“真正重要的決策場景，AI尚未被充分信任。

一場由智能體（Agent）引發的革命正在AI的疆域上開拓新的邊界。人們對初生的事物總是充滿美好的期待，又迫切希望它快速成熟落地。從Chatbot到Copilot，再到如今各路廠商爭相推出的智能體，AI的工具形態在短短幾年內就完成了三級跳。資本市場熱情高漲，科技公司亢奮異常，養龍蝦甚至一度成為了流行現象。

但在企業級的真實場景中，卻呈現出截然不同的面貌。

“產業界還處于嘗試新工具、新技術的階段。若詢問已部署大模型和智能體的企業，這些技術是否真正創造價值，很多企業恐怕難以給出答案。”付建華在財務管理領域深耕了20多年，語氣中沒有對技術的浪漫想象，更多的是經過無數企業真實場景打磨出的務實與冷靜。

近日，數據猿與付建華進行了一次深度對話。在這場對話中，一個被喧囂掩蓋的事實浮出水面：盡管技術發展突飛猛進，但產業落地的步伐卻依舊緩慢，更不用說業務價值的兌現。

她并非不看好AI的價值，而是認為AI在財務領域的革命不會自發實現。它需要數據治理、工具融合、行業知識與價值創造的多重激蕩，而這注定是一場漫長的探索。

Agent浪潮下的冷與熱

C端沸騰，B端冷靜

OpenClaw橫空出世，是智能體發展過程中的一個歷史性轉折點。它賦予了C端智能體“一句話完成復雜操作”的能力，迅速引爆大眾的熱情。

這股熱情也蔓延到了企業一側。不少企業開始將各類“Claw”引入業務流程，指望其直接創造業務價值。

“智能體技術在C端和B端的差異非常大。”付建華表示，“C端的場景是相對離散的環境，無論是問答還是生成圖片，依托通用大模型搭配一款 APP 即可實現。但B端場景截然不同——每家企業的管理環境都復雜、嚴謹，落地需要多個層次的技術和工具配合。”

財務領域尤為突出。財務對準確性的極致要求，決定了決策結果必須可審計、可追溯、零差錯。而大模型的本質是概率預測，其決策過程呈黑箱特征，生成結果是發散的。這與財務場景的核心需求存在天然張力。

“智能體在企業落地的速度，遠沒有大家想象中的快，技術周期仍處在早期的探索階段。”付建華說。

近兩年，財務場景下的AI創新確實在加速。一個明顯標志是各類財務智能體集中涌現：智能審核、合同審查、單據歸檔、自動生成報告……這些場景有一個共同特征——規則明確、重復性高、決策風險低。

在真正重要的決策場景，AI尚未被充分信任。

"企業核心決策絕不可能直接交由 AI 全權負責。持相反觀點者，顯然并不了解企業管理的實際邏輯。"付建華篤定地說。

大模型不能包打天下

AI落地是一場系統工程

AI技術演進極為迅猛。但AI能力越強，越容易讓人陷入認知誤區：人們過度聚焦AI技術本身，反而忽略了AI的核心使命——服務業務，創造價值。這種本末倒置的思維，使得很多企業盲目跟風布局AI，重金采購大模型與Agent產品，到頭來卻發現真正能發揮的價值極為有限。

問題究竟出在哪兒？付建華一針見血地指出：企業級業務場景中的AI落地，從來不是靠一個大模型或一個Agent單打獨斗就能解決的，而是一項需要系統性思考、分層推進的工程。

她以用友的AI戰略為例，闡釋了這套系統化理念和分層落地思維。

底層是大模型平臺，用友與國內幾乎所有的主流大模型實現對接，建立起通用大模型調用生態。

中間層是用友自主研發的垂類大模型和智能體中臺。用友的邏輯很簡單，最懂企業經營管理和數字化的，是軟件廠商自己。依托垂類大模型，搭建智能體中臺，助力企業按需調用AI能力、自主構建專屬智能體。

上層，結合企業的產供銷、財務、人力等具體業務場景，用友開發了一大批智能體。僅財務領域，最新一代用友BIP產品中就嵌入了近20個智能體。

在三層架構之上，用友還搭建了智能體編排層。今年年初，用友正式發布了面向B端的超級智能體產品——YonClaw。YonClaw的產品理念是把軟件中原有的豐富功能封裝為成百上千個skill，并將這些skill上架到YonClaw平臺中。企業可以通過YonClaw自主調用這些skill，完成單據處理、流程處理、審核、記賬、結賬等工作。

她描述了一個充滿畫面感的未來場景：“基于YonClaw，企業的財務人員不需要進行圖形界面的點擊操作。比如，財務人員想結賬時，可以直接輸入自然語言——‘請幫我結賬’。YonClaw就會自動調用系統里封裝好的結賬技能，開始結賬，結賬完畢后還會自動生成一份漂亮的報告。”

用友的實踐就像一面鏡子，折射出企業級AI落地的一個關鍵真相：AI落地從來不是單兵突進，而是要打一張“組合牌”，大模型、軟件工具乃至業務理解等，缺一不可。

數據治理：Agent落地的隱形門檻

如果問付建華，Agent落地財務管理最大的短板是什么？她的答案可能會跟很多人不同——不是大模型，不是算力，更不是軟件工具，而是數據治理能力。

數據不僅是大模型的養料，在產業環境中，更是直接決定了AI的能力上限。

不少企業上線的財務智能體，演示時往往驚艷四座，可一進入真實業務，便難以招架數據的動態變化與復雜的業務邏輯。一方面，原始數據中常有缺失、矛盾或錯誤；另一方面，模型對財務專業知識的理解本身也可能存在偏差。

付建華指出：“沒有良好的數據治理生態，再強大的AI工具也只是空中樓閣。”

在她看來，財務領域的數據治理面臨兩道現實難題。

第一道在“治數”環節。 企業的生產、運營、營銷等數據分散在各個系統中，若要服務財務場景，必須經歷清洗、標準化、整合、指標加工等一系列繁瑣流程。這些工作都要依賴軟件工具來完成。

第二道在“用數”環節。 自然語言如何轉換成查詢條件？系統如何從ERP中精確取數？取數時如何校驗用戶權限？所有這些過程，基本上都是由軟件完成的，而非大模型。

“AI只解決最后一段路的問題，前面的環節都不是AI能解決的。” 付建華表示，“用戶看到的是一個會對話的智能體，背后卻是一支緊密協作的‘聯合部隊’。”

一個現象印證了她的判斷。2025年第一季度，中國大陸公開招投標平臺數據顯示，招標選型最多的軟件項目不再是財務軟件或ERP，而是數據治理型項目。這在以前是不可能的。

這意味著什么？意味著企業已經意識到AI時代，數據治理的戰略意義。那些率先把數據底座夯實的企業，如今已經開始受益；而數據底座尚不完善的企業，則不得不開始償還這筆“數據債”。

智能體攪動的市場格局

智能體的興起，不僅深刻改變著產業應用的面貌，還攪動了企業軟件市場的一池春水。

財務管理在國外擁有50多年的歷史，在國內也沉淀了近40年，早已是一個高度成熟、格局穩定的市場。然而，智能體的快速演進，就像一顆石子投向平靜的湖面，讓兩股新的力量開始暗流涌動。

一股來自大模型廠商——它們通過開源生態聚攏開發者，讓智能體優先調用自己的模型，從而掌握token入口這個戰略咽喉。另一股則來自中小企業與極客社區——借助OpenClaw等工具，試圖繞過大型軟件廠商，實現“小而美”的創新。一時間，“SaaS已死”“傳統軟件將被淘汰”的論調甚囂塵上。

面對這些聲音，付建華給出了冷靜的判斷。

創業公司能否革掉軟件或SaaS廠商的命？付建華表示，在財務領域，目前尚未出現具備顛覆能力的創業企業。對于這些企業來說，用友這樣的廠商有他們無法逾越的護城河——行業積淀。

用友30多年以來累計服務了一百多萬家企業。大部分同規模企業的財務管理場景高度相似，如費用處理、預算管理、記賬、結賬，共性需求占比達70%-80%。用友多年來通過持續不斷的深耕，把這些共性的需求場景和行業know-how凝練成標準化產品，以此來服務大量同類型客戶。這不是幾個“手搓”Skill就能輕易替代的。

大模型廠商能否顛覆軟件或SaaS廠商？付建華堅稱，不可能。

付建華并不否認大模型廠商的價值——它們通過開源聚攏生態，吸引千行百業的企業在生態之上構建各種應用。用友本身也是這些大模型的生態伙伴之一，但大模型廠商不可能顛覆掉用友這樣的軟件廠商。

理由有兩個。第一，企業管理需求具備高度標準化屬性——費用處理、預算管理、記賬、結賬，所有企業都需要。這決定了必然存在專門的廠商來提供標準化的產品和服務，而不是每一家企業都自己開發。第二，軟件廠商更懂企業管理的痛點和需求。用友YonClaw里將要封裝的成千上萬個Skill，本質上是把用友30多年來所累積的軟件功能打散、拆解到最小顆粒度。這種產業厚度和業務深度，不是任何企業能在三五年內復制出來的。

“很多互聯網大廠也在布局類似的Claw，他們開發了很多Skill，但主要面向C端，用于PPT制作、文檔處理、短視頻生成等。他們絕對不可能把用友積累了30多年的企業管理技能封裝到他們的Claw里——他們過去沒有這個領域的深度積累。”付建華表示，“深懂企業管理場景的，仍然是我們這些廠商。核心壁壘，就在我們這里。”

事實上，軟件廠商和大模型廠商的合作空間要遠大于競爭博弈：大模型廠商提供底層能力，軟件廠商提供場景管理和運營工具，二者無法相互替代。各自守著各自的生態位，反而能形成互補。

無論是大模型企業還是老牌企業，抑或是初創企業，盡管大家的著力點有所不同，但核心目標都是一致的——探索怎么把AI能力"安全、精準"地嵌入到企業復雜環境中。這一點，行業并沒有統一答案。

但隱約可見的是，有兩條技術路徑正在成型。

一條是“本體論”路線。本體論的理念是：把企業復雜的業務環境構建成一個超級知識圖譜，將一些抽象的共性內容，比如場景規則和業務知識被提取出來，進而賦予大模型理解業務的能力。

但付建華的判斷很務實：“這項技術距離落地還有一定距離。”用友自己也在探索，但不是一步登天，而是從幾個細分的子領域入手，嘗試用小范圍的本體論做出AI原生產品。

另一條是技能封裝路線，以YonClaw為代表。該路徑無需描繪企業復雜環境的全貌，而是把成千上萬個微觀技能封裝好、編排好，再調用通用大模型的能力去執行。

付建華表示，用友并沒有押注某一條路線。兩條都在探索。“因為AI的思想和技術迭代速度太快了，”她說，“就看在這場賽跑中，誰能率先突破。”

每一家企業都要加快AI化

技術之外，人才也是決定AI落地成敗的關鍵。復合型背景的人才優勢會逐漸顯現。

“現在和許多企業的財務主管、財務團隊交流時，他們比較期待團隊里能有一些復合型人才：既懂財務，又懂企業的經營和管理，還要懂科技。這三個方面的知識比較綜合的人，現在在企業里非常稀缺。”付建華表示。

AI在財務領域的落地不會一夜間完成。至少在可以預見的周期內，財務管理的核心權力仍然在人手上。企業的競爭，最終會體現在人才能力的競爭上——那些無法與AI協作、不會利用數據的人，將逐漸被邊緣化。

Agent對財務管理的變革，本質上是一場"漸進式"的革命。它考驗的不是顛覆性的創新，而要求持續性的投入——治理數據、封裝技能、培養人才、重構流程。這些水面之下的競爭，將決定未來幾年的市場格局。

“大模型不可能顛覆所有行業，但每個行業的廠商都必須跟上AI的速度，去改自己的產品和商業模式。”付建華再次強調了這個理念。

可以預見的是，喧囂過后，最后留在牌桌上的，往往不是聲音最大的，而是扎根最深的。最終被顛覆的，從來都是那些停止自我顛覆的人。