2023财务数字员工白皮书

白皮书编委会 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 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。 目录 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：先行者已出发，后来者如何破局 19 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 第三章 新方案：财务数字员工重构的不只是表象 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3.2.4 财务大模型 47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4.2 责任主体4.3 知识产权4.4 数据安全 第五章 新发展：睹微知著，数字员工前途无限量 53 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 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——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。 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 RPA最早可追溯到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。 RPA技术典型应用场景包括： 数据迁移与录入 适用场景 需求背景 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 邮件发送 需求背景 适用场景 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 电子账单发送，系统提醒等 报告生成 需求背景 适用场景 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 财务报表，销售业绩报表，同业分析/竞争分析报告，HR报告等 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， 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。 同业分析机器人 数据处理机器人 开户辅助机器人 税务申报机器人 工单处理机器人 发票处理机器人….. 1.2.2 IPA拓展数字员工能力范围 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。 光学字符识别技术：OCR (Optical Character Recognition) 适用场景 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 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 自然语言处理：NLP（Natural Language Processing）/语音识别：ASR（AutomaticSpeech Recognition） 需求背景 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 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 机器学习：ML（Machine Learning） 适用场景 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 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。 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，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