提到2022 年之前数字人大多处于 L1-L3 的阶段,“能力”还是比较简单的,在预训练大模型、语音语义等智能技术的推动下,数字人即将跨进 L4 阶段,也就是实现初步的智能化交互,进一步提升生产力、创造力。报告中提到企业服务型AI数字人的典型案例百度与中信金控共同打造的数字人“小信”。中信金控是中信集团旗下综合金融服务板块的平台公司,成立于2022年3月,半年后“小信”就诞生了,成为中信金控数字化转型的开篇之作,这一定程度上代表了企业数字化转型的新趋势、新方
82、向。数字人“小信”有三大定位。首先是“线上形象大使”,在中信金控及下属子公司各渠道提供智能化服务;其次是“智能财富助手”,为用户在线答疑、解读产品;第三是“财富规划顾问“,帮助客户分析投资策略,提供投资建议。AI数字人不仅兼备专业与亲切的“外貌”,能7*24小时“营业”,还可借助大模型,将基础的素材例如金融宣推材料、知识等,通过大模型生成金融数字人专属知识库。在交互体验上,数字人可以更快速理解客户意图,并给出真人般专的业回复,还可通过多轮对话,实现产品推荐、业务办理、日常咨询等多样化内容,沟通更加细腻。1.3 广东机场小机灵图2-3 广东机场集团小机灵2023年,广东机场集团携手金蝶共同打造的
83、数字财务平台正式上线运行,广东机场集团首位数字员工“小机灵”入职上岗。财务数字化转型作为广东机场集团数字化转型规划“管理一盘棋”的重要组成部分,包括“财务共享、智能财务、业财融合、战略财务”4大转型任务。全新上线的数字财务平台以财务共享为核心,以场景为支撑,真正实现了集团全面业财融合、全面共享服务和全面财务智能化,打造广东机场集团数字化转型新引擎和新标杆。数字员工“小机灵”基于金蝶云星瀚和金蝶云苍穹产品构建,深度融合了“AI+OCR+RPA+大数据”等多重技术,具有人格化、智能化、自动化特点,拥有发票智能处理、智能派单、审核、核算、预警等6大技能,可以独立完成相关流程的几乎所有工作,同时具有无
84、差别化的规则操作,可以消除人为因素产生的错误,且每个步骤都可被监控和记录,将错误率降至最低。数字员工“小机灵”的诞生,是广东机场集团技术赋能,推动财务管理和员工服务领域数字化转型,将新科技成果融入生产生活的生动体现。广东机场集团财务共享中心的同事说,有了“小机灵”,他们就可以从初级、重复的繁琐事务中解放出来,投身到更有价值和创造力的工作内容中去。未来“小机灵”还将接入金蝶财务大模型,提升自我学习的能力,不断成长,为集团处理更多的业务,创造更大的经济效益。将2120大模型加速财务智能化金蝶云星瀚财务数字员工白皮书图2-2 招商局招小影1.2 中信金控小信国际数据公司(IDC)于2023年3月发布
85、的PeerScape:AI数字人最佳实践案例与探索报告(下称报告)提到2022 年之前数字人大多处于 L1-L3 的阶段,“能力”还是比较简单的,在预训练大模型、语音语义等智能技术的推动下,数字人即将跨进 L4 阶段,也就是实现初步的智能化交互,进一步提升生产力、创造力。报告中提到企业服务型AI数字人的典型案例百度与中信金控共同打造的数字人“小信”。中信金控是中信集团旗下综合金融服务板块的平台公司,成立于2022年3月,半年后“小信”就诞生了,成为中信金控数字化转型的开篇之作,这一定程度上代表了企业数字化转型的新趋势、新方向。数字人“小信”有三大定位。首先是“线上形象大使”,在中信金控及下属子
86、公司各渠道提供智能化服务;其次是“智能财富助手”,为用户在线答疑、解读产品;第三是“财富规划顾问“,帮助客户分析投资策略,提供投资建议。AI数字人不仅兼备专业与亲切的“外貌”,能7*24小时“营业”,还可借助大模型,将基础的素材例如金融宣推材料、知识等,通过大模型生成金融数字人专属知识库。在交互体验上,数字人可以更快速理解客户意图,并给出真人般专的业回复,还可通过多轮对话,实现产品推荐、业务办理、日常咨询等多样化内容,沟通更加细腻。1.3 广东机场小机灵图2-3 广东机场集团小机灵2023年,广东机场集团携手金蝶共同打造的数字财务平台正式上线运行,广东机场集团首位数字员工“小机灵”入职上岗。财
87、务数字化转型作为广东机场集团数字化转型规划“管理一盘棋”的重要组成部分,包括“财务共享、智能财务、业财融合、战略财务”4大转型任务。全新上线的数字财务平台以财务共享为核心,以场景为支撑,真正实现了集团全面业财融合、全面共享服务和全面财务智能化,打造广东机场集团数字化转型新引擎和新标杆。数字员工“小机灵”基于金蝶云星瀚和金蝶云苍穹产品构建,深度融合了“AI+OCR+RPA+大数据”等多重技术,具有人格化、智能化、自动化特点,拥有发票智能处理、智能派单、审核、核算、预警等6大技能,可以独立完成相关流程的几乎所有工作,同时具有无差别化的规则操作,可以消除人为因素产生的错误,且每个步骤都可被监控和记录
88、,将错误率降至最低。数字员工“小机灵”的诞生,是广东机场集团技术赋能,推动财务管理和员工服务领域数字化转型,将新科技成果融入生产生活的生动体现。广东机场集团财务共享中心的同事说,有了“小机灵”,他们就可以从初级、重复的繁琐事务中解放出来,投身到更有价值和创造力的工作内容中去。未来“小机灵”还将接入金蝶财务大模型,提升自我学习的能力,不断成长,为集团处理更多的业务,创造更大的经济效益。将2322大模型加速财务智能化金蝶云星瀚财务数字员工白皮书1.4 财务管理是数字员工最佳切入点基于以上案例实践,可以看出数字员工应用于通知提醒、往来核销、发票处理等大部分能力都与财务相关。因为财务管理领域的绝大多数
89、工作都是和数据打交道,且财务领域有相对固定的知识及法规体系,具备数字员工建设与应用的条件。国资委2022年发布关于中央企业加快建设世界一流财务管理体系的指导意见也提到财务具备天然数据中心的优势,应推动财务管理从信息化向数字化、智能化转型,努力成为企业数字化转型的先行者、引领者、推动者。由此可见,将财务管理领域作为企业数字员工应用建设的切入点最为合适。数字员工基于数据与算法,可以执行检索和计算,借助邮件、IM工具等渠道可以进行催办通知、预警提醒,同时,信息系统与大模型、人格化形象的结合能够提供全新的人机交互体验,可以辅助财务人员更高效地工作。以财务共享领域为例,传统的共享核心是将审单、核算、结算
90、等可标准化、低价值且耗费人力的工作进行集中管理,支撑企业业务扩张,其核心在于人员和业务集中。新一代的财务共享则更注重数据的集中管理,而数字员工的引入,可以协助共享财务处理审单、质检等工作,还能向全体员工提供数据订阅、业务咨询、专业知识查询等服务,从而促进财务人员职能转型,将更多资源和精力投入到数据治理及决策支持方面,产生更大的价值。此外,数字员工辅助财务人员工作,使财务人员能够更快地获取和分析财务数据,为组织提供更准确的财务预测和报告,提高财务部门的效率和决策质量,增强企业的竞争力。第三章 新方案:财务数字员工重构的不只是表象3.1 数字员工的三个层次图3-1 数字员工系统架构图财务数字员工应
91、当具备高可靠、高性能、智能化等基础能力,并具备丰富的专业技能、多场景交互能力等特性。因此,需要从技术平台、业务平台以及场景展现三个不同层次来规划和构建财务数字员工,财务数字员工重构的不只是系统的表象,更是重新构架系统建设逻辑。场景展现层多端交互+预置数字员工全员助手-面向全体员工提升体验费用报销 企业知识问答全员共享服务 工作汇报专员助手-面向专业岗位提升效率和专业度合同审批 报告生成共享审单 财税政策解答 记账/报表助手 决策助手-面向管理者数据驱动的决策财务指标解读 探索分析预算建议 财务风险识别行业对标分析业务平台层金蝶云星瀚管理平台形象管理语音管理技能管理岗位管理效能监控虚拟办公室虚拟
92、人资产管理专业技能库费用管理语音出差申请智能发票报销应收应付智能三单匹配智能结算核算报告智能记账国资报表填报资产管理资产卡片识别资产超期预警财务共享智能审核智能共享客服预算管理预算智能分析模拟预测资金管理智能收付款网银机器人税务管理智能纳税申报风险监控管理会计财务指标解读行业对标分析通用技能库自定义监控预警多渠道自定义催办全局唤起对话交互工作汇报(日报等)嵌入式协同分析判断用户行为分析及偏好推荐技术平台层金蝶云苍穹应用能力平台流程能力平台数据能力平台AI能力平台开放能力平台苍穹GPT:大模型能力平台AI算法服务AI工程服务生成式服务财务大模型通用大模型GPT助手服务技术能力平台云原生多租户多云
93、适配安全可信区块链AIOT生态服务平台2322大模型加速财务智能化金蝶云星瀚财务数字员工白皮书1.4 财务管理是数字员工最佳切入点基于以上案例实践,可以看出数字员工应用于通知提醒、往来核销、发票处理等大部分能力都与财务相关。因为财务管理领域的绝大多数工作都是和数据打交道,且财务领域有相对固定的知识及法规体系,具备数字员工建设与应用的条件。国资委2022年发布关于中央企业加快建设世界一流财务管理体系的指导意见也提到财务具备天然数据中心的优势,应推动财务管理从信息化向数字化、智能化转型,努力成为企业数字化转型的先行者、引领者、推动者。由此可见,将财务管理领域作为企业数字员工应用建设的切入点最为合适
94、。数字员工基于数据与算法,可以执行检索和计算,借助邮件、IM工具等渠道可以进行催办通知、预警提醒,同时,信息系统与大模型、人格化形象的结合能够提供全新的人机交互体验,可以辅助财务人员更高效地工作。以财务共享领域为例,传统的共享核心是将审单、核算、结算等可标准化、低价值且耗费人力的工作进行集中管理,支撑企业业务扩张,其核心在于人员和业务集中。新一代的财务共享则更注重数据的集中管理,而数字员工的引入,可以协助共享财务处理审单、质检等工作,还能向全体员工提供数据订阅、业务咨询、专业知识查询等服务,从而促进财务人员职能转型,将更多资源和精力投入到数据治理及决策支持方面,产生更大的价值。此外,数字员工辅
95、助财务人员工作,使财务人员能够更快地获取和分析财务数据,为组织提供更准确的财务预测和报告,提高财务部门的效率和决策质量,增强企业的竞争力。第三章 新方案:财务数字员工重构的不只是表象3.1 数字员工的三个层次图3-1 数字员工系统架构图财务数字员工应当具备高可靠、高性能、智能化等基础能力,并具备丰富的专业技能、多场景交互能力等特性。因此,需要从技术平台、业务平台以及场景展现三个不同层次来规划和构建财务数字员工,财务数字员工重构的不只是系统的表象,更是重新构架系统建设逻辑。场景展现层多端交互+预置数字员工全员助手-面向全体员工提升体验费用报销 企业知识问答全员共享服务 工作汇报专员助手-面向专业
96、岗位提升效率和专业度合同审批 报告生成共享审单 财税政策解答 记账/报表助手 决策助手-面向管理者数据驱动的决策财务指标解读 探索分析预算建议 财务风险识别行业对标分析业务平台层金蝶云星瀚管理平台形象管理语音管理技能管理岗位管理效能监控虚拟办公室虚拟人资产管理专业技能库费用管理语音出差申请智能发票报销应收应付智能三单匹配智能结算核算报告智能记账国资报表填报资产管理资产卡片识别资产超期预警财务共享智能审核智能共享客服预算管理预算智能分析模拟预测资金管理智能收付款网银机器人税务管理智能纳税申报风险监控管理会计财务指标解读行业对标分析通用技能库自定义监控预警多渠道自定义催办全局唤起对话交互工作汇报(
97、日报等)嵌入式协同分析判断用户行为分析及偏好推荐技术平台层金蝶云苍穹应用能力平台流程能力平台数据能力平台AI能力平台开放能力平台苍穹GPT:大模型能力平台AI算法服务AI工程服务生成式服务财务大模型通用大模型GPT助手服务技术能力平台云原生多租户多云适配安全可信区块链AIOT生态服务平台25大模型加速财务智能化金蝶云星瀚财务数字员工白皮书243.2 技术平台层整合智能化基础能力图3-2 苍穹GPT架构图金蝶自主研发的苍穹PaaS平台构成数字员工技术平台层。苍穹PaaS基于云原生架构构建,支持多租户,适配公有云、私有云、混合云部署,并适配国产信创环境,安全可信,并整合了区块链、AIOT等底层技术
98、。为数字员工提供高性能、高可靠、可信安全的技术底座。能力层服务层模型层技术层苍穹GPT采用主流、开源的AI基础算法和工程框架,支持多模型接入,现已集成了百度文心、阿里通义、微软OpenAI等多个厂商或开源的通用大模型,借助垂直领域知识及相关数据进行继续预训练、模型微调后,构建了财务、HR、供应链等垂直领域大模型,并以GPT助手的形式供数字员工调用。苍穹GPT服务层提供了大模型训练、大模型适配、大知识索引等基础能力,以及提示工程、多任务编排、插件服务、上下文记忆等引擎服务。为GPT助手提供逻辑推理、内容生成、总结归纳等基础能力。此外,苍穹GPT将安全治理融入整个技术架构,保障应用安全、模型安全和
99、数据安全,并基于合规+伦理判断,为GPT助手提供可信的用户交互过程。苍穹GPT与苍穹PaaS其他平台组件相互融合,实现多模型按需调用,兼容企业私域知识,自动分解场景任务,支持能力全局调度、问答精准生成、结果多模态展示,结合OCR、对话机器人、深度学习等传统AI应用,增强RPA及规则引擎的智能化能力。另外,苍穹GPT支持个性化扩展,模型可开放共创、融合元数据模型、支持插件机制,为GPT助手能力扩展预留了较大的空间。能力服务引擎服务基础能力垂域大模型通用大模型AI工程框架AI基础算法逻辑推理 内容生成 总结归纳 角色扮演 知识问答 多轮对话提示工程 多任务编排 插件服务 上下文记忆 智能中控大模型
100、训练 大模型评估 大模型推理 大模型适配 大知识索引财务大模型 HR大模型 供应链大模型 开发大模型 百度文心 阿里通义 华为盘古 腾讯混元 微软OpenAI 其他TensorflowPytorchPaddlepaddle神经网络Transformer强化学习安全治理应用安全模型安全数据安全3.2.1 苍穹GPT大模型平台为应对企业场景复杂、内容专业、数据量大的现状,以及应用AIGC服务时安全可信、内容严谨、个性化可拓展等要求,金蝶在PaaS层构建了企业级大模型能力平台苍穹GPT。图3-3 RPA运作机制金蝶云苍穹RPA服务云是传统但不可或缺的机器人流程自动化管理与开发平台,为用户提供自动化流
101、程全生命周期管理,通过低代码的方式,让企业业务人员也能简单、快速进行业务流程设计开发,轻松实现业务流程自动化。RPA平台构建了数字员工的业务执行能力。RPA服务云,支持设计人员快速设计开发与部署自动化流程;支持管理人员轻松管理流程、任务,监控机器人运行情况。产品整体分为三个模块:包括进行流程设计的设计器,执行流程任务的机器人以及管理监控机器人和流程的控制台(运营管理平台)。DCC(Designer-Controller-Client)结构控制台设计器机器人分配与监督执行操作负责提供高度可视化的设计平台,敏捷高效的设计和构建自动化流程负责统一调配资源,通过任务调度将自动化流程分配给机器人执行,并
102、对流程运行情况进行监督、控制、管理,展现运营报表部署于计算机终端中,可以是实体机器也可是虚拟化环境,以多种运行方式执行自动化任务3.2.2 苍穹RPA服务云25大模型加速财务智能化金蝶云星瀚财务数字员工白皮书243.2 技术平台层整合智能化基础能力图3-2 苍穹GPT架构图金蝶自主研发的苍穹PaaS平台构成数字员工技术平台层。苍穹PaaS基于云原生架构构建,支持多租户,适配公有云、私有云、混合云部署,并适配国产信创环境,安全可信,并整合了区块链、AIOT等底层技术。为数字员工提供高性能、高可靠、可信安全的技术底座。能力层服务层模型层技术层苍穹GPT采用主流、开源的AI基础算法和工程框架,支持多
103、模型接入,现已集成了百度文心、阿里通义、微软OpenAI等多个厂商或开源的通用大模型,借助垂直领域知识及相关数据进行继续预训练、模型微调后,构建了财务、HR、供应链等垂直领域大模型,并以GPT助手的形式供数字员工调用。苍穹GPT服务层提供了大模型训练、大模型适配、大知识索引等基础能力,以及提示工程、多任务编排、插件服务、上下文记忆等引擎服务。为GPT助手提供逻辑推理、内容生成、总结归纳等基础能力。此外,苍穹GPT将安全治理融入整个技术架构,保障应用安全、模型安全和数据安全,并基于合规+伦理判断,为GPT助手提供可信的用户交互过程。苍穹GPT与苍穹PaaS其他平台组件相互融合,实现多模型按需调用
104、,兼容企业私域知识,自动分解场景任务,支持能力全局调度、问答精准生成、结果多模态展示,结合OCR、对话机器人、深度学习等传统AI应用,增强RPA及规则引擎的智能化能力。另外,苍穹GPT支持个性化扩展,模型可开放共创、融合元数据模型、支持插件机制,为GPT助手能力扩展预留了较大的空间。能力服务引擎服务基础能力垂域大模型通用大模型AI工程框架AI基础算法逻辑推理 内容生成 总结归纳 角色扮演 知识问答 多轮对话提示工程 多任务编排 插件服务 上下文记忆 智能中控大模型训练 大模型评估 大模型推理 大模型适配 大知识索引财务大模型 HR大模型 供应链大模型 开发大模型 百度文心 阿里通义 华为盘古
105、腾讯混元 微软OpenAI 其他TensorflowPytorchPaddlepaddle神经网络Transformer强化学习安全治理应用安全模型安全数据安全3.2.1 苍穹GPT大模型平台为应对企业场景复杂、内容专业、数据量大的现状,以及应用AIGC服务时安全可信、内容严谨、个性化可拓展等要求,金蝶在PaaS层构建了企业级大模型能力平台苍穹GPT。图3-3 RPA运作机制金蝶云苍穹RPA服务云是传统但不可或缺的机器人流程自动化管理与开发平台,为用户提供自动化流程全生命周期管理,通过低代码的方式,让企业业务人员也能简单、快速进行业务流程设计开发,轻松实现业务流程自动化。RPA平台构建了数字员
106、工的业务执行能力。RPA服务云,支持设计人员快速设计开发与部署自动化流程;支持管理人员轻松管理流程、任务,监控机器人运行情况。产品整体分为三个模块:包括进行流程设计的设计器,执行流程任务的机器人以及管理监控机器人和流程的控制台(运营管理平台)。DCC(Designer-Controller-Client)结构控制台设计器机器人分配与监督执行操作负责提供高度可视化的设计平台,敏捷高效的设计和构建自动化流程负责统一调配资源,通过任务调度将自动化流程分配给机器人执行,并对流程运行情况进行监督、控制、管理,展现运营报表部署于计算机终端中,可以是实体机器也可是虚拟化环境,以多种运行方式执行自动化任务3.
107、2.2 苍穹RPA服务云2726大模型加速财务智能化金蝶云星瀚财务数字员工白皮书RPA设计器图3-4 RPA运作机制金蝶云苍穹RPA设计器可完成流程自动化的设计工作,为机器人编辑设计详细的指令,发布到控制台中成为机器人执行的任务。设计器提供了高度可视化的设计平台,提供丰富的组件,支持画布式连线,拖拽即可完成设计。同时,强大的UI拾取能力支持浏览器、系统与应用中UI元素拾取、同时还支持CS,UIA,JAVA,CV,图片及区域等灵活多样化拾取方式,帮助设计人员更便捷地设计流程。开发工作轻松、方便、易入门,没有IT基础的业务人员也可以轻松进行一些自动化流程的基础配置和设计工作。专业的开发人员则可以使
108、用流行的Python语言,敏捷高效地设计和构建自动化流程。运行管理平台运行管理平台负责统一调配资源,通过任务调度将自动化流程分配给机器人执行,并对流程运行情况进行监督、控制、管理,展现运营报表。图3-5 RPA运行管理平台对机器人工厂进行整体的运作和管理,如许可管理、机器人管理、流程管理、调度管理、运行管理等,同时可通过三联播放(日志、可视化流程、屏幕录像)、概览、报表等功能直观展现机器人工厂的运作情况。图3-6 无人值守机器人RPA机器人RPA机器人部署于计算机终端中,可以是实体机器也可是虚拟化环境,以多种运行方式执行自动化任务。包括有人值守机器人和无人值守机器人:1、无人值守机器人无人值守
109、机器人全程不需要人工操作干预,7x24小时自动化运行,通过定时任务或事件触发运行。支持接受服务端的任务调度和派发,支持查看机器人的运行日志以及运行录屏回溯。可安装部署高密度机器人,将无人值守机器人部署在Windows Server服务器上,一台机器运行多个机器人运行互不干扰,通过桌面管家工具,支持激活桌面,支持屏幕运行监控,支持监控屏幕操作锁定/解除锁定,支持监控屏幕分辨率设置,实现高可用。图3-7 有人值守机器人2、有人值守机器人有人值守机器人根据实际业务需要灵活触发,更加注重与业务人员的交互;用户可自行控制流程的启动、取消等,且支持查看机器人及任务执行的运行日志和录屏,是企业员工的好帮手。
110、有人值守机器人支持本地化运行,也支持工厂运行,生成临时调度任务派发给机器人工厂内的无人值守机器人运行,不干扰用户桌面。搜索最近运行NENewProject1上次运行时间:8分钟前我的流程表格NENENewProject1上次运行时间:8分钟前NewProject2未运行画中画运行查看流程日志流程详情删除记录2726大模型加速财务智能化金蝶云星瀚财务数字员工白皮书RPA设计器图3-4 RPA运作机制金蝶云苍穹RPA设计器可完成流程自动化的设计工作,为机器人编辑设计详细的指令,发布到控制台中成为机器人执行的任务。设计器提供了高度可视化的设计平台,提供丰富的组件,支持画布式连线,拖拽即可完成设计。同
111、时,强大的UI拾取能力支持浏览器、系统与应用中UI元素拾取、同时还支持CS,UIA,JAVA,CV,图片及区域等灵活多样化拾取方式,帮助设计人员更便捷地设计流程。开发工作轻松、方便、易入门,没有IT基础的业务人员也可以轻松进行一些自动化流程的基础配置和设计工作。专业的开发人员则可以使用流行的Python语言,敏捷高效地设计和构建自动化流程。运行管理平台运行管理平台负责统一调配资源,通过任务调度将自动化流程分配给机器人执行,并对流程运行情况进行监督、控制、管理,展现运营报表。图3-5 RPA运行管理平台对机器人工厂进行整体的运作和管理,如许可管理、机器人管理、流程管理、调度管理、运行管理等,同时
112、可通过三联播放(日志、可视化流程、屏幕录像)、概览、报表等功能直观展现机器人工厂的运作情况。图3-6 无人值守机器人RPA机器人RPA机器人部署于计算机终端中,可以是实体机器也可是虚拟化环境,以多种运行方式执行自动化任务。包括有人值守机器人和无人值守机器人:1、无人值守机器人无人值守机器人全程不需要人工操作干预,7x24小时自动化运行,通过定时任务或事件触发运行。支持接受服务端的任务调度和派发,支持查看机器人的运行日志以及运行录屏回溯。可安装部署高密度机器人,将无人值守机器人部署在Windows Server服务器上,一台机器运行多个机器人运行互不干扰,通过桌面管家工具,支持激活桌面,支持屏幕
113、运行监控,支持监控屏幕操作锁定/解除锁定,支持监控屏幕分辨率设置,实现高可用。图3-7 有人值守机器人2、有人值守机器人有人值守机器人根据实际业务需要灵活触发,更加注重与业务人员的交互;用户可自行控制流程的启动、取消等,且支持查看机器人及任务执行的运行日志和录屏,是企业员工的好帮手。有人值守机器人支持本地化运行,也支持工厂运行,生成临时调度任务派发给机器人工厂内的无人值守机器人运行,不干扰用户桌面。搜索最近运行NENewProject1上次运行时间:8分钟前我的流程表格NENENewProject1上次运行时间:8分钟前NewProject2未运行画中画运行查看流程日志流程详情删除记录2829
114、大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.2.3 苍穹AI服务云金蝶云苍穹AI能力平台是以机器学习算法、NLP基础能力及视觉AI能力为基础,构建了对话机器人、视觉识别、智能搜索、智能数据管理及数据应用平台等应用模块的基础平台。形成了数字员工视觉、听觉及语言等基础感知与交互能力,并且在特定业务中让数字员工具备学习成长的能力。图3-8 金蝶云苍穹AI能力平台应用层财务税务人力资源办公协同供应链与制造销售及CRM平台层智能搜索智能纠错语义理解智能排序自定义搜索对象对话机器人平台对话管理技能管理系统维护上下文管理闲聊技能产品线管理意图模型管理任务型技能多租户管理对话日志管理问答型技能用户管理
115、小K智能语音助手业务系统管理业务接口管理视觉识别服务文字识别文档差异分析文档信息提取预置摸版差异分析方案信息提取方案自定义模板差异分析历史信息提取历史识别关联设置提取关联设置智能数据服务应用管理智能销售预测数据分析应用开通模型分析分析报告应用配置预测明细多维分析业务关联方案数据异常分析客户价值分析商品价值分析数据应用平台应用开发平台管理基础引擎应用开发租户管理AI算法引擎应用发布应用授权流程计算引擎数据集成领域模型大数据引擎数据存储机器学习回归分析时序分析运筹优化线性规划动态规划智能决策NLP基础能力实体识别意图分类纠错分词Text to SQL视觉AI能力目标检测图像分类与分割文字识别图像配
116、准表格重建图像预处理文本检测文本结构化版面分析印章检测资源层容器服务数据服务中间件API网关日志服务监控服务视觉识别服务图3-9 金蝶云苍穹OCR预置模板列表视觉识别服务是苍穹AI平台下是基于OCR、NLP等深度学习技术的智能文字识别和文档处理服务,提供了开箱即用的文字识别预置模板、自定义模板、文档差异分析及信息提取等功能。支持pdf、word、图片格式文件进行提取、对比、制单等操作,帮助企业以低代码方式实现日常票据、证照、文档处理工作的自动化,支持用户修改提取内容,一键导入业务单据,方便快捷。图3-10 金蝶云苍穹OCR自定义模板编辑自定义文字识别模板提供可视化界面、提供向导式操作,易上手,
117、企业用户只需简单的配置即可在财务、税务、人力资源等各个业务应用中嵌入文字识别和文档分析的能力。视觉识别服务将一些通用的场景(例如通用卡证、财务常见票据等)标准化,开放出API 供开发者进行调用,支持在微信小程序、H5页面、客户自有的系统使用视觉识别服务的能力,对于开发者来说非常高效。2829大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.2.3 苍穹AI服务云金蝶云苍穹AI能力平台是以机器学习算法、NLP基础能力及视觉AI能力为基础,构建了对话机器人、视觉识别、智能搜索、智能数据管理及数据应用平台等应用模块的基础平台。形成了数字员工视觉、听觉及语言等基础感知与交互能力,并且在特定业务中让数
118、字员工具备学习成长的能力。图3-8 金蝶云苍穹AI能力平台应用层财务税务人力资源办公协同供应链与制造销售及CRM平台层智能搜索智能纠错语义理解智能排序自定义搜索对象对话机器人平台对话管理技能管理系统维护上下文管理闲聊技能产品线管理意图模型管理任务型技能多租户管理对话日志管理问答型技能用户管理小K智能语音助手业务系统管理业务接口管理视觉识别服务文字识别文档差异分析文档信息提取预置摸版差异分析方案信息提取方案自定义模板差异分析历史信息提取历史识别关联设置提取关联设置智能数据服务应用管理智能销售预测数据分析应用开通模型分析分析报告应用配置预测明细多维分析业务关联方案数据异常分析客户价值分析商品价值分
119、析数据应用平台应用开发平台管理基础引擎应用开发租户管理AI算法引擎应用发布应用授权流程计算引擎数据集成领域模型大数据引擎数据存储机器学习回归分析时序分析运筹优化线性规划动态规划智能决策NLP基础能力实体识别意图分类纠错分词Text to SQL视觉AI能力目标检测图像分类与分割文字识别图像配准表格重建图像预处理文本检测文本结构化版面分析印章检测资源层容器服务数据服务中间件API网关日志服务监控服务视觉识别服务图3-9 金蝶云苍穹OCR预置模板列表视觉识别服务是苍穹AI平台下是基于OCR、NLP等深度学习技术的智能文字识别和文档处理服务,提供了开箱即用的文字识别预置模板、自定义模板、文档差异分析
120、及信息提取等功能。支持pdf、word、图片格式文件进行提取、对比、制单等操作,帮助企业以低代码方式实现日常票据、证照、文档处理工作的自动化,支持用户修改提取内容,一键导入业务单据,方便快捷。图3-10 金蝶云苍穹OCR自定义模板编辑自定义文字识别模板提供可视化界面、提供向导式操作,易上手,企业用户只需简单的配置即可在财务、税务、人力资源等各个业务应用中嵌入文字识别和文档分析的能力。视觉识别服务将一些通用的场景(例如通用卡证、财务常见票据等)标准化,开放出API 供开发者进行调用,支持在微信小程序、H5页面、客户自有的系统使用视觉识别服务的能力,对于开发者来说非常高效。3130大模型加速财务智
121、能化金蝶云星瀚财务数字员工白皮书对话机器人平台金蝶云苍穹对话机器人平台是苍穹AI平台的重要组成部分,具备对话管理、技能管理、自然语言处理、数据分析及知识图谱等相关技术能力,是企业级场景下开发、部署和管理对话机器人服务的低代码平台。与消费级对话机器人相比,苍穹对话机器人平台聚焦企业业务场景。对话机器人平台屏蔽了AI技术的复杂性,提供任务型技能、问答型技能的配置,实现对话机器人的能力扩充和定制化。通过历史数据的学习持续优化算法,结合大模型能力平台,实现财务、人力、协同等多领域的业务能力整合;通过多渠道与企业的业务系统进行关联,工作台配置的机器人直达云之家原生交互界面,支持H5轻应用、API、企业微
122、信、苍穹web端等多端对接。企业客户可基于数字员工能力需求,通过可视化操作快速自主搭建,并在后续运维中实现数据与知识库的更新优化。对话机器人的业务流程主要有四个部分:对话界面、对话平台、对话服务和业务系统。图3-11 金蝶云苍穹对话机器人架构图用户在对话界面上,通过语音或文字输入自然语言(语音的部分会通过语音识别功能转换成文本),对话平台获取到用户的语言后,系统模型就会进行意图识别、词槽提取、分析用户的对话状态并自动生成系统对应的回复策略。对话服务在策略选择上可以分为3种类型:1、业务信息及知识库交互,对话平台将系统的回复输出给对话界面,展示给用户。例如查询业务数据、审批流程及业务咨询等;2、
123、数据分析及决策建议交互,对话平台抽取系统数据,并结合外部数据进行对比分析并给出决策建议;3、闲聊类交互,对话平台识别对话与业务无关,可利用大模型的自然语言能力进行交互,系统可配置交互次数限制闲聊。数字员工对话机器人平台听语音识别触操作处理显示文本/卡片说语音合成对话理解意图识别词槽提取机器人构建开发平台意图/实体/知识库管理模型训练工具回复回复生成组织状态维护判断策略选择业务执行业务系统对话界面对话平台对话服务业务系统对话机器人平台一站式平台,帮助企业以低代3.2.4 财务大模型Andrej Karpthy(OpenAI的创始人之一)在微软Build 2023开发者大会上做的State of
124、GPT(GPT的现状)专题演讲,介绍了如何从GPT基础模型一直训练出ChatGPT这样的助手模型(assistant model),即“预训练、有监督微调、奖励建模、强化学习”4个阶段,整个过程99%的计算成本将用于预训练阶段,ChatGPT在此阶段投入了数千个GPU,进行了数月的训练,而其他三个阶段是微调阶段,仅需要少量 GPU 和数小时或数天的训练时间。据悉,GPT-4训练一次的成本高达6300万美元!普通企业难以承担如此高昂的成本建设通用大模型。图3-12 大模型训练过程数据输入算法实现形成模型原始数据海量、低质量数据书籍、百科等已标注数据少量、高质数据由人类标注比较排名数据由人类对模型
125、生成的多个回答进行排名提示(Prompts)由人类提供数量少、质量高语言模型训练提示预测下个单词的覆盖面语言模型微调提示预测下个单词的准确性奖励模型训练通过损失函数提升模型对回答质量的判断力强化学习用RM模型训练SFT使得回答的评分更高基础模型有几百亿参数的深度神经网络监督微调模型(SFT)更好的回答质量奖励模型(RM)从多个回答中,选出质量最好的回答强化学习模型(RL)可部署的最终模型预训练1有监督微调2奖励建模3强化学习43130大模型加速财务智能化金蝶云星瀚财务数字员工白皮书对话机器人平台金蝶云苍穹对话机器人平台是苍穹AI平台的重要组成部分,具备对话管理、技能管理、自然语言处理、数据分析
126、及知识图谱等相关技术能力,是企业级场景下开发、部署和管理对话机器人服务的低代码平台。与消费级对话机器人相比,苍穹对话机器人平台聚焦企业业务场景。对话机器人平台屏蔽了AI技术的复杂性,提供任务型技能、问答型技能的配置,实现对话机器人的能力扩充和定制化。通过历史数据的学习持续优化算法,结合大模型能力平台,实现财务、人力、协同等多领域的业务能力整合;通过多渠道与企业的业务系统进行关联,工作台配置的机器人直达云之家原生交互界面,支持H5轻应用、API、企业微信、苍穹web端等多端对接。企业客户可基于数字员工能力需求,通过可视化操作快速自主搭建,并在后续运维中实现数据与知识库的更新优化。对话机器人的业务
127、流程主要有四个部分:对话界面、对话平台、对话服务和业务系统。图3-11 金蝶云苍穹对话机器人架构图用户在对话界面上,通过语音或文字输入自然语言(语音的部分会通过语音识别功能转换成文本),对话平台获取到用户的语言后,系统模型就会进行意图识别、词槽提取、分析用户的对话状态并自动生成系统对应的回复策略。对话服务在策略选择上可以分为3种类型:1、业务信息及知识库交互,对话平台将系统的回复输出给对话界面,展示给用户。例如查询业务数据、审批流程及业务咨询等;2、数据分析及决策建议交互,对话平台抽取系统数据,并结合外部数据进行对比分析并给出决策建议;3、闲聊类交互,对话平台识别对话与业务无关,可利用大模型的
128、自然语言能力进行交互,系统可配置交互次数限制闲聊。数字员工对话机器人平台听语音识别触操作处理显示文本/卡片说语音合成对话理解意图识别词槽提取机器人构建开发平台意图/实体/知识库管理模型训练工具回复回复生成组织状态维护判断策略选择业务执行业务系统对话界面对话平台对话服务业务系统对话机器人平台一站式平台,帮助企业以低代3.2.4 财务大模型Andrej Karpthy(OpenAI的创始人之一)在微软Build 2023开发者大会上做的State of GPT(GPT的现状)专题演讲,介绍了如何从GPT基础模型一直训练出ChatGPT这样的助手模型(assistant model),即“预训练、有
129、监督微调、奖励建模、强化学习”4个阶段,整个过程99%的计算成本将用于预训练阶段,ChatGPT在此阶段投入了数千个GPU,进行了数月的训练,而其他三个阶段是微调阶段,仅需要少量 GPU 和数小时或数天的训练时间。据悉,GPT-4训练一次的成本高达6300万美元!普通企业难以承担如此高昂的成本建设通用大模型。图3-12 大模型训练过程数据输入算法实现形成模型原始数据海量、低质量数据书籍、百科等已标注数据少量、高质数据由人类标注比较排名数据由人类对模型生成的多个回答进行排名提示(Prompts)由人类提供数量少、质量高语言模型训练提示预测下个单词的覆盖面语言模型微调提示预测下个单词的准确性奖励模
130、型训练通过损失函数提升模型对回答质量的判断力强化学习用RM模型训练SFT使得回答的评分更高基础模型有几百亿参数的深度神经网络监督微调模型(SFT)更好的回答质量奖励模型(RM)从多个回答中,选出质量最好的回答强化学习模型(RL)可部署的最终模型预训练1有监督微调2奖励建模3强化学习43332大模型加速财务智能化金蝶云星瀚财务数字员工白皮书并且,LLM是基于大量文本数据进行训练的,其目标是预测下一个词或字符的概率,而不是执行逻辑或计算操作,通常不擅长逻辑或计算类的工作。如果将大模型直接用于工作任务处理或管理决策时,就可能会出现误导性信息、可解释性差、数据隐私泄露、适应性不强等问题。举个例子,“无
131、形资产”可能是一个比较泛化的名词,但是在会计准则中却有明确的定义。如果向通用大模型提问“什么是无形资产”和“会计准则中的无形资产如何定义”,通常能够得到不一样的答复,而财务人员在工作中需要咨询专业问题时,并不能保证每次都精准地表达“会计准则”这一特征,因此大模型也无法保证答复的可信度。无论是高昂的成本还是逻辑计算、专业度方面的问题,都导致企业在财务管理领域难以直接训练或应用通用大模型。而研究表明,与预训练语料差异越大的领域,继续预训练(Continued Pretraining)能够带来越大的性能提升。那么基于第三方已完成训练的通用大模型,通过特定领域的小范围数据集进行继续预训练,可以降低训练
132、成本,减少训练周期,并提升大模型的性能和应用效果。金蝶正是基于主流的通用大模型与开源大模型,借助30年财务专业知识积累,以及超740万的客户实践,结合会计准则、税法、经济法等财务领域专有的数据集,进行继续预训练与模型微调,并预置财务场景提示(prompt)与财务知识库,构建了财务大模型。进而支持数字员工的财务问答、报告生成、探索分析等业务场景,在财务领域应用比通用大模型更高效,更专业。图3-13 财务大模型财务AI助手全员助手(财务回答、费用报销)专业助手(合同审批、报告生成)管理助手(探索分析、预算建议)财务大模型继续预训练模型微调提示工程财务知识库通用大模型+开源大模型图3-14 智能预测
133、+财务大模型预测销售收入趋势对于企业来说,部署并应用厂商提供的财务大模型只是第一步,在使用过程中还需要持续收集用户使用模式和交互数据,由人工对生成内容进行高质量的标注,再将标注内容添加到专有数据集,最后,使用新数据集训练、迭代模型,形成“数据飞轮”效应,提升用户体验。除此之外,企业还应当关注提示工程(Prompt engineering)。根据DAIR AI公司发布的Prompt Engineering Guide描述,提示是一种自然语言输入,类似于命令或指令,让AI模型知道它需要做什么。提示工程是一种技术,通过设计和优化,提供清晰、简洁和具有针对性的提示来提高AI模型的表现,获得更高质量和更
134、相关的响应。财务大模型和提示工程两者区别点在于:1、财务大模型训练实现效果在于训练数据是否全面且精准,即使用户提问与训练数据中的问题不太一致,大模型给出的回复也可能符合训练输出的结构,这主要依赖大模型厂家对于预训练和微调的专业度;2、提示构建实现的效果依赖于用户提问是否可以命中提示,命中的提问则可以更精确地指挥大模型给出理想的反馈,优化提示工程可以让用户命中率更高,企业需要针对自身特有的业务场景对提示工程进行调优。金蝶通过训练财务大模型、强化大模型与财务云的调用衔接,并帮助企业优化大模型及提示工程等方式来提升财务大模型的服务能力。以销售收入预测的场景为例,大模型与智能预测应用相结合,不仅能对预
135、测数据进行分析解读,还能提出预测因素改进建议,提升预测的准确度。3332大模型加速财务智能化金蝶云星瀚财务数字员工白皮书并且,LLM是基于大量文本数据进行训练的,其目标是预测下一个词或字符的概率,而不是执行逻辑或计算操作,通常不擅长逻辑或计算类的工作。如果将大模型直接用于工作任务处理或管理决策时,就可能会出现误导性信息、可解释性差、数据隐私泄露、适应性不强等问题。举个例子,“无形资产”可能是一个比较泛化的名词,但是在会计准则中却有明确的定义。如果向通用大模型提问“什么是无形资产”和“会计准则中的无形资产如何定义”,通常能够得到不一样的答复,而财务人员在工作中需要咨询专业问题时,并不能保证每次都
136、精准地表达“会计准则”这一特征,因此大模型也无法保证答复的可信度。无论是高昂的成本还是逻辑计算、专业度方面的问题,都导致企业在财务管理领域难以直接训练或应用通用大模型。而研究表明,与预训练语料差异越大的领域,继续预训练(Continued Pretraining)能够带来越大的性能提升。那么基于第三方已完成训练的通用大模型,通过特定领域的小范围数据集进行继续预训练,可以降低训练成本,减少训练周期,并提升大模型的性能和应用效果。金蝶正是基于主流的通用大模型与开源大模型,借助30年财务专业知识积累,以及超740万的客户实践,结合会计准则、税法、经济法等财务领域专有的数据集,进行继续预训练与模型微调
137、,并预置财务场景提示(prompt)与财务知识库,构建了财务大模型。进而支持数字员工的财务问答、报告生成、探索分析等业务场景,在财务领域应用比通用大模型更高效,更专业。图3-13 财务大模型财务AI助手全员助手(财务回答、费用报销)专业助手(合同审批、报告生成)管理助手(探索分析、预算建议)财务大模型继续预训练模型微调提示工程财务知识库通用大模型+开源大模型图3-14 智能预测+财务大模型预测销售收入趋势对于企业来说,部署并应用厂商提供的财务大模型只是第一步,在使用过程中还需要持续收集用户使用模式和交互数据,由人工对生成内容进行高质量的标注,再将标注内容添加到专有数据集,最后,使用新数据集训练
138、、迭代模型,形成“数据飞轮”效应,提升用户体验。除此之外,企业还应当关注提示工程(Prompt engineering)。根据DAIR AI公司发布的Prompt Engineering Guide描述,提示是一种自然语言输入,类似于命令或指令,让AI模型知道它需要做什么。提示工程是一种技术,通过设计和优化,提供清晰、简洁和具有针对性的提示来提高AI模型的表现,获得更高质量和更相关的响应。财务大模型和提示工程两者区别点在于:1、财务大模型训练实现效果在于训练数据是否全面且精准,即使用户提问与训练数据中的问题不太一致,大模型给出的回复也可能符合训练输出的结构,这主要依赖大模型厂家对于预训练和微调
139、的专业度;2、提示构建实现的效果依赖于用户提问是否可以命中提示,命中的提问则可以更精确地指挥大模型给出理想的反馈,优化提示工程可以让用户命中率更高,企业需要针对自身特有的业务场景对提示工程进行调优。金蝶通过训练财务大模型、强化大模型与财务云的调用衔接,并帮助企业优化大模型及提示工程等方式来提升财务大模型的服务能力。以销售收入预测的场景为例,大模型与智能预测应用相结合,不仅能对预测数据进行分析解读,还能提出预测因素改进建议,提升预测的准确度。3534大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.3 业务平台层统一管理数字员工技能数字员工的业务平台层以金蝶云星瀚财务云智能化应用为核心,封装数
140、字员工专业技能和通用技能,同时支持异构系统的智能化能力接入,利用数字员工管理平台进行统一管理和绩效评估。财务数字员工专业技能已涵盖星瀚财务云各应用的规则引擎、智能化能力、任务执行能力,例如智能记账、语音出差申请、发票识别、智能审单等,通用技能则包含苍穹平台智能化基础能力,如RPA机器人、全局唤醒对话、多渠道自定义催办、嵌入式协同分析等。除此之外,星瀚HR、供应链、制造等领域的智能化能力也开始接入数字员工管理平台。3.3.1 数字员工管理平台 数字员工管理平台,对数字员工形象、语音、技能接入及效能监控等应用,提供统一的管理平台和智能化门户。可定制数字员工形象、声音,支持第三方虚拟数字人服务及语音
141、能力接入。图3-15 数字员工管理平台将星瀚、苍穹及异构系统的智能化能力以“技能”的方式封装至技能库中,通过数字员工入职及调整的方式赋予数字员工。图3-16 数字员工技能管理3534大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.3 业务平台层统一管理数字员工技能数字员工的业务平台层以金蝶云星瀚财务云智能化应用为核心,封装数字员工专业技能和通用技能,同时支持异构系统的智能化能力接入,利用数字员工管理平台进行统一管理和绩效评估。财务数字员工专业技能已涵盖星瀚财务云各应用的规则引擎、智能化能力、任务执行能力,例如智能记账、语音出差申请、发票识别、智能审单等,通用技能则包含苍穹平台智能化基础能力
142、,如RPA机器人、全局唤醒对话、多渠道自定义催办、嵌入式协同分析等。除此之外,星瀚HR、供应链、制造等领域的智能化能力也开始接入数字员工管理平台。3.3.1 数字员工管理平台 数字员工管理平台,对数字员工形象、语音、技能接入及效能监控等应用,提供统一的管理平台和智能化门户。可定制数字员工形象、声音,支持第三方虚拟数字人服务及语音能力接入。图3-15 数字员工管理平台将星瀚、苍穹及异构系统的智能化能力以“技能”的方式封装至技能库中,通过数字员工入职及调整的方式赋予数字员工。图3-16 数字员工技能管理3736大模型加速财务智能化金蝶云星瀚财务数字员工白皮书以关键指标的方式展示数字员工的处理数据量
143、、节省人效和资金等信息,使管理者能够更全面地了解数字员工的表现。图3-17 数字员工主页此外,用户可以按照不同领域管理数字员工,如:查询某领域数字员工,评价数字员工整体绩效,批量维护数字员工技能等。图3-18 数字员工效能看板数字员工技能拓展图3-19 数字员工技能拓展数字员工绩效评估数字员工技能可以进行灵活拓展,为企业员工提供更符合岗位需求的协作者。数字员工技能拓展可以概括为横向和纵向两方面:1、横向,数字员工根据岗位需求不断新增、删除、调整技能,适应岗位职能变化。系统需要提供动态化的技能管理能力,支持技能扩展、组合;2、纵向,数字员工的许多技能需要基于大数据、深度学习和大模型技术,根据业务
144、数据的积累不断自我成长,处理业务越来越高效、精准。数字化转型帮助企业节省的成本、提高的效率、创造的价值需要量化分析,然而过去的数字化能力散布在具体的功能模块中,难以集中评价。数字员工将这些“技能”统一管理后,可以根据企业员工的工作职能分析其具体价值,通过数字员工处理的任务数量评价其节约的人效和资金情况。例如,某共享中心统计,数字员工近三个月审核了近31%的单据,如果长期维持这个比例,按照200元/人天的价值估算,每年可节约1911人天的时间,实现38.22万的经济价值。3736大模型加速财务智能化金蝶云星瀚财务数字员工白皮书以关键指标的方式展示数字员工的处理数据量、节省人效和资金等信息,使管理
145、者能够更全面地了解数字员工的表现。图3-17 数字员工主页此外,用户可以按照不同领域管理数字员工,如:查询某领域数字员工,评价数字员工整体绩效,批量维护数字员工技能等。图3-18 数字员工效能看板数字员工技能拓展图3-19 数字员工技能拓展数字员工绩效评估数字员工技能可以进行灵活拓展,为企业员工提供更符合岗位需求的协作者。数字员工技能拓展可以概括为横向和纵向两方面:1、横向,数字员工根据岗位需求不断新增、删除、调整技能,适应岗位职能变化。系统需要提供动态化的技能管理能力,支持技能扩展、组合;2、纵向,数字员工的许多技能需要基于大数据、深度学习和大模型技术,根据业务数据的积累不断自我成长,处理业
146、务越来越高效、精准。数字化转型帮助企业节省的成本、提高的效率、创造的价值需要量化分析,然而过去的数字化能力散布在具体的功能模块中,难以集中评价。数字员工将这些“技能”统一管理后,可以根据企业员工的工作职能分析其具体价值,通过数字员工处理的任务数量评价其节约的人效和资金情况。例如,某共享中心统计,数字员工近三个月审核了近31%的单据,如果长期维持这个比例,按照200元/人天的价值估算,每年可节约1911人天的时间,实现38.22万的经济价值。3938大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.3.2 数字员工通用技能图3-20 数字员工通用技能全局对话交互金蝶云星瀚将数字员工交互功能放置
147、于系统上海品茶、PC页侧边栏,移动端、大屏等多种界面,确保随时随地可以发起数字员工对话交互,帮助员工轻松完成各种任务,如出差申请、信息查询等。图3-21 数字员工全局对话交互可以随时打开数字员工并与其进行问答对话交互,完成出差申请、信息查询等各种任务。实现用户级的灵活预警,提高对技能及风险的管控力。通过设置灵活的催办触发规则和催办对象,让数字员工能承担各种业务场景下的催办工作。多模式数据汇报方式,可感知的工作绩效,让数字员工不再“偷偷干活”。预警通知日常汇报全局对话交互自定义催办数字员工默认具备苍穹技术底座的通用技能,具备全局对话交互、预警通知、自定义催办、日常汇报等能力。图3-22 数字员工全局
148、对话交互自定义预警通知图3-23 数字员工自定义预警通知针对专业技能的某个指标(预警项)可以设置警戒值(大于、小于或位于警戒区间)及预警对象,对关键指标进行监控,及时提醒用户采取相应措施,从而规避风险。3938大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.3.2 数字员工通用技能图3-20 数字员工通用技能全局对话交互金蝶云星瀚将数字员工交互功能放置于系统上海品茶、PC页侧边栏,移动端、大屏等多种界面,确保随时随地可以发起数字员工对话交互,帮助员工轻松完成各种任务,如出差申请、信息查询等。图3-21 数字员工全局对话交互可以随时打开数字员工并与其进行问答对话交互,完成出差申请、信息查询等各种
149、任务。实现用户级的灵活预警,提高对技能及风险的管控力。通过设置灵活的催办触发规则和催办对象,让数字员工能承担各种业务场景下的催办工作。多模式数据汇报方式,可感知的工作绩效,让数字员工不再“偷偷干活”。预警通知日常汇报全局对话交互自定义催办数字员工默认具备苍穹技术底座的通用技能,具备全局对话交互、预警通知、自定义催办、日常汇报等能力。图3-22 数字员工全局对话交互自定义预警通知图3-23 数字员工自定义预警通知针对专业技能的某个指标(预警项)可以设置警戒值(大于、小于或位于警戒区间)及预警对象,对关键指标进行监控,及时提醒用户采取相应措施,从而规避风险。4140大模型加速财务智能化金蝶云星瀚财
150、务数字员工白皮书图3-25 数字员工工作汇报自定义催办通过设置灵活的催办触发规则和催办对象,数字员工可以承担各种业务场景下的催办工作。包括:异常挂起/待分配流程催办、备用金报销/归还催办、机票/酒店未报销订单催办等。图3-24 数字员工自定义催办配置工作汇报数字员工可汇总各项技能在汇报周期内的处理数量、成功数量、失败数量及失败原因等数据,通过配置主动向管理者汇报,形成数字员工与人类员工的良好协作关系,让企业员工及时掌握事务处理进度,及异常状况以便积极应对。123456789图3-26 数字员工快速入职图3-27 各领域数字员工主要技能费用管理领域应收应付管理资产管理领域智能语音出差申请(NLP
151、)智能语音差标查询(NLP、规则引擎)智能发票报销(规则引擎、OCR)报销提醒(规则引擎)自动开票尾差调整(规则引擎)智能三单匹配(规则引擎、OCR)自动对账(RPA)智能结算(规则引擎)租入合同识别(OCR、财务大模型)租赁续约助手(规则引擎、RPA)资产到期预警(规则引擎、RPA)员工入/离职资产流转(规则引擎)核算报告领域预算管理领域资金管理领域报表查询语音助手(ASR、NLP)智能记账(规则引擎、RPA)财务报告辅助生成(财务大模型)智能月结(RPA)国资报表填报(RPA)预算智能分析(ASR、财务大模型)分析语音助手(ASR、财务大模型)智能预测及规划建议(财务大模型)网银智能直连(
152、RPA)流水匹配(RPA、规则引擎)智能付款排程(RPA、规则引擎)智能对账机器人(RPA、机器学习)共享中心领域管理会计领域税务管理领域智能审核(RPA、机器学习)智能质检(RPA、机器学习)共享客服(ASR、财务大模型)智能派单(RPA、规则引擎)费用、成本和收入分摊(规则引擎)风险预警场景(规则引擎)财务预置指标场景(机器学习)指标分析报告(财务大模型)数据采集(规则引擎、RPA)交易计税、智能算税(规则引擎)税务申报(规则引擎、RPA)风险监控(规则引擎)3.3.3 数字员工专业技能部分应用情景及所用智能化技术举例如下:星瀚财务云的智能化能力均已封装至各领域的数字员工技能包,同时,金蝶
153、云星瀚也提供了标准的异构技能接入方案,可将分散在各个系统的智能化专业能力组合管理。数字员工可以选择具体领域快速入职。4140大模型加速财务智能化金蝶云星瀚财务数字员工白皮书图3-25 数字员工工作汇报自定义催办通过设置灵活的催办触发规则和催办对象,数字员工可以承担各种业务场景下的催办工作。包括:异常挂起/待分配流程催办、备用金报销/归还催办、机票/酒店未报销订单催办等。图3-24 数字员工自定义催办配置工作汇报数字员工可汇总各项技能在汇报周期内的处理数量、成功数量、失败数量及失败原因等数据,通过配置主动向管理者汇报,形成数字员工与人类员工的良好协作关系,让企业员工及时掌握事务处理进度,及异常状
154、况以便积极应对。123456789图3-26 数字员工快速入职图3-27 各领域数字员工主要技能费用管理领域应收应付管理资产管理领域智能语音出差申请(NLP)智能语音差标查询(NLP、规则引擎)智能发票报销(规则引擎、OCR)报销提醒(规则引擎)自动开票尾差调整(规则引擎)智能三单匹配(规则引擎、OCR)自动对账(RPA)智能结算(规则引擎)租入合同识别(OCR、财务大模型)租赁续约助手(规则引擎、RPA)资产到期预警(规则引擎、RPA)员工入/离职资产流转(规则引擎)核算报告领域预算管理领域资金管理领域报表查询语音助手(ASR、NLP)智能记账(规则引擎、RPA)财务报告辅助生成(财务大模型
155、)智能月结(RPA)国资报表填报(RPA)预算智能分析(ASR、财务大模型)分析语音助手(ASR、财务大模型)智能预测及规划建议(财务大模型)网银智能直连(RPA)流水匹配(RPA、规则引擎)智能付款排程(RPA、规则引擎)智能对账机器人(RPA、机器学习)共享中心领域管理会计领域税务管理领域智能审核(RPA、机器学习)智能质检(RPA、机器学习)共享客服(ASR、财务大模型)智能派单(RPA、规则引擎)费用、成本和收入分摊(规则引擎)风险预警场景(规则引擎)财务预置指标场景(机器学习)指标分析报告(财务大模型)数据采集(规则引擎、RPA)交易计税、智能算税(规则引擎)税务申报(规则引擎、RP
156、A)风险监控(规则引擎)3.3.3 数字员工专业技能部分应用情景及所用智能化技术举例如下:星瀚财务云的智能化能力均已封装至各领域的数字员工技能包,同时,金蝶云星瀚也提供了标准的异构技能接入方案,可将分散在各个系统的智能化专业能力组合管理。数字员工可以选择具体领域快速入职。43大模型加速财务智能化金蝶云星瀚财务数字员工白皮书423.4 场景化展现层充分释放AIGC能量 随着财务管理概念的拓展及数字化转型的深入,财务工作已经由企业的后台部门逐渐延展到业务各个环节,服务于企业全体员工。财务数字员工的应用场景,也伴随财务工作的拓展而触达到企业各个层面。在共享中心大厅,需要数字员工提供迎宾和业务咨询服务
157、;在管理者办公室,需要数字员工能随时展示数据并提供决策建议;在员工PC或移动设备,需要数字员工提供填单、审单、查询等服务;不同的场景下,数字员工需要在不同的设备上以不同的形式提供个性化的服务。可以看出,数字员工需要面对大量的自然语言交互。在传统语音交互技术中,用户的语言需要经过领域(Domain)-意图(Intent)-词槽(Slot)的分类过程进行理解。在此之前,需要人工穷举并标注用户意图、词槽、实体等用作数据训练,而这个工作通常只能是系统设计师或开发人员完成,用户难以参与。随着数字员工的应用场景拓展,对应的意图、词槽量将成倍增长,未来需要承担极大的维护成本。但是在大模型技术中,通过输入大量
158、相关文本训练模型,替代了人工穷举,前期的工作更简单。而后期尤其在企业应用场景下则可以依赖用户对生成内容进行标记,完成有监督微调,从而降低维护成本。基于数字员工交互需要以及大模型训练需要,金蝶云星瀚增加了自然语言交互界面,设计了PC端数字员工侧边栏、手机端数字员工交互界面、数字员工大屏等,并通过划分全员助手、专员助手、决策助手等数字员工类型,应对不同场景、划分不同交互内容,同时保障数据安全。3.4.1 全员助手财务大模型服务人人图3-28 全员助手智能问答交互场景图3-29 接待助理大屏交互场景全员助手面向企业全员提供服务,借助语音交互能力及规则引擎技术,可以为企业员工提供差旅申请与查询?报销提
159、醒、智能问答等服务,辅助员工完成出差申请、商旅预定、费用报销等工作;智能问答则是借助财务大模型,通过学习专业知识、法律法规以及企业内部规章制度,为员工提供更精准的业务问答。在企业展厅、财务共享大厅等场所,全员助手可提供迎宾和业务咨询服务,向来宾展示企业数字化能力。通过接入财务大模型,提供业务咨询和更广泛的知识问答服务,在不触碰隐私数据的前提下为来宾提供更顺畅的对话体验。43大模型加速财务智能化金蝶云星瀚财务数字员工白皮书423.4 场景化展现层充分释放AIGC能量 随着财务管理概念的拓展及数字化转型的深入,财务工作已经由企业的后台部门逐渐延展到业务各个环节,服务于企业全体员工。财务数字员工的应
160、用场景,也伴随财务工作的拓展而触达到企业各个层面。在共享中心大厅,需要数字员工提供迎宾和业务咨询服务;在管理者办公室,需要数字员工能随时展示数据并提供决策建议;在员工PC或移动设备,需要数字员工提供填单、审单、查询等服务;不同的场景下,数字员工需要在不同的设备上以不同的形式提供个性化的服务。可以看出,数字员工需要面对大量的自然语言交互。在传统语音交互技术中,用户的语言需要经过领域(Domain)-意图(Intent)-词槽(Slot)的分类过程进行理解。在此之前,需要人工穷举并标注用户意图、词槽、实体等用作数据训练,而这个工作通常只能是系统设计师或开发人员完成,用户难以参与。随着数字员工的应用
161、场景拓展,对应的意图、词槽量将成倍增长,未来需要承担极大的维护成本。但是在大模型技术中,通过输入大量相关文本训练模型,替代了人工穷举,前期的工作更简单。而后期尤其在企业应用场景下则可以依赖用户对生成内容进行标记,完成有监督微调,从而降低维护成本。基于数字员工交互需要以及大模型训练需要,金蝶云星瀚增加了自然语言交互界面,设计了PC端数字员工侧边栏、手机端数字员工交互界面、数字员工大屏等,并通过划分全员助手、专员助手、决策助手等数字员工类型,应对不同场景、划分不同交互内容,同时保障数据安全。3.4.1 全员助手财务大模型服务人人图3-28 全员助手智能问答交互场景图3-29 接待助理大屏交互场景全
162、员助手面向企业全员提供服务,借助语音交互能力及规则引擎技术,可以为企业员工提供差旅申请与查询?报销提醒、智能问答等服务,辅助员工完成出差申请、商旅预定、费用报销等工作;智能问答则是借助财务大模型,通过学习专业知识、法律法规以及企业内部规章制度,为员工提供更精准的业务问答。在企业展厅、财务共享大厅等场所,全员助手可提供迎宾和业务咨询服务,向来宾展示企业数字化能力。通过接入财务大模型,提供业务咨询和更广泛的知识问答服务,在不触碰隐私数据的前提下为来宾提供更顺畅的对话体验。4544大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.4.2 专业助手财务大模型综合应用图3-30 专业助手处理财务结账交
163、互场景总账结账场景专业助手集成了RPA的任务执行能力和大模型提供的交互能力,并设计了特定场景可视化框架,面向专业岗位提供服务。财务月末结账时,用户可以在总账系统中调出数字员工交互界面,利用语音或键盘输入结账指令,数字员工利用RPA执行结账任务的同时,实时显示结账任务重每一个任务的完成情况。合同付款审批场景图3-32 专业助手生成预算报告图3-31 专业助手提供附件问询审批人员处理合同付款审批业务时,数字员工可以提供AI预审、附件信息展示及自然语言问询功能。AI预审基于历史数据深度学习,可分析识别单据风险等级,附件信息展示通过OCR识别、通过大模型提取附件摘要信息,以链接的方式展示。并且,利用财
164、务大模型理解和对话能力,专业助手可以就合同具体内容提供问询交互。由于财务大模型经过专业训练,并提供了常规报告的模板,专业助手可以帮助财务人员编写报告。用户只需要给专业助手一个指令,例如:“生成环宇家电预算分析报告”,助手对话界面会给出生成报告的按钮,点击即可开始撰写报告大纲、正文、图表等内容。编写过程可视可交互,支持表图互转、人工修订。报告撰写完成后,智能文档自动保存,支持下载、发送等后续操作。生成财务报告场景4544大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.4.2 专业助手财务大模型综合应用图3-30 专业助手处理财务结账交互场景总账结账场景专业助手集成了RPA的任务执行能力和大模
165、型提供的交互能力,并设计了特定场景可视化框架,面向专业岗位提供服务。财务月末结账时,用户可以在总账系统中调出数字员工交互界面,利用语音或键盘输入结账指令,数字员工利用RPA执行结账任务的同时,实时显示结账任务重每一个任务的完成情况。合同付款审批场景图3-32 专业助手生成预算报告图3-31 专业助手提供附件问询审批人员处理合同付款审批业务时,数字员工可以提供AI预审、附件信息展示及自然语言问询功能。AI预审基于历史数据深度学习,可分析识别单据风险等级,附件信息展示通过OCR识别、通过大模型提取附件摘要信息,以链接的方式展示。并且,利用财务大模型理解和对话能力,专业助手可以就合同具体内容提供问询
166、交互。由于财务大模型经过专业训练,并提供了常规报告的模板,专业助手可以帮助财务人员编写报告。用户只需要给专业助手一个指令,例如:“生成环宇家电预算分析报告”,助手对话界面会给出生成报告的按钮,点击即可开始撰写报告大纲、正文、图表等内容。编写过程可视可交互,支持表图互转、人工修订。报告撰写完成后,智能文档自动保存,支持下载、发送等后续操作。生成财务报告场景4746大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.4.3 决策助手财务大模型赋能高层通过财务管理系统查询数据、了解公司经营情况时,需要登陆系统并找到报表相关菜单、选择查询条件,才能获取准确的数据。而企业管理者则通常没有时间精力学习系统
167、操作,而将相关查询分析及报告工作交给下属处理,决策时效性则会受到影响。图3-41 决策助手大屏交互场景决策助手正是为了解决此问题,通过智能大屏进行多模态交互,为管理者提供便捷、实时的经营状况诊断、风险分析、预警提醒;并借助财务大模型能力提供引导式指标分析、解读数据并提供预测、决策建议等。让企业管理职实时掌握公司经营情况,提高企业的风险防控能力和财务管理水平。图3-42 决策助手指标分析交互场景第四章新策略:大模型时代,伦理安全防控有道4.1 可信可控随着人工智能技术的进步,其安全与伦理问题近年来引发了广泛讨论。2023年7月18日联合国安理举行了主题为“人工智能给国际和平与安全带来的机遇与风险
168、”的高级别公开会议。中国代表张军提出了AI治理五条原则,强调必须将“以人为本”“智能向善”作为基本准则,规范人工智能的发展方向,逐步建立并完善人工智能伦理规范、法律法规和政策体系,要确保人工智能技术始终造福人类。为什么会有如此高级别的会议讨论一项数字化技术的相关问题?答案是不言而喻的,因为人工智能在很多领域具备了超越人类的能力。2021年1月,全国信息安全标准化技术委员会发布网络安全标准实践指南-人工智能伦理安全风险防范指引,其中指出了人工智能伦理的5类安全风险,分别是:失控性、社会性、侵权性、歧视性、责任性风险。紧接着,国家新一代人工智能治理专业委员会于当年9月发布了新一代人工智能伦理规范提
169、出人工智能各类活动应遵循以下基本伦理规范:增进人类福祉、促进公平公正、保护隐私安全、确保可控可信、强化责任担当、提升伦理素养。这些风险和相关规范对数字员工的发展都具有重要的参考价值,但数字员工是更多是用于垂直领域的具体业务场景,因此,在数字员工的建设和应用过程中,可能不会造成社会性、歧视性问题,但仍然要保障数字员工可控可信、有明确的责任主体、有效保护隐私安全、数据安全及知识产权等几个方面。根据清华大学连同中国信通院、蚂蚁集团联合发布的2023可信AI技术和应用进展白皮书描述:人工智能固有技术风险持续放大,可信AI技术成为AI领域关键底层能力。白皮书构建了包括隐私保护检测、可解释性检测、公平性检
170、测和鲁棒性检测的可信AI检测指标体系。4746大模型加速财务智能化金蝶云星瀚财务数字员工白皮书3.4.3 决策助手财务大模型赋能高层通过财务管理系统查询数据、了解公司经营情况时,需要登陆系统并找到报表相关菜单、选择查询条件,才能获取准确的数据。而企业管理者则通常没有时间精力学习系统操作,而将相关查询分析及报告工作交给下属处理,决策时效性则会受到影响。图3-41 决策助手大屏交互场景决策助手正是为了解决此问题,通过智能大屏进行多模态交互,为管理者提供便捷、实时的经营状况诊断、风险分析、预警提醒;并借助财务大模型能力提供引导式指标分析、解读数据并提供预测、决策建议等。让企业管理职实时掌握公司经营情
171、况,提高企业的风险防控能力和财务管理水平。图3-42 决策助手指标分析交互场景第四章新策略:大模型时代,伦理安全防控有道4.1 可信可控随着人工智能技术的进步,其安全与伦理问题近年来引发了广泛讨论。2023年7月18日联合国安理举行了主题为“人工智能给国际和平与安全带来的机遇与风险”的高级别公开会议。中国代表张军提出了AI治理五条原则,强调必须将“以人为本”“智能向善”作为基本准则,规范人工智能的发展方向,逐步建立并完善人工智能伦理规范、法律法规和政策体系,要确保人工智能技术始终造福人类。为什么会有如此高级别的会议讨论一项数字化技术的相关问题?答案是不言而喻的,因为人工智能在很多领域具备了超越
172、人类的能力。2021年1月,全国信息安全标准化技术委员会发布网络安全标准实践指南-人工智能伦理安全风险防范指引,其中指出了人工智能伦理的5类安全风险,分别是:失控性、社会性、侵权性、歧视性、责任性风险。紧接着,国家新一代人工智能治理专业委员会于当年9月发布了新一代人工智能伦理规范提出人工智能各类活动应遵循以下基本伦理规范:增进人类福祉、促进公平公正、保护隐私安全、确保可控可信、强化责任担当、提升伦理素养。这些风险和相关规范对数字员工的发展都具有重要的参考价值,但数字员工是更多是用于垂直领域的具体业务场景,因此,在数字员工的建设和应用过程中,可能不会造成社会性、歧视性问题,但仍然要保障数字员工可
173、控可信、有明确的责任主体、有效保护隐私安全、数据安全及知识产权等几个方面。根据清华大学连同中国信通院、蚂蚁集团联合发布的2023可信AI技术和应用进展白皮书描述:人工智能固有技术风险持续放大,可信AI技术成为AI领域关键底层能力。白皮书构建了包括隐私保护检测、可解释性检测、公平性检测和鲁棒性检测的可信AI检测指标体系。大模型加速财务智能化金蝶云星瀚财务数字员工白皮书检测维度检测指标评估方式鲁棒性泛化性数据鲁棒性对抗性鲁棒性使用模型建模时未见过的数据,评估模型性能指标与建模时的差异。模型对自然噪声和数据缺失时表现的鲁棒性。评测时可以模拟噪声和缺失,观察模型性能指标降低的情况。模型在人为恶意攻击如
174、梯度攻击时的鲁棒性。评测时可以进行模拟攻击,观察攻击前后模型性能指标变化情况。公平性分组公平性差异公平性机会公平性模型对于不同群体之间的公平性,如性别、种族、年龄等,评测时将数据按照特定群体属性进行分组,比较模型在不同群体上的性能差异。模型对于不同群体之间差异的敏感性,如收入差异、地理差异等。评测时将数据按照特定差异进行分组,比较模型在不同差异水平上的性能差异。模型提供给不同群体或特征的机会是否公平均等,如就业机会、贷款机会等。评测时统计分析不同群体之间的机会差异。隐私数据隐私参数隐私输出隐私差分隐私泛化隐私模型在差分隐私保护下的隐私保护程度。评测时应用差分隐私机制,评估模型在不同隐私预算下的
175、隐私保护能力。型对于未见过数据的隐私保护程度。评测时使用未见过的数据集进行测试,评估模型在新数据上的隐私保护性能。模型对于训练数据中个人身份、敏感信息的保护程度。评测时使用不同的隐私攻击方法,如成员推断攻击、属性推断攻击等,评估模型对于数据隐私的防护能力。模型在训练过程中参数的隐私保护程度。评测时使用参数反演攻击、模型倒推攻击等方法,评估模型对于参数隐私的保护程度。模型对于预测输出中个人隐私信息的泄露程度。评测时使用敏感信息推断攻击、后处理方法等,评估模型对于输出隐私的保护程度。可解释解释正确性解释完整性解释一致性解释连续性解释简洁性解释差异性模型解释对于模型覆盖的完整度。评测时使用解释对模型
176、进行重构,若重构误差较小,则解释对于模型行为覆盖得越全面、详细,完备性越高。模型解释在相同输入下的解释一致性程度。评测时对不同部署下的模型及其解释,检测其模型输出级模型解释的一致程度。模型解释在相似输入下的解释连续性程度。评测时对样本进行轻微扰动或选择相似样本,比较其解释与原样本解释的连续程度。模型解释在针对不同目标变量解释时的差异程度。评测时选择不同的目标变量要求模型进行解释,比较其在不同目标变量下的解释的差异度。模型解释信息是否简洁。评测时对模型解释的信息嫡及头部信息含量进行评估。模型解释是否忠实地反映了模型判断的理由。评测时使用增删重要特征的方法,检测其对模型判断的影响程度,若特征重要性
177、与影响程度匹配则正确性越高。表4-1 可信AI检测指标体系在财务数字员工应用范围内,公平性相对不涉及,我们应当关注其他三个维度:鲁棒性(robustness):亦称健壮性、稳健性,是指系统或者算法在不同的情况下,仍能够保持稳定和可靠的能力。财务数字员工应减少因数据问题或受攻击问题而导致数字员工技能无法正确运行,避免因反馈错误信息而导致决策失准的情况。企业应当选择成熟的厂商,引入相关技术进行充分的测试,并加强防御,确保数字员工各类技能的鲁棒性;隐私:企业ERP系统中会存入个人信息、企业工商税务信息以及大量的财务数据,保护隐私一方面是在AI训练过程中,将隐私信息脱敏或屏蔽,另一方面是数字员工在输出
178、数据的过程中,应当有相应的权限设置,且因数字员工应用场景的复杂性,企业还应当应充分考虑场景环境对隐私保护的影响;可解释:AI通过神经网络中的参数,实现输入到输出的转换,且通过对参数权重的设定或调整,影响AI输出的准确性。因AI参数及内部工作原理对用户是不可见的,其输出结果可信度是值得怀疑的。因此数字员工建设过程中,需要依据场景优化AI的输出,以金蝶云星瀚的审单助手为例,其输出结果不仅需要展现“通过”或“不通过”,更要展现不通过的原因,以保证结果的可信度。并且,用户对于AI解释的正确性、完整性、一致性、连续性等方面都要验证。4.2 责任主体生成式AI诞生后,其生成的内容将会对使用者产生影响,而生
179、成式AI以及使用了生成式AI技术的系统,本身都不具备承担法律责任的主体性质,因此,明确生成式AI的责任主体,以确保AI及使用AI的人收到返利保护。近日,国家网信办联合发改委、教育部、科技部、工信部、公安部、广电总局公布生成式人工智能服务管理暂行办法(以下称办法),自2023年8月15日起施行。办法明确了AI服务提供者的义务与责任,提供者是利用生成式人工智能技术提供生成式人工智能服务的组织、个人,包括通过可编程接口等方式提供生成式人工智能服务的组织、个人。在训练数据处理环节,提供者应当使用具有合法来源的数据和基础模型,并采取有效措施提高训练数据质量,增强训练数据的真实性、准确性、客观性、多样性。
180、4948大模型加速财务智能化金蝶云星瀚财务数字员工白皮书检测维度检测指标评估方式鲁棒性泛化性数据鲁棒性对抗性鲁棒性使用模型建模时未见过的数据,评估模型性能指标与建模时的差异。模型对自然噪声和数据缺失时表现的鲁棒性。评测时可以模拟噪声和缺失,观察模型性能指标降低的情况。模型在人为恶意攻击如梯度攻击时的鲁棒性。评测时可以进行模拟攻击,观察攻击前后模型性能指标变化情况。公平性分组公平性差异公平性机会公平性模型对于不同群体之间的公平性,如性别、种族、年龄等,评测时将数据按照特定群体属性进行分组,比较模型在不同群体上的性能差异。模型对于不同群体之间差异的敏感性,如收入差异、地理差异等。评测时将数据按照特
181、定差异进行分组,比较模型在不同差异水平上的性能差异。模型提供给不同群体或特征的机会是否公平均等,如就业机会、贷款机会等。评测时统计分析不同群体之间的机会差异。隐私数据隐私参数隐私输出隐私差分隐私泛化隐私模型在差分隐私保护下的隐私保护程度。评测时应用差分隐私机制,评估模型在不同隐私预算下的隐私保护能力。型对于未见过数据的隐私保护程度。评测时使用未见过的数据集进行测试,评估模型在新数据上的隐私保护性能。模型对于训练数据中个人身份、敏感信息的保护程度。评测时使用不同的隐私攻击方法,如成员推断攻击、属性推断攻击等,评估模型对于数据隐私的防护能力。模型在训练过程中参数的隐私保护程度。评测时使用参数反演攻
182、击、模型倒推攻击等方法,评估模型对于参数隐私的保护程度。模型对于预测输出中个人隐私信息的泄露程度。评测时使用敏感信息推断攻击、后处理方法等,评估模型对于输出隐私的保护程度。可解释解释正确性解释完整性解释一致性解释连续性解释简洁性解释差异性模型解释对于模型覆盖的完整度。评测时使用解释对模型进行重构,若重构误差较小,则解释对于模型行为覆盖得越全面、详细,完备性越高。模型解释在相同输入下的解释一致性程度。评测时对不同部署下的模型及其解释,检测其模型输出级模型解释的一致程度。模型解释在相似输入下的解释连续性程度。评测时对样本进行轻微扰动或选择相似样本,比较其解释与原样本解释的连续程度。模型解释在针对不
183、同目标变量解释时的差异程度。评测时选择不同的目标变量要求模型进行解释,比较其在不同目标变量下的解释的差异度。模型解释信息是否简洁。评测时对模型解释的信息嫡及头部信息含量进行评估。模型解释是否忠实地反映了模型判断的理由。评测时使用增删重要特征的方法,检测其对模型判断的影响程度,若特征重要性与影响程度匹配则正确性越高。表4-1 可信AI检测指标体系在财务数字员工应用范围内,公平性相对不涉及,我们应当关注其他三个维度:鲁棒性(robustness):亦称健壮性、稳健性,是指系统或者算法在不同的情况下,仍能够保持稳定和可靠的能力。财务数字员工应减少因数据问题或受攻击问题而导致数字员工技能无法正确运行,
184、避免因反馈错误信息而导致决策失准的情况。企业应当选择成熟的厂商,引入相关技术进行充分的测试,并加强防御,确保数字员工各类技能的鲁棒性;隐私:企业ERP系统中会存入个人信息、企业工商税务信息以及大量的财务数据,保护隐私一方面是在AI训练过程中,将隐私信息脱敏或屏蔽,另一方面是数字员工在输出数据的过程中,应当有相应的权限设置,且因数字员工应用场景的复杂性,企业还应当应充分考虑场景环境对隐私保护的影响;可解释:AI通过神经网络中的参数,实现输入到输出的转换,且通过对参数权重的设定或调整,影响AI输出的准确性。因AI参数及内部工作原理对用户是不可见的,其输出结果可信度是值得怀疑的。因此数字员工建设过程
185、中,需要依据场景优化AI的输出,以金蝶云星瀚的审单助手为例,其输出结果不仅需要展现“通过”或“不通过”,更要展现不通过的原因,以保证结果的可信度。并且,用户对于AI解释的正确性、完整性、一致性、连续性等方面都要验证。4.2 责任主体生成式AI诞生后,其生成的内容将会对使用者产生影响,而生成式AI以及使用了生成式AI技术的系统,本身都不具备承担法律责任的主体性质,因此,明确生成式AI的责任主体,以确保AI及使用AI的人收到返利保护。近日,国家网信办联合发改委、教育部、科技部、工信部、公安部、广电总局公布生成式人工智能服务管理暂行办法(以下称办法),自2023年8月15日起施行。办法明确了AI服务
186、提供者的义务与责任,提供者是利用生成式人工智能技术提供生成式人工智能服务的组织、个人,包括通过可编程接口等方式提供生成式人工智能服务的组织、个人。在训练数据处理环节,提供者应当使用具有合法来源的数据和基础模型,并采取有效措施提高训练数据质量,增强训练数据的真实性、准确性、客观性、多样性。4948大模型加速财务智能化金蝶云星瀚财务数字员工白皮书具体条款总结如下:1、安全评估与算法备案双管齐下第六条规定:利用生成式人工智能产品向公众提供服务前,应当按照具有舆论属性或社会动员能力的互联网信息服务安全评估规定向国家网信部门申报安全评估,并按照互联网信息服务算法推荐管理规定履行算法备案和变更、注销备案手
187、续。2、服务提供者和技术提供者要承担主体责任第五条规定:利用生成式人工智能产品提供聊天和文本、图像、声音生成等服务的组织和个人(以下称“提供者”),包括通过提供可编程接口等方式支持他人自行生成文本、图像、声音等,承担该产品生成内容生产者的责任;涉及个人信息的,承担个人信息处理者的法定责任,履行个人信息保护义务。3、服务提供者要对训练数据负责第五条规定:提供者应当对生成式人工智能产品的预训练数据、优化训练数据来源的合法性负责。4、人工智能生成内容需要标识第十六条规定:提供者应当按照互联网信息服务深度合成管理规定对生成的图片、视频等内容进行标识。5、优化模型防止再犯第十五条规定:对于运行中发现、用
188、户举报的不符合本办法要求的生成内容,除采取内容过滤等措施外,应在3个月内通过模型优化训练等方式防止再次生成。6、人工智能技术不得“作恶”第十九条规定:提供者发现用户利用生成式人工智能产品过程中违反法律法规,违背商业道德、社会公德行为时,包括从事网络炒作、恶意发帖跟评、制造垃圾邮件、编写恶意软件,实施不正当的商业营销等,应当暂停或者终止服务。数字员工使用的生成式AI,必须明确责任方,对数字员工行动负责,且应保持程序更新迭代的可追溯性。一般来说,在系统交付之前,厂商是服务提供者,应确保生成式AI向国家网信部门申报安全评估并依法备案,应对AI预训练的数据合法性负责,并对生成的内容进行标识;而在系统交
189、付之后,用户作为数字员工的管理者和使用者,应对数字员工利用生成式AI生产出来的内容负责。用户在使用AI进行优化训练过程时,应确保训练数据的来源合法;应确保使用过程中生成的内容合规合法;如果用户需要自行修改算法,同样需要进行申报安全评估、并依法备案。4.3 知识产权数字员工用户应当关注3个方面的知识产权问题。生成式AI训练数据的知识产权问题OpenAI近来遭遇了几起的起诉,先是有人匿名起诉OpenAI及微软,声称他们使用了私人谈话和医疗记录等敏感数据。紧接着,又有几位全职作者提出,OpenAI未经允许使用了自己的小说训练ChatGPT,构成侵权。虽然官司结果尚未可知,但这无形中影响了企业的声誉。
190、企业应当避免使用未经授权的数据训练大模型。财务数字员工训练过程中,可能会使用到企业内部的聊天记录,以及一些行业相关财务数据,这些数据的使用,一定要经过相关授权。生成式AI输出内容的知识产权问题生成式AI不仅能生成文字信息,还能生成图片及音视频,如果生成的内容来自其他图片或音视频作品的拼接,就可能造成侵权。财务数字员工输出内容相对来说不太容易侵权,但依然需要注意生成内容是否侵犯个人隐私、或者暴露一些合同条款等商业机密信息。虚拟数字人相关的知识产权问题1、数字员工形象可能需要录制自企业员工或外聘模特的音视频,企业在录制前需要取得被拍摄者的授权,音视频材料应当妥善保存,防止造成侵权事件。2、数字员工
191、形象可申请外观专利,特定条件下,数字员工名字、形象、元素都可注册商标,成为企业无形资产。因此,企业在条件成熟时,应当尽早注册相关知识产权,防止被侵权。3、利用数字员工制作的音视频,可能用于企业宣传的公开场合传播;因此在制作过程中,音视频脚本应避免抄袭;而生成的音视频文件,作为加入了创作者思想的文创作品,同样具备著作权,司法实践中,已有认定AI文创作品著作权案例。5150大模型加速财务智能化金蝶云星瀚财务数字员工白皮书具体条款总结如下:1、安全评估与算法备案双管齐下第六条规定:利用生成式人工智能产品向公众提供服务前,应当按照具有舆论属性或社会动员能力的互联网信息服务安全评估规定向国家网信部门申报
192、安全评估,并按照互联网信息服务算法推荐管理规定履行算法备案和变更、注销备案手续。2、服务提供者和技术提供者要承担主体责任第五条规定:利用生成式人工智能产品提供聊天和文本、图像、声音生成等服务的组织和个人(以下称“提供者”),包括通过提供可编程接口等方式支持他人自行生成文本、图像、声音等,承担该产品生成内容生产者的责任;涉及个人信息的,承担个人信息处理者的法定责任,履行个人信息保护义务。3、服务提供者要对训练数据负责第五条规定:提供者应当对生成式人工智能产品的预训练数据、优化训练数据来源的合法性负责。4、人工智能生成内容需要标识第十六条规定:提供者应当按照互联网信息服务深度合成管理规定对生成的图
193、片、视频等内容进行标识。5、优化模型防止再犯第十五条规定:对于运行中发现、用户举报的不符合本办法要求的生成内容,除采取内容过滤等措施外,应在3个月内通过模型优化训练等方式防止再次生成。6、人工智能技术不得“作恶”第十九条规定:提供者发现用户利用生成式人工智能产品过程中违反法律法规,违背商业道德、社会公德行为时,包括从事网络炒作、恶意发帖跟评、制造垃圾邮件、编写恶意软件,实施不正当的商业营销等,应当暂停或者终止服务。数字员工使用的生成式AI,必须明确责任方,对数字员工行动负责,且应保持程序更新迭代的可追溯性。一般来说,在系统交付之前,厂商是服务提供者,应确保生成式AI向国家网信部门申报安全评估并
194、依法备案,应对AI预训练的数据合法性负责,并对生成的内容进行标识;而在系统交付之后,用户作为数字员工的管理者和使用者,应对数字员工利用生成式AI生产出来的内容负责。用户在使用AI进行优化训练过程时,应确保训练数据的来源合法;应确保使用过程中生成的内容合规合法;如果用户需要自行修改算法,同样需要进行申报安全评估、并依法备案。4.3 知识产权数字员工用户应当关注3个方面的知识产权问题。生成式AI训练数据的知识产权问题OpenAI近来遭遇了几起的起诉,先是有人匿名起诉OpenAI及微软,声称他们使用了私人谈话和医疗记录等敏感数据。紧接着,又有几位全职作者提出,OpenAI未经允许使用了自己的小说训练
195、ChatGPT,构成侵权。虽然官司结果尚未可知,但这无形中影响了企业的声誉。企业应当避免使用未经授权的数据训练大模型。财务数字员工训练过程中,可能会使用到企业内部的聊天记录,以及一些行业相关财务数据,这些数据的使用,一定要经过相关授权。生成式AI输出内容的知识产权问题生成式AI不仅能生成文字信息,还能生成图片及音视频,如果生成的内容来自其他图片或音视频作品的拼接,就可能造成侵权。财务数字员工输出内容相对来说不太容易侵权,但依然需要注意生成内容是否侵犯个人隐私、或者暴露一些合同条款等商业机密信息。虚拟数字人相关的知识产权问题1、数字员工形象可能需要录制自企业员工或外聘模特的音视频,企业在录制前需
196、要取得被拍摄者的授权,音视频材料应当妥善保存,防止造成侵权事件。2、数字员工形象可申请外观专利,特定条件下,数字员工名字、形象、元素都可注册商标,成为企业无形资产。因此,企业在条件成熟时,应当尽早注册相关知识产权,防止被侵权。3、利用数字员工制作的音视频,可能用于企业宣传的公开场合传播;因此在制作过程中,音视频脚本应避免抄袭;而生成的音视频文件,作为加入了创作者思想的文创作品,同样具备著作权,司法实践中,已有认定AI文创作品著作权案例。5150大模型加速财务智能化金蝶云星瀚财务数字员工白皮书4.4 数据安全人工智能与数据之间既相互依存又相互博弈,人工智能需要获取数据,又不可避免地会导致数据流转
197、、传播。需要从以下方面保证数据安全数字员工的应用,会在多种场景下展示数据,企业应当防止数据泄露,包括通过技术手段窃取,以及在非必要场合展示隐私数据、机密数据。另一方面,企业还需要防范数据入侵。包括通过在训练数据中加入恶意的样本、深度伪造数据内容等,使得训练的算法模型在做出各项决策时出现偏差,造成AI识别技术可信度下降。例如:在AI训练数据投入的“剧毒”,导致数字员工发表不当的言论或者攻击性较强的言论。另外,数据采集也需要注意。中华人民共和国个人信息保护法规定了信息收集者收集用户个人信息应当获得用户的同意,并且不得过度收集个人信息。然而,企业信息系统与toC场景中略有区别,招聘及入职过程中,企业
198、要充分了解员工个人背景,因此会收集并录入较多个人隐私数据,并存入企业信息系统。而数字员工的AI在抓取数据过程中,如果对数据不加以控制,数字员工就有可能产生越界行为,过度采集并滥用数据,从而给数字员工的管理者带来不必要的麻烦。企业在应对人工智能数据安全风险过程中,应结合相关风险情况,健全人工智能数据安全相关规章制度、打造安全的人工智能技术。应以数据为核心,构建安全治理平台和安全保障体系,如完善数据安全风险感知体系、完善零信任数据安全机制、完善数据质量管理智能平台等。第五章新发展:睹微知著,数字员工前途无限量数字员工实现了信息系统从“工具”到“助手”的进化,势必要朝着更高效、更智能、渗透更多应用场
199、景的方向发展,而元宇宙发展、AI技术变革将会加速数字员工的发展进程。5.1 元宇宙与数字员工发展相辅相成就目前的发展形势看来,元宇宙落地仍然需要在算力、数据、技术和场景有大量的资源投入,但因为元宇宙虚实结合的特性及数字孪生等技术,将给工业、文旅、教育等众多行业带来变革,给社会带来巨大想象空间,因此多地政府都在超前布局元宇宙,将其作为加速区域数字化转型、推动数字经济发展的一大抓手。目前,已有超过 30 个省市颁布了元宇宙相关的支持政策,部分城市已有明确的行动计划,并已有项目落地。在技术方面,政策引导发展“元宇宙”内容、存算、传输和终端等技术,以信息基础设施为载体,以虚拟现实(VR/AR/MR/X
200、R)为核心技术支撑,以数据为基础性战略资源,构建而成的数字化时空域,并探索元宇宙在工业、文旅、消费等场景应用;资源方面,政府一方面发展产业园区,另外还提供资金支持补贴公共技术服务平台建设、专精特新企业及行业领军人才,吸引社会资本集聚形成资本供给效应。元宇宙的发展对虚拟数字人的技术有直接影响,包括动态、交互更自然,适配更多交互设备,创造更多交互场景等;对于数字员工来说,可以在虚拟环境中进行工作和服务,将会带来更好的交互体验;相对而言,数字员工的应用,也给元宇宙提供了应用拓展的空间,二者是相辅相成的关系。相信在政策引导和政府大力支持下,随着算力、技术的进步,元宇宙时代会很快到来!5352大模型加速
201、财务智能化金蝶云星瀚财务数字员工白皮书4.4 数据安全人工智能与数据之间既相互依存又相互博弈,人工智能需要获取数据,又不可避免地会导致数据流转、传播。需要从以下方面保证数据安全数字员工的应用,会在多种场景下展示数据,企业应当防止数据泄露,包括通过技术手段窃取,以及在非必要场合展示隐私数据、机密数据。另一方面,企业还需要防范数据入侵。包括通过在训练数据中加入恶意的样本、深度伪造数据内容等,使得训练的算法模型在做出各项决策时出现偏差,造成AI识别技术可信度下降。例如:在AI训练数据投入的“剧毒”,导致数字员工发表不当的言论或者攻击性较强的言论。另外,数据采集也需要注意。中华人民共和国个人信息保护法
202、规定了信息收集者收集用户个人信息应当获得用户的同意,并且不得过度收集个人信息。然而,企业信息系统与toC场景中略有区别,招聘及入职过程中,企业要充分了解员工个人背景,因此会收集并录入较多个人隐私数据,并存入企业信息系统。而数字员工的AI在抓取数据过程中,如果对数据不加以控制,数字员工就有可能产生越界行为,过度采集并滥用数据,从而给数字员工的管理者带来不必要的麻烦。企业在应对人工智能数据安全风险过程中,应结合相关风险情况,健全人工智能数据安全相关规章制度、打造安全的人工智能技术。应以数据为核心,构建安全治理平台和安全保障体系,如完善数据安全风险感知体系、完善零信任数据安全机制、完善数据质量管理智
203、能平台等。第五章新发展:睹微知著,数字员工前途无限量数字员工实现了信息系统从“工具”到“助手”的进化,势必要朝着更高效、更智能、渗透更多应用场景的方向发展,而元宇宙发展、AI技术变革将会加速数字员工的发展进程。5.1 元宇宙与数字员工发展相辅相成就目前的发展形势看来,元宇宙落地仍然需要在算力、数据、技术和场景有大量的资源投入,但因为元宇宙虚实结合的特性及数字孪生等技术,将给工业、文旅、教育等众多行业带来变革,给社会带来巨大想象空间,因此多地政府都在超前布局元宇宙,将其作为加速区域数字化转型、推动数字经济发展的一大抓手。目前,已有超过 30 个省市颁布了元宇宙相关的支持政策,部分城市已有明确的行
204、动计划,并已有项目落地。在技术方面,政策引导发展“元宇宙”内容、存算、传输和终端等技术,以信息基础设施为载体,以虚拟现实(VR/AR/MR/XR)为核心技术支撑,以数据为基础性战略资源,构建而成的数字化时空域,并探索元宇宙在工业、文旅、消费等场景应用;资源方面,政府一方面发展产业园区,另外还提供资金支持补贴公共技术服务平台建设、专精特新企业及行业领军人才,吸引社会资本集聚形成资本供给效应。元宇宙的发展对虚拟数字人的技术有直接影响,包括动态、交互更自然,适配更多交互设备,创造更多交互场景等;对于数字员工来说,可以在虚拟环境中进行工作和服务,将会带来更好的交互体验;相对而言,数字员工的应用,也给元
205、宇宙提供了应用拓展的空间,二者是相辅相成的关系。相信在政策引导和政府大力支持下,随着算力、技术的进步,元宇宙时代会很快到来!535255大模型加速财务智能化金蝶云星瀚财务数字员工白皮书54图5-1 AI-based向AI-native进化爱立信白皮书(Ericsson White Paper)Defining AI native:A key enabler for advanced intelligent telecom networks(定义 AI 原生:高级智能电信网络的关键推动力)提到,提升系统的智能化有AI-based和AI-native两种模式。过去AI应用一直通过打补丁的方式引入系
206、统,或替换现有的组件,或增加AI-based组件,这种模式下,AI能力是集中管理的、方便调度,但AI能力是否能介入其他组件的业务处理,取决于其他组件的开放程度。而没有AI-based组件的情况下,别的组件仍然能正常运行。建立数字员工看起来更像是给系统增加一层人格化外壳,必要性值得商榷。但在AI原生模式下,AI能力与各个组件融为一体的,将AI能力停用则组件无法正常运行,AI与应用系统融为一体。这种情况下,则有必要通过一个平台管理对AI的能力进行管理、监控和组合应用,此时即可借助数字员工管理平台集中管理调用,通过数字人执行任务并汇报工作情况,既能充分发挥AI能力,又能避免AI成为黑盒,数字员工将成
207、为AI原生时代的必选项。5.2 AI产业变革加速数字员工发展AIGC给AI产业注入了一剂强心针,客户及应用层厂商都在探寻新技术带来更多变革,而随着AI能力的提升,将AI融入每一个应用组件即AI原生概念被提出,这将促使厂商重构SaaS应用。Replacing anexisting componentwith and AI-basedcomponentAdding a newAI-basedcomponentAdding AI-basedcontrol to legacycomponent(s)AI-native is where all componentspotentially use AI
208、in and amongeach other 5.3 企业数字员工建设及发展分析数字员工将借助元宇宙、AIGC技术、AI原生模式的发展进入快车道,企业如何建设及发展数字员工呢?首先,算力是一个关键问题。元宇宙和AIGC技术的快速发展使得算力需求呈几何级数增长,这对于企业来说是一笔巨大的硬件成本负担。企业可以采用公有云服务,在保障数据安全的前提下,充分利用SaaS厂商提供的云计算和边缘计算技术,获取充足的算力保障。其次,数据问题也尤为重要。GPT4训练耗费了大约13万亿个标记(token),然而在中国,各大厂商都建立了相对封闭的APP生态,公开数据更难以获取,这使得IT厂商训练通用大模型变得非常
209、困难,垂直领域大模型训练相对更容易完成。在企业内部,则应尽早启动数据治理工作,充分利用自身丰富的业财数据,通过微调及提示工程,让生成式AI成为更精准、更聪明员工助手。技术发展在数字员工建设及培育过程中也不可忽视。AI发展的技术路径还算清晰,但是元宇宙则需要从硬件到软件各类技术的支持,目前发展路径并未完全明确。因此,企业需要选择具有技术前瞻性的IT服务厂商,辅助自身数字化转型,应对技术路径的发展变化。最后,场景创新则能够帮助企业更好地应用数字员工。场景创新不仅与技术发展息息相关,更需要企业识别自身的个性化场景,与供应商共创数字员工应用模式,给企业经营管理带来更大的帮助。数字员工的发展过程仍处于探
210、索中,或多或少会遇到一些具体问题,但是通过采取相应的对策可以有效地规避问题,借助元宇宙与AI变革,数字员工发展势必前途可期!55大模型加速财务智能化金蝶云星瀚财务数字员工白皮书54图5-1 AI-based向AI-native进化爱立信白皮书(Ericsson White Paper)Defining AI native:A key enabler for advanced intelligent telecom networks(定义 AI 原生:高级智能电信网络的关键推动力)提到,提升系统的智能化有AI-based和AI-native两种模式。过去AI应用一直通过打补丁的方式引入系统,或替
211、换现有的组件,或增加AI-based组件,这种模式下,AI能力是集中管理的、方便调度,但AI能力是否能介入其他组件的业务处理,取决于其他组件的开放程度。而没有AI-based组件的情况下,别的组件仍然能正常运行。建立数字员工看起来更像是给系统增加一层人格化外壳,必要性值得商榷。但在AI原生模式下,AI能力与各个组件融为一体的,将AI能力停用则组件无法正常运行,AI与应用系统融为一体。这种情况下,则有必要通过一个平台管理对AI的能力进行管理、监控和组合应用,此时即可借助数字员工管理平台集中管理调用,通过数字人执行任务并汇报工作情况,既能充分发挥AI能力,又能避免AI成为黑盒,数字员工将成为AI原
212、生时代的必选项。5.2 AI产业变革加速数字员工发展AIGC给AI产业注入了一剂强心针,客户及应用层厂商都在探寻新技术带来更多变革,而随着AI能力的提升,将AI融入每一个应用组件即AI原生概念被提出,这将促使厂商重构SaaS应用。Replacing anexisting componentwith and AI-basedcomponentAdding a newAI-basedcomponentAdding AI-basedcontrol to legacycomponent(s)AI-native is where all componentspotentially use AI in a
213、nd amongeach other 5.3 企业数字员工建设及发展分析数字员工将借助元宇宙、AIGC技术、AI原生模式的发展进入快车道,企业如何建设及发展数字员工呢?首先,算力是一个关键问题。元宇宙和AIGC技术的快速发展使得算力需求呈几何级数增长,这对于企业来说是一笔巨大的硬件成本负担。企业可以采用公有云服务,在保障数据安全的前提下,充分利用SaaS厂商提供的云计算和边缘计算技术,获取充足的算力保障。其次,数据问题也尤为重要。GPT4训练耗费了大约13万亿个标记(token),然而在中国,各大厂商都建立了相对封闭的APP生态,公开数据更难以获取,这使得IT厂商训练通用大模型变得非常困难,垂
214、直领域大模型训练相对更容易完成。在企业内部,则应尽早启动数据治理工作,充分利用自身丰富的业财数据,通过微调及提示工程,让生成式AI成为更精准、更聪明员工助手。技术发展在数字员工建设及培育过程中也不可忽视。AI发展的技术路径还算清晰,但是元宇宙则需要从硬件到软件各类技术的支持,目前发展路径并未完全明确。因此,企业需要选择具有技术前瞻性的IT服务厂商,辅助自身数字化转型,应对技术路径的发展变化。最后,场景创新则能够帮助企业更好地应用数字员工。场景创新不仅与技术发展息息相关,更需要企业识别自身的个性化场景,与供应商共创数字员工应用模式,给企业经营管理带来更大的帮助。数字员工的发展过程仍处于探索中,或
215、多或少会遇到一些具体问题,但是通过采取相应的对策可以有效地规避问题,借助元宇宙与AI变革,数字员工发展势必前途可期!1 麦肯锡.数字化劳动力白皮书:数字化劳动力全力激活人效潜能,助力企业行稳致远 2 张田彤,蔡震.数字员工:企业数字化转型的下一个里程碑https:/ Gartner Research.Hype Cycle for Data,Analytics and AI in China,20234 Gartner Research.Predicts 2022:Generative AI Is Poised to Revolutionize Digital Product Developme
216、nt5 加马修鲍尔(Matthew Ball)(著),岑格蓝 赵奥博 王小桐(译).元宇宙改变一切,浙江教育出版社/湛庐文 化 2022.9.1,ISBN:97875722405226 新浪财经.万科今年的最佳新人竟是她!第一批虚拟人已经杀入职场https:/ Wency Yang.IDC PeerScape:AI数字人最佳实践案例与探索,2023.3 8 State of GPT(ChatGPT 原理及现状介绍)https:/ 清华大学,中国信通院,蚂蚁集团.可信AI技术和应用进展白皮书(2023)10 Ericsson White Paper.Defining AI native:A key enabler for advanced intelligent telecom networks,February 2023 金蝶云星瀚财务数字员工白皮书56参考文献