0
近兩年受經濟下行的影響，各行業各企業為了穩營收保增長，紛紛選擇了數字化轉型的路徑。今年年初大模型概念在國內火了之后，再次把人工智能推向了又一個發展高度，智能化成了企業關注的焦點話題。
無論是在數字化還是智能化轉型中，企業都會遇到不同程度的問題，諸如，小微企業的轉型意識不夠，中型企業有轉型意識，但不知道如何開展工作，大型企業雖說完成了數字化轉型，但面對智能化時仍是迷茫的狀態。
“無論做數字化還是智能化前提是要構建數智化底座，夯實底層基礎設施，”大概是解決這一問題最好的答案。
目前，國內不乏做數據中臺或智能中臺服務的廠商，但用友和其他友商走的路子似乎不太一樣。對此，雷峰網特別梳理了用友數據智能業務的發展之路：
用友的數據智能業務基于用友BIP-iuap平臺而生。用友iuap由業務中臺、數據中臺、智能中臺、技術平臺、低代碼開發平臺，連接集成平臺構成，簡稱“三中臺、三平臺”。其中數據中臺、智能中臺就是用友數據智能業務的支撐。
以用友的經驗，當企業數據孤島嚴重、數據質量參差不齊時，首先建議企業不要一味依賴技術，而是要一步一步做，從收集數據，沉淀高質量數據、展示數據、數據治理等做起，打好了數據基礎才能進入下一步。
面對業界經常議論的“不實現數字化很難向智能化邁進”這一話題，用友BIP高級應用架構師曹正鳳表示，企業想要實現決策的智能化，就必須把數據和智能放在一起考慮，而不是先有數字化，再有智能化。企業制定決策的過程和大腦思考的過程比較相似，在獲取大量的信息后，利用強大的智囊團，經過充分的討論才能制定一個正確的決策，而要使這個過程智能化，必須利用數據中臺采集和加工數據的能力，使用智能中臺的算力和智能算法，建立企業大腦，這也是我們把數據中臺和智能中臺結合起來的原因。
但值得注意的是，用友不僅關注技術，還更看重業務。用友致力于將數據和智能的能力沉淀到數據中臺和智能中臺，再把這些能力融入業務流程，形成數據、智能、業務的完美結合。
談到重業務，還要從做財務軟件時說起，當時用友接觸的很多企業都希望實現“業財融合”，即業務與財務的融合，這就面臨一個問題，財務偏中后臺，為了實現業財融合，財務要洞察業務，再去優化業務，然后通過這些洞察與優化再去改進經營。
就在那時，“解決業務問題”成了用友的經營之道并得以延續。面對火熱的GPT，用友也是把業務放在了首位。曹正風表示，“AI以及大模型在To B行業應用的目標就是要解決業務問題。”
這個階段，用友也愿意把AI能力釋放給B端企業，目前用友的AI功能全都集成到了用友iuap平臺的智能中臺，形成了RPA、VPA（虛擬個人助理）、智能搜索、知識圖譜、AI工作坊、文本處理、圖片處理、視頻處理等多項智能化能力，并提供企業畫像、人才畫像、商機推薦、供應商推薦等智能服務。
除數智員工外，用友還將AI嵌入低代碼開發平臺，自動生成代碼；AI嵌入數據中臺，自動生成征信報告；AI還用在一些特定場景，例如對政策的解讀...
雖然用友在AI方面已經做了很長時間的研究，但面對新一輪的AI大模型風口，曹正鳳這樣說：“用友不會因為大模型火了就刻意做什么，而是要積累行業模型，切實解決企業業務問題”
以下是雷峰網和曹正鳳的對話：
數字化進入深水區，做更懂業務的數智底座
雷峰網：現在企業數字化轉型到什么階段了？
曹正鳳：進入深水區，有些企業的數據積累已經做到很好了，到數據治理階段了。
雷峰網：為什么說現在到數據治理階段了，是看到了什么趨勢嗎？
曹正鳳：零幾年的時候，整個行業處于數據展示階段，客戶要求不高，只要能把圖做出來就行了。近幾年，由于受人工智能的影響，客戶扎進數據智能的需求中出不來了，非要做出幾個智能化的場景才能是個好項目，但回過頭來發現，有一個關鍵的問題沒有解決，數據質量的問題，因此接下來就要做治理了。做數據治理的一個關鍵動因，就是在2020年4月，中央重磅發文，數據首次正式被納入生產要素范圍，大部分國有企業也開始意識到數據的重要性，而且前幾年做智能化總是不能落地，有比較大的原因是數據沒有治理好，而且數據治理的理論體系這個時候也建立起來了，所以企業數智化轉型現在已經進入到數據治理階段了。
雷峰網(公眾號：雷峰網)：這個階段具體要做哪些工作？
曹正鳳：數據治理目標是提升數據資產的效用和價值，這個階段的企業積累了大量數據，如何形成高價值的數據資產是重點，第一要解決數據孤島的問題，通過數據連接集成的能力，數據湖統一存儲各個業務系統的數據，才能為上層分析處理提供一個基礎的數據環境。第二建立統一的數據標準，各個業務系統，包括主數據、業務數據匯聚過來之后我們提供一套標準體系進行管控，通過梳理各板塊相關的數據標準、接口標準以及后續的開發標準，通過我們中臺進行管理和評估，發現采集過來的業務系統數據是否存在違反標準的問題，同時制定相應的解決方案，并監督方案的落實，從而形成一個數據標準管理的閉環。
數據質量也是類似的道理，我們需要梳理各層數據的質量規則體系，并通過中臺進行統一管理。當然除了這些手段，我們還需要構建統一高效的數據治理組織和流程，來保障數據治理工作有效開展。
雷峰網：用友在這個過程中是一個什么樣的角色？
曹正鳳：在企業數據治理的過程中，我們是工具的提供方。我們有一套數據治理和開發的工具，可以進行數據的采集、管理、開發。當企業數據治理好后，我們的智能中臺提供一系列的算法，智能化的文本、圖片、視頻處理的能力，助力企業數智化的過程。
對于ISV伙伴來說，他對某個領域可能會相對比較了解，比如說醫療、交通等一些特殊的行業，我們沒涉及過，ISV伙伴就可以找一些智能化的場景，然后利用我們的工具去落地，幫客戶解決業務上問題。
對于客戶來說，需要建立專業團隊，而不是像以前做IT項目的狀態，安裝好服務器，部署上軟件就可以了。他的團隊需要和我們共創。一起來尋找企業數智化的業務場景，一起使用我們的數據中臺和智能中臺的工具，來解決企業降本增效的實際問題。
雷峰網：較其他友商，用友的優勢是什么？
曹正鳳：用友在剛開始做數智中臺時，在技術方面優勢并不明顯，但我們是最懂業務的數智中臺。首先，我們BIP有財務、人力、營銷、采購等10大領域業務產品，在產品化的階段就可以把數據和智能嵌入到業務中，實現和業務完美的結合；其次，iuap平臺發揮整體優勢，單點的平臺應用已經不能滿足企業整體數智化需求，需要升級數智化底座，通過體系化的平臺，來更好適應業務并賦能業務；再就是，產品的技術優勢，iuap云平臺基于容器化、云原生等技術，實現云上云下一套完整的代碼，當企業需要私有化部署時，可隨時打包代碼形成安裝盤，然后部署到私有云環境中，真正把公有云、私有云、專有云的能力拉通。這一點是很多中臺廠商很難做到的。
數據、智能相輔相成，誰也離不開誰
雷峰網：企業的智能化到哪個階段了？
曹正鳳：很多企業都在提智能化這件事，也有很多企業在實踐，但To B行業的AI探索整體還處于起步階段，因為數據積累和治理還沒完全做好。如果把數據比作一個皇冠，智能就是上面的明珠，但這個明珠現在處于剛剛起步階段。我們也服務了很多企業，比如杭州鋼鐵、航天科技等頭部客戶，數據積累基本到了一定量級，數據質量也比較好，但數據治理還不成體系，智能化的實踐和探索剛剛開始。
雷峰網：如何看待數據和智能的關系？
曹正鳳：數據和智能本身是不能分家的，這兩件事就是一件事，做數據積累和治理的時候，不考慮智能的事，做法上本身就是欠妥的。為什么國家將數據納入生產要素的范圍，要成立國家數據局，因為將數據成為生產要素后，企業就會進行數據資產的積累，積累了大量的數據后，智能的應用才有可能做成功，因此兩者是不能分開談的。比如現在的攝像頭能很好地識別圖片中的物體，這是因為我們使用大量的圖片，對攝像頭中的算法進行了訓練，這些大量的圖片，就是一個數據積累的過程。這也是用友在做智能化時，為什么把數據中臺和智能中臺放一起來考慮的原因。
雷峰網：用友在智能方面做了哪些工作？成效如何？
曹正鳳：iuap的智能中臺可以對外提供文本處理、圖片處理、視頻處理、智能搜索、知識圖譜等多項智能化能力，已經研制了以數智員工、RPA、VPA（虛擬個人助理）、AI工作坊等系列產品，并提供企業畫像、人才畫像、商機推薦、供應商推薦等智能服務，已經賦能用友BIP在財務、人力、采購、制造、營銷等業務領域，已經建立了100+數智員工技能、1000+開箱即用機器人、1000+AI智能場景。
大模型火了，不會刻意做什么，而是要積累行業模型
雷峰網：大模型火了，在智能方面用友會走和ChatGPT一樣的路線嗎？
曹正鳳：不會，ToB行業的智能化可能和ChatGPT走的路線不一樣，ChatGPT主要是聊天式的知識輸出。我們說的智能化，是針對企業的業務訴求，根據它的數據情況，使用人工智能、深度學習、大模型等技術去解決業務問題。ChatGPT是數據積累和模型參數擴大的結果，而企業智能化需要的是高質量的數據和合適的算法，這需要算法工程師的智慧。
雷峰網：具體怎么做？要做小模型嗎？
曹正鳳：大模型給我們的啟示是要積累行業模型，這一點大家能達成共識。這個模型是大是小，不是主要的，主要是能要解決業務問題。面對大模型，用友會積極擁抱。
用友將大模型分為L0基礎大模型，L1行業大模型，L2應用場景模型三類，重點會在L1、L2兩個層級上發力。
在L0基礎大模型方面，我們會引入大模型，比如與百度這種商業大模型提供商合作，在文心大模型的基礎上用用友的領域積累的知識去訓練這個模型，將來就可能會推出用友特有的知識問答系統。
在L1級別，我們會積累更多行業大模型，基于我們多年在企業服務領域的知識經驗訓練行業通用模型向外賦能，去解決特定行業的文本生成、智能問答、預測決策等等企業智能化決策的問題。
在L2應用場景模型方面，用友iuap智能中臺已經有很多場景化落地產品和方案，比如基于RPA、VPA的數智員工，智能搜索，知識圖譜等。另外，通過AI工作坊，來降低AI應用開發的門檻。用友iuap智能中臺還推出了具備算法模型創建、訓練、推理閉環管理能力，支持企業進行高性能擴展推理服務、迭代式改進模型效果等。
寫在最后
無論在數字化轉型階段還是GPT到來之時，不變的是，用友始終把數據和智能結合起來，最終目的則是解決企業的業務問題。從“三中臺、三平臺”概念也可以看出，iuap平臺把業務中臺作為三中臺之一，數據中臺、智能中臺則支撐數據智能業務的發展。
正所謂數字化是基礎，而智能化產生價值，兩者需要嵌合在一起。沒有數據的積累沒辦法實現智能，沒有智能，又何談數智化轉型，其價值最終要在業務中體現。
GPT火出圈后，用友也沒有一味地追熱點，搞噱頭，而是把解決業務問題作為出發點，開展行業模型的研究。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
