用友金融总裁郑海伟：AI至上 精益经营

首先非常感谢主办方给予我们学习和分享的机会。刚才安总的分享非常精彩，他有两个观点我特别认同，一是AI的深度应用在于Skill，我们今年已经累计开发了将近3000个Skill，把功能封装成Skill确实是近期的一个趋势。二是企业AI落地需要三大平台，两个飞轮，我们现在也是这么做的，我们现在AI原生的技术架构分为四层。以下是我今天的报告。

在政策引导与治理规范方面，李东荣副行长、高峰首席等领导前面已经介绍了很多内容，我认为最重要的政策是《关于加快招标投标领域人工智能推广应用的实施意见》和《银行业保险业人工智能安全开发应用指导意见》，这两个意见与我们会议主题是直接关联的。

泰康集团的杜彦斌首席刚才提到的一个观点，我觉得特别有共鸣。现在AI投入已经走到价值验证阶段，杜首席提到AI的使用已经从原来的比参数变成现在的比场景，场景更重要。而场景背后就是价值，通过场景创造价值，我们认为这是当下的发展趋势。

我们总结了三项驱动因素：一是从“工具采购”转向“能力建设”；二是从“技术试验”到“业务嵌入”；三是从“概念热度”到“经营价值”，这个发展趋势还是非常明显。

用友的技术架构已升维为AI原生，我们的技术架构分为四层：

第一层是数据，数据非常重要，刚才杜彦斌首席提到，如果数字化年代的工作没做好，在今天的智能化时代，AI应用的效果是要打折的，AI原生底层是数据。

第二层是模型层，我们对于这一层的感受和杜彦斌首席是一样的，以前是通用大模型，现在用友的架构可以支持所有的大模型，因为我们认为不同厂商大模型都有优点和区别，一些大模型可能在推理上特别强，一些在多模态处理上特别强，在应用过程中可以根据不同的任务属性和特点选择不同的大模型，所以我们在技术架构上支持所有的大模型、垂类模型、行业模型、领域模型、本体库、指标库、业务规则库。

第三层是平台层，包括智能平台、数据平台、开发平台、集成平台、应用平台、技术平台。

最上面一层是应用层，金融行业有很多业务场景，根据我们与监管交流的情况来看，监管希望在中后台场景大量使用AI，在前台还是审慎原则，所以我们认为AI在中后台会有大量的作为。今天会议主题是金融采购数智化，刚好是中后台的场景。

我向大家简单介绍一下用友推出Work平台。这个平台与其他Work平台的区别在哪里？用友Work平台直接面对金融行业，由于金融行业监管要求，所有的系统要求私有化部署，要求私有云，交易数据和客户数据不能到公有云，所以用友Work平台支持私有化部署。如果后台使用的是用友软件，封装的Skill可以与用友Work平台有机结合。我们给金融机构的用友Work平台不是简单的入口，而是做了两项预置：一是满足监管要求，本地化部署，数据不出域，系统也不出域。二是把已有的软件和Skill全部封装到Work平台，登录Work平台就可以方便调用所有的软件功能，包括支持第三方的Skill功能嵌入到Work平台。用友Work是我们认真研究金融行业的需求后推出的平台，可以把业务经验沉淀为可复用的AI能力，包括业财运营、管理决策、人力运营等方面。

谈到采购，我们最近正在帮一些大型银行实现经费端到端的STP直通式管理与管控，也就是说任何一笔采购动作，从预算管理，到采购，到入库，到付款，到最后结项等所有环节都实现了端到端的线上化、智能化处理。集采、资金、法务、财管在一个AI平台上全部打通，目前已在一家国有银行、多家股份制银行、多家大型证券公司落地。举一个例子，签了采购合同后，资金支付计划会自动生成导入给资金管理系统，合同履约环节会把合同的结构化数据导入给项目管理(PMO)平台，以采购为原点，金融机构就可以把后台多个部门之间的数据和流程全部激活。

我们认为AI进入金融核心流程有三道防线：一是合规与敏感信息保护，只在合法、合规、可控的边界内工作。二是企业数据安全访问，只做被授权的事，只在被批准的时候做。三是审计与追踪，每一次规划、决策、执行都可以被追踪和复盘。

在采购、资产管理、合同管理、财务、人力资源协同等领域，我们开发了大量的Skill和智能体，使金融机构从业财作业到金融决策全流程实现AI的应用。

第一个场景是金融决策。大家提到AI对金融行业的影响时想到的往往是AI如何改变工作习惯和降本增效，但是金融机构面临的竞争压力是很大的，我们这两年正在探讨AI如何在经营上帮助金融机构减轻压力。现在宏观经济下行压力大，银行净息差和证券公司佣金逐年下滑，在这种情况下，很多中小金融机构都面临如何更好地生存下来的问题。AI出现后，我们研究用AI如何在经营管理上帮助金融机构实现更好的效果，利用最新的技术把资本端、资产端和负债端管理好，帮助金融机构把收入、预算、利润等全年执行的偏差压缩到很小。在我们产品的帮助下，有一家商业银行全年预算执行的偏差最高不到3%，非常精准，非常好地实现年度经营计划，这个产品已经在很多金融机构落地。

第二个场景是智能审核。台下有很多负责采购的领导，每天要接触大量的合同，目前哪怕是手写的合同，智能审核现在都可以支持。智能审核会生成结构化数据，与财务部、资金部、项目管理部、科技部实现自动化对接，这个产品就是把合同变成自动化和结构化，也包括票据，比如合同签署后会有大量票据，海外票据目前也是支持的。比如已经出海的企业，海外有20多个分公司，与海外伙伴和海外甲方合作时使用的都是海外票据，智能审核可以自动识别这些票据，背后是AI支撑，因为不同国家票据的尺寸、字体、货币单位、文字都完全不一样，这是一个以采购合同为原点的数字化、结构化、线上化的后台管理平台，目前已经在某个头部证券落地。

第三个场景是智能收付款核验。这也是与采购有关系的场景，采购合同进入后的付费和收费都可以以智能体的模式自动实现，依次通过“识别需处理流水→匹配自动规则→大模型分类→人工处理异常”四层筛选，最大化自动化率。目前已经有头部租赁集团用我们这个产品做了客户的信用风险等级以及定价的业务流程，租赁业务过程中的资金管理全部是用智能体实现的。

我们认为金融AI规模化落地主要有三阶段的推进路径：一是数字化向智能化平移，解决重复性咨询，释放基础人力，建立员工对AI的初感。二是高价值环节人机协同，产生可量化的业务收益（如巡检效率明显提升），验证AI在核心业务中的可靠性。三是智能体驱动的组织协同，跨场景协同，推进组织具备自动进化能力，决策由数据和模型驱动。

从监管角度来说，更关注的是可信、可追溯，所以运营闭环、准确、安全、可持续、可衡量都是我们在落地过程中需要充分考虑的管理要求。

我介绍一下我们最近正在推广的企业AI盒子。为什么要做企业AI盒子？主要是满足国内金融机构的需求。国内金融机构的数据必须在本地，不能到公有云上，考虑到算力和服务器涨价很高很快，我们推出预置了Work平台、Skill、大模型的AI盒子，适应中小企业和大型金融机构部门级的使用，部署效率特别快，基本上几个工作日内就能部署完，也不必须使用大型机房。金融是严监管行业，我们AI盒子的优势就是可以做到快速落地、可复制、可持续，效果非常好，特别是一些私募基金，管理了100亿资金，可能也就20位员工，客户信息和持仓数据不能放在公有云上，这都是它的核心商业秘密，一个在本地的AI盒子就能支撑它的应用。AI盒子本质上就是一个预置大模型和Work平台的企业超级智能体，硬件很轻便，可以随身带。

一是从应用实践来看，从单点提效走向流程重构，高价值场景将进入人机协同决策阶段。

二是从产业供给来看，从产品交付走向价值共创，AI能力需要转化为实际业务成果。

三是从能力底座来看，从通用模型接入走向金融智能体平台，AI能力将被嵌入业务系统和操作流程。

四是从可信治理来看，从结果校验走向内生治理，安全合规将成为AI进入核心业务的前置条件。

我认为，在目前这个阶段，金融行业的AI竞争不在于接入哪个模型，而是在于能否把模型、数据、知识、流程和治理转化为可持续的经营价值。

最后简单介绍一下用友金融。我们服务于金融行业，聚焦金融行业的信创和知识化转型、智能化转型，在香港和新加坡设立子公司服务当地的机构，员工超过1000人，服务持牌金融机构1200家，连续三年被IDC中国列入金融IT中坚力量，今年被IDC列入全球金融科技100强。这是用友金融在所有金融机构的支持和帮助下取得的成绩，我们将全力以赴，与广大金融机构一起服务于金融行业的数字化和智能化，服务现阶段的AI落地。

谢谢大家！