這兩年有個(gè)挺普遍的現(xiàn)象：公司買了大模型，接了知識庫，做了幾個(gè)智能體，員工也能用 AI 問答、寫文檔、查數(shù)據(jù)。但一到真正的業(yè)務(wù)環(huán)節(jié)——比如讓 AI 跑完一次利潤分析、把整改任務(wù)分下去、處理一次供應(yīng)商異常——就接不住了。
于是老板會(huì)問：是不是我們買的模型不夠強(qiáng)？
大概率不是。
一、AI 干不了活，通常卡在兩件事
第一件：它不知道你們公司是怎么回事。
大模型上知天文下知地理，但它不知道你們公司里：
- 一張訂單對應(yīng)哪條生產(chǎn)計(jì)劃；
- 這個(gè)供應(yīng)商斷了貨，會(huì)影響到哪些產(chǎn)品和客戶；
- 這筆費(fèi)用該走哪條審批流、誰有權(quán)限批；
- 公司制度里，這種情況歷史上是怎么處理的。
這些信息不在任何一份文檔里完整寫著，它們散落在系統(tǒng)、表格、制度和老員工的腦子里。AI 讀不到這一層，就只能給出"看起來對、用不了"的答案。
第二件：就算它說對了，也沒人（沒東西）去執(zhí)行。
AI 可以告訴你"本月利潤下降了，主要是 A 產(chǎn)品線毛利率下滑"。然后呢？誰來查原因、誰來定整改、誰來跟進(jìn)、結(jié)果寫到哪個(gè)系統(tǒng)里？
如果這些環(huán)節(jié)還是靠人手動(dòng)串，那 AI 就只是個(gè)高級搜索引擎。
二、要解開這兩個(gè)結(jié)，需要補(bǔ)兩層能力
第一層：讓 AI 理解企業(yè)——"企業(yè)上下文"
這一步不是多喂點(diǎn)文檔就行，而是要把企業(yè)的數(shù)據(jù)、知識、業(yè)務(wù)語義三層搭起來。
用友 BIP 6 里的做法是把這三層拆成三個(gè)平臺(tái)：
- YonData：管數(shù)據(jù)。企業(yè)現(xiàn)在發(fā)生了什么——訂單、合同、庫存、資金這些真實(shí)業(yè)務(wù)數(shù)據(jù)都能接進(jìn)來。
- YonKnow：管知識。企業(yè)過去沉淀了什么——制度文件、業(yè)務(wù)規(guī)范、項(xiàng)目經(jīng)驗(yàn)、歷史案例、專家知識，變成能檢索、能問答、能復(fù)用的資產(chǎn)。
- YonOnto：管語義。這些數(shù)據(jù)和知識在業(yè)務(wù)上意味著什么——把客戶、供應(yīng)商、產(chǎn)品、組織、合同、訂單、項(xiàng)目、資金這些對象，以及它們之間的關(guān)系、規(guī)則、事件和動(dòng)作統(tǒng)一建模。
第三層最容易被忽略，也最關(guān)鍵。
舉個(gè)好懂的例子：供應(yīng)商出問題了。
- 只有數(shù)據(jù)：AI 知道這家供應(yīng)商交付質(zhì)量評分降了；
- 加上知識：AI 知道制度里這種情況該走什么處置流程；
- 加上業(yè)務(wù)語義：AI 才知道這家供應(yīng)商供的物料會(huì)影響哪幾條生產(chǎn)計(jì)劃、有沒有替代供應(yīng)商、該通知哪些部門。
第三層，是"能決策"和"只會(huì)報(bào)警"的分界線。
第二層：讓 AI 真的把活干完——"企業(yè) AI 工作平臺(tái)"
用友的 YonWork 企業(yè) AI 工作臺(tái)做的是這個(gè)。它不是又一個(gè)聊天窗口，而是把一句人話變成一項(xiàng)能執(zhí)行的任務(wù)。
比如管理者說："分析本月利潤下降的主要原因，并形成整改任務(wù)。"
YonWork 后臺(tái)要干的是：先結(jié)合你的身份權(quán)限、企業(yè)數(shù)據(jù)和業(yè)務(wù)關(guān)系搞清楚你真正要什么 → 把這件事拆成幾步 → 調(diào)度經(jīng)營分析、成本、供應(yīng)鏈、項(xiàng)目幾個(gè)智能體分頭查 → 把結(jié)果變成整改建議和責(zé)任分工 → 需要審批的提交給管理者 → 最后把結(jié)果寫回企業(yè)系統(tǒng)。
中間那句"需要審批的提交管理者確認(rèn)"和"結(jié)果寫回系統(tǒng)"，才是企業(yè)敢不敢把活交給 AI 的關(guān)鍵。
三、還有一件事不能?。褐卫?/h3>
AI 一旦能操作系統(tǒng)、能寫數(shù)據(jù)，企業(yè)就必須能回答：它接了什么任務(wù)、調(diào)了哪些數(shù)據(jù)、用了什么工具、做了什么動(dòng)作、花了多少錢。
用友的 YonAIG 企業(yè) AI 治理平臺(tái)就是管這個(gè)的，覆蓋智能資產(chǎn)、身份權(quán)限、調(diào)用軌跡、執(zhí)行成本、效果評測和審計(jì)合規(guī)。
還有一個(gè)思路值得參考，叫"智能雙模"：不是把所有軟件都換成 AI，而是讓"會(huì)思考但不確定的智能體軟件"和"按規(guī)則執(zhí)行、結(jié)果確定的流程執(zhí)行型軟件"配合著跑。算賬、結(jié)算這類必須精確的事交給規(guī)則；分析、建議、任務(wù)規(guī)劃這類交給 AI。這樣既有靈活性，又不會(huì)因?yàn)?AI 偶爾出錯(cuò)把賬搞亂。
四、最后說三句實(shí)話
- 別指望 AI 百分之百正確。 知識庫、業(yè)務(wù)語義、規(guī)則校驗(yàn)和人工復(fù)核，只能降低出錯(cuò)概率。重要的事一定要留人工確認(rèn)。
- 不是所有場景都值得上重方案。 只是想查查制度、寫寫文檔，一個(gè)知識庫就夠了。只有當(dāng)任務(wù)涉及跨系統(tǒng)的業(yè)務(wù)規(guī)則和實(shí)際動(dòng)作時(shí)，才需要更完整的企業(yè)上下文。
- 上線不是買完就完事。 智能體需要配置、調(diào)優(yōu)、對接系統(tǒng)和持續(xù)維護(hù)，這部分工作量要有心理準(zhǔn)備。
說到底，大模型能力已經(jīng)很普及了，接下來企業(yè)之間的差距，不在用哪個(gè)模型，而在誰先把自己的業(yè)務(wù)講清楚。
