广告
加载中

从“好玩”到“好用” 大模型如何在企业中落地生花?

胡镤心 2024-08-19 10:17
胡镤心 2024/08/19 10:17

邦小白快读

EN
全文速览

文章重点介绍了AI大模型在企业中的实际应用场景、落地挑战和实操解决方案。

1. AI应用场景:智能助理“智友”帮助企业自动化销售管理,如推送智能早报、一键生成群消息摘要、自动跳转客户问题、辅助经营分析等,提升工作效率。

2. 落地关键:企业需数据治理和工程化能力,AI不是万能工具,需先做好数据标准化和流程梳理,避免因基础不足影响推进。

3. 实操案例:立高食品通过用友BIP销售预测模型优化产供销协同,解决库存爆仓问题,提升订单执行力和周转率。

4. 数据支持:用友BIP服务数量增长到564个,资源消耗降低50%,运维成本节省30%,已服务超过5.8万家企业。

文章探讨了AI如何助力品牌在产品研发、营销创新和消费趋势适应中创造价值。

1. 产品研发:AI如YonGPT2.0支持合同生成、代码执行、PPT报告生成等,提升研发效率,满足个性化需求。

2. 消费趋势:AI加速企业数智化进程,从侧重数字化转向智能化并举,品牌需适应新交互方式如自然语言处理。

3. 用户行为观察:智能助理改变工作模式,如销售主管通过智能早报和日程提醒提升客户跟进效率,反映用户对高效工具的需求。

4. 代表案例:深圳远东数智采与用友合作训练行业大模型,提供招标文件生成等能力,展示品牌如何利用AI创新服务。

文章揭示了AI带来的市场机会、合作模式及风险提示,助力卖家把握增长。

1. 增长市场:2023年50%企业积极采用AI,85%计划未来2-3年加速应用,63%探索深层AI,显示AI服务需求旺盛。

2. 机会提示:智能运营如销售预测可优化库存,数据驱动商业模式如用友BIP提供新增长点,合作方式包括与用友训练垂直行业模型。

3. 风险提示:AI落地需数据治理基础,否则易失败;工程化能力不足可能导致场景应用有限,需提前规划。

4. 可学习点:立高食品案例展示如何通过AI模型提升执行力,用友方法论强调业务在线、数据驱动、智能运营三阶段进阶。

文章聚焦AI如何优化工厂生产设计、提供商业机会和数字化启示。

1. 产品生产需求:AI可提升工艺效率,哪怕小幅度改进如0.几个百分点,也能带来显著价值,满足生产优化需求。

2. 商业机会:AI辅助预测销售和库存管理,如立高食品案例解决爆仓问题,创造产供销协同机会。

3. 数字化启示:推进电商需先数据治理,企业因数据标准化不够会影响系统建设,用友方法论强调数据驱动层级的积累。

4. 新技术应用:亨通数科与用友合作训练工业装备大模型,优化设备点巡检和维修策略,提供实操参考。

文章分析了AI服务商的行业趋势、新技术、客户痛点和解决方案。

1. 行业趋势:AI进入企业普及阶段,生成式AI将影响33%工作时间,加速数智化进程。

2. 新技术:用友YonGPT2.0提供上下文记忆、任务分解能力;智能大搜重新定义知识管理;RAG框架支持数据闭环训练。

3. 客户痛点:企业面临数据标准化不足、工程化能力弱、场景落地难等问题,如认知误区导致AI价值受限。

4. 解决方案:用友iuap平台整合智能运营、数据驱动等能力,提供垂类大模型服务,案例包括公共资源交易行业模型优化。

文章阐述了商业对平台的需求、平台最新做法及运营风险管理。

1. 商业需求:企业需统一数智底座,如PaaS能力支撑AI应用,用友BIP提供智能服务和数据服务升级。

2. 平台做法:用友BIP3 R6新增智能服务至108个,支持百亿级数据核算,多维引擎每分钟运行超100万条规则,资源消耗降低50%。

3. 运营管理:平台通过简强微服务架构实现秒级响应,降低客户资源需求;招商方面,超过5.8万企业使用,展示吸引力。

4. 风险规避:安全架构如YSF防护盾确保100%自主可控,规避数据安全风险,支持全球化部署。

文章探讨了AI在企业应用的产业动向、新问题、政策启示和商业模式。

1. 产业新动向:企业数智化从数字化转向数字化和智能化并举,AI驱动新质生产力发展。

2. 新问题:控制AI幻觉和权限管理成为关键挑战,需工程化解决如知识图谱构建;数据标准化不足影响推进。

3. 政策法规启示:加强数据治理标准是基础,建议企业先做好流程梳理和数据治理,以促进AI落地。

4. 商业模式:智能助理、语义应用生成等创新模式,如用友YonGPT2.0支持合同审核、知识生成,创造实际价值。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

The article highlights practical applications, implementation challenges, and operational solutions for large AI models in enterprises.

1. AI Applications: The intelligent assistant "Zhiyou" helps automate sales management by pushing smart morning briefings, generating group chat summaries, auto-escalating customer issues, and aiding business analysis to boost efficiency.

2. Key to Implementation: Enterprises require robust data governance and engineering capabilities. AI is not a universal solution; it necessitates prior data standardization and process optimization to avoid foundational gaps hindering progress.

3. Case Study: Ligao Foods optimized production-supply-sales coordination through Yonyou BIP's sales forecasting model, resolving inventory overflow issues and improving order execution and turnover rates.

4. Data Support: Yonyou BIP's service count grew to 564, with a 50% reduction in resource consumption, 30% savings in maintenance costs, and service to over 58,000 enterprises.

The article explores how AI creates value for brands in product development, marketing innovation, and adapting to consumer trends.

1. Product Development: AI tools like YonGPT 2.0 support contract generation, code execution, and PPT report creation, enhancing R&D efficiency and meeting personalized demands.

2. Consumer Trends: AI accelerates the shift from digitalization to combined digital and intelligent transformation, requiring brands to adapt to new interaction modes like natural language processing.

3. User Behavior: Intelligent assistants are reshaping workflows; for example, sales managers use smart briefings and schedule reminders to improve client follow-up efficiency, reflecting demand for high-efficiency tools.

4. Case Example: Shenzhen Yuandong Digital Procurement partnered with Yonyou to train an industry-specific large model, offering capabilities like tender document generation, showcasing brand innovation through AI services.

The article reveals AI-driven market opportunities, collaboration models, and risk warnings to help sellers capture growth.

1. Growth Market: In 2023, 50% of enterprises actively adopted AI, 85% plan to accelerate implementation in 2-3 years, and 63% are exploring advanced AI, indicating strong demand for AI services.

2. Opportunities: Intelligent operations like sales forecasting optimize inventory, while data-driven business models like Yonyou BIP offer new growth avenues. Collaboration includes training vertical industry models with Yonyou.

3. Risks: AI implementation requires foundational data governance to avoid failure; limited engineering capabilities may restrict application scope, necessitating advance planning.

4. Key Takeaways: The Ligao Foods case demonstrates how AI models enhance execution. Yonyou's methodology emphasizes a three-stage progression: business online, data-driven, and intelligent operations.

The article focuses on how AI optimizes production design, creates commercial opportunities, and offers digital insights for factories.

1. Production Needs: AI improves process efficiency; even minor enhancements (e.g., 0.X%) yield significant value, meeting optimization demands.

2. Commercial Opportunities: AI aids in sales forecasting and inventory management, as seen in Ligao Foods' case resolving overstock issues and enabling production-supply-sales synergy.

3. Digital Insights: Advancing e-commerce requires prior data governance; inadequate data standardization hampers system development. Yonyou's methodology stresses data-driven layer accumulation.

4. Tech Application: Hengtong Digital partnered with Yonyou to train an industrial equipment model, optimizing equipment inspection and maintenance strategies for practical reference.

The article analyzes industry trends, new technologies, client pain points, and solutions for AI service providers.

1. Industry Trends: AI is entering widespread enterprise adoption, with generative AI expected to impact 33% of work hours, accelerating digital-intelligent transformation.

2. New Tech: Yonyou's YonGPT 2.0 offers contextual memory and task decomposition; intelligent search redefines knowledge management; RAG frameworks support closed-loop data training.

3. Client Pain Points: Enterprises face challenges like poor data standardization, weak engineering capabilities, and difficult scenario implementation, where misconceptions limit AI value.

4. Solutions: Yonyou's iuap platform integrates intelligent operations and data-driven capabilities, providing vertical large model services, exemplified by public resource trading industry model optimizations.

The article outlines business demands for platforms, latest platform strategies, and operational risk management.

1. Business Needs: Enterprises require unified digital-intelligent foundations, such as PaaS capabilities supporting AI apps, with Yonyou BIP upgrading intelligent and data services.

2. Platform Strategies: Yonyou BIP3 R6 added 108 intelligent services, supports billion-level data accounting, runs over 1 million rules/minute via multi-dimensional engines, and cut resource use by 50%.

3. Operations: The platform achieves second-level response via simplified microservices architecture, reducing client resource needs; over 58,000 enterprises use it, demonstrating appeal.

4. Risk Mitigation: Security architectures like YSF protection shield ensure 100% autonomous control, avoiding data risks and supporting global deployment.

The article examines industrial trends, emerging issues, policy implications, and business models in enterprise AI applications.

1. Industry Trends: Enterprise digital-intelligent transformation shifts from digitalization to combined digital-smart efforts, with AI driving new quality productivity.

2. Emerging Issues: Controlling AI hallucinations and permission management are key challenges, requiring engineering solutions like knowledge graph construction; poor data standardization impedes progress.

3. Policy Insights: Strengthening data governance standards is foundational; enterprises should prioritize process optimization and data governance to facilitate AI adoption.

4. Business Models: Innovations like intelligent assistants and semantic application generation, such as YonGPT 2.0's contract review and knowledge generation, create tangible value.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

【亿邦原创】“大模型到底帮助企业能做什么?”

“怎么控制智能体的幻觉和权限?”

“AI把工艺提高哪怕零点几个百分点,对我们来说也是大大的提升。”

……

在用友主办的2024全球商业创新大会上,到处洋溢着对AI的期待和困惑。

大模型狂飙一年半,企业对AI应用的看法发生急转弯:“开天辟地”的AGI时代似乎遥遥无期,降本增效还是老生常谈,信息化数字化ROI依旧难解,AI改造企业流程、经营模式、商业模式的进程似乎比想象中更慢。

“企业的数智化进程是一个的复杂系统,需要基于强大的平台系统来统一企业的数智底座;需要一体化的应用套件,原生地拉通企业的数据和流程;也需要标准化的产品和丰富的生态服务来满足特定需求。”用友网络董事长兼CEO王文京表示。

换言之,数智化虽然令人向往,但工具、方法论、工程能力缺一不可。

2024年被很多人称为大模型应用的元年,但对于企业而言,大模型到底能够用在哪?有哪些场景能落地?怎么做才能创造真正的价值?

抱着这些疑问,我们试图在积极布局AI的用友这里寻找答案。

1、Agent带来企业智能交互新模式

某大型集团企业的销售主管王明在每天早上八点,会收到智友推送的智能早报,内容包括本季度完成预测率,日仅售款、累计收款、极度全责,日程提醒,客户资料,重要事项等内容,让他对销售进度和日程安排一目了然。

根据智友推送的销售数据和日程卡,王明开始一天的工作。面对众多销售群消息,他先把所有群的未读消息一键生成摘要汇总,以便快速了解客户关注的问题。读完摘要,他注意到一个食品客户提出新问题,又一键跳转客户群组,把客户问题发给智友,让智友在群中直接生成答案。

根据智友推送的日程卡片,王明打开拜访任务,提前了解客户情况,又在对话框输入“历史跟进情况”,了解此前与客户的沟通频率、沟通方式、沟通内容、负责人情况等信息。在出发前,王明收到智友“是否用车”的提醒,王经理点击“帮我预定”,智友自动定位起止位置,自动打车。

另一个公司的销售负责人张岩则需要对刚过去的销售情况进行经营分析,智友自动帮他打开月结监控工作台。

通过财务报表,他发现公司收入和净利润不及预期,需要进行进一步分析公司上半年销售收入情况。根据销售收入分析结果,张岩发现指标预警发现华北分公司销售收入未达预期目标。点击指标卡,跳转到华北运营看板,他发现主要是因为休闲食品销售收入下降。

至于休闲食品为何下滑,通过上半年单价和销量趋势分析,智友得出结论,销量虽然有所增长,但由于单价下降导致整体收入下滑。发现问题后,智友又根据经营目标实时测算收入,辅助调整经营策略,以确保与年初目标保持一致。

这是智能时代企业经营管理的真实工作流程——数据在实时更新,指标可以直接跳转,智能助理根据外部环境与内部指标,辅助测算分析各项指标,每个员工还有自己的个人助理。

王经理和张总使用的Agent智能助理“智友”是用友公司新推出的AI应用。基于用友自研的YonGPT2.0,“智友”拥有上下文记忆、可以感知理解用户意图,能够将复杂任务分解为一系列子任务,用户只需与“智友”进行简单的对话,就能轻松完成一系列繁琐的业务操作,包括企业经营洞察、合同风险审核、智能生成报告、知识搜索与推荐等能力。

智能助理是AI在企服经营管理中的应用之一,AI可以应用在哪些领域?

王文京认为,AI在企业的应用有4个重要方向:

第一是智能化的业务运营;

第二是自然化的人机交互;

第三是智慧化的知识生成;

第四是语义式的应用生成。

埃森哲测算,在中国,生成式人工智能将影响33%的工作时间,使其实现自动化或增加产出效率。

2、AI落地需要基础积累

通过大模型技术解决痛点业务场景的问题,给企业带来降本、增效、提质、拉需、创利等实际价值,是管理者的共同诉求。数据显示,2023年中国有将近50%的企业表示已经在积极采用AI,85%表示未来2~3年会加速AI应用,63%表示要积极探索深层AI。

但企业用好大模型的前提是AI与IT的深度融合。

亿邦动力注意到,现有的AI应用往往集中在单点的、小场景的落地应用中,难以对业务整体带来直观回报。更重要的是,企业在应用大模型的过程中,明确有商业价值的场景有限、落地的工程化能力不足、对AI的认知也飘忽不定。

“一些人以为有了大模型就能干所有事,其实这是进了认知误区。”在用友全球商业创新大会上,有参会者表示,“不是有了基础大模型就够了,怎么做企业的知识图谱,怎么把AI嵌到业务场景里,里面很多工程问题要解决。”

“今年很多企业都希望通过算法能力实现销售预测,降低库存,这是实打实的效果。但想做到销售预测,前面需要做好一系列铺垫。”有用友员工表示。

用友相关负责人介绍,“企业想要用好AI,工具、方法、基础缺一不可。企业要进行信息化建设时,要先做好流程梳理。企业要进行数智化建设时,要先做好数据治理。在这方面,我们看到很多企业因为数据标准化不够,严重影响整个数智化系统的建设和推进。”

在方法论上,用友总结了各行各业不同规模企业的数智化建设经验后,提出企业数智化能力进阶模型,通过业务在线、数据驱动、智能运营三个能力层级的来去实现全面的数智化建设,这也是AI在企业应用所需的积累过程。

亿邦动力注意到,不少企业通过用友BIP实现经营管理的跃迁。比如,烘培食品企业立高希望能够通过一个销售预测模型,实现产供销协同,来解决爆仓难题。用友BIP里有一个销售预测的模型,力高通过这一模型建构了自己的产供销协同体系,此后力高的订单执行力和库存周转率都得到了大幅度提升。

3、AI使能,用友BIP集中爆发

那么如何帮助企业实现智能化升级?

用友副总裁罗小江认为,企业的数智化进程需要关注三个维度:

第一有足够好的底座,即PaaS能力。

第二有落地方法体系,把技术和业务有效融合。

第三懂业务,让技术融入业务、驱动业务。

这要求企服公司对业务逻辑、经营管理足够了解,具备对企业深度理解之后沉淀下来的架构、模型、能力、原子组建,同时可以结合IT与AI能力,善于实施落地。

针对数智进阶发展所需,用友iuap平台以AI为核心引擎,通过为大型企业升级数智底座提供集智能运营、数据驱动、敏捷创新、开放互联、全球化支撑、工程化六大能力,加速企业数智化进程。

在智能运营能力方面,YonAI为用友企业服务大模型YonGPT提供了大模型工具链的完善以及三个应用框架(AI Agent数智员工、RAG智能大搜、Copilot交互框架),再加上应用中的数据闭环机制,让YonGPT得以有数据不断训练和提升,从而成为深懂企业服务的垂类大模型。这意味着它能够为企业提供更加精准、深入和个性化的服务,满足企业在不同场景下的复杂需求。

在用友全球商业创新大会上,用友发布用友BIP3 R6,实现技术突破、应用架构和服务创新。新版用友BIP的应用服务数量增长到564个,智能服务数量增长到108个,数据服务数量增长到50个,实现智能服务和数据服务能力的升级。同时,用友BIP通过创新技术实现资源消耗降低50%、运维成本节省30%、智能会计支持百亿级事项分录核算、多维数据库支持千亿级主附表数据快速合并、多维引擎每分钟可运行计算规则超100万条,而且100%自主安全可控。目前为止,有超过5.8万家大型和中型企业使用用友BIP。

其中还包含用友企业服务大模型YonGPT2.0,并升级大模型平台,要让百亿模型企业服务应用的专业能力超过千亿模型;发布“智能大搜”,重新定义企业知识管理与运营,实现业务流程中的全程知识伴随;YonData数据平台全新升级,发布YonMatrix数据库,提供基于HTAP超融合数据架构的企业级数据服务解决方案;全新发布的零代码开发平台,让AI辅助应用生成,实现全员开发、全员创新;发布简强微服务架构,按需灵活部署,并大大降低客户资源需求和成本,实现业务系统秒级响应;升级安全可信架构,使用YSF安全防护盾等全方位守护客户安全。

其中YonGPT2.0沉淀了财务、人力、供应链等垂直领域模型,包括领域知识问答能力增强、PPT分析报告生成、安全拒识能力、合同智能审核、合同生成 、API业务对象理解能力、标书生成、代码生成&执行、表格理解能力等。

还有企业基于YonGPT,和用友一起合作训练垂直行业大模型。

比如深圳远东数智采携手用友公司,基于企业服务大模型YonGPT,训练出公共资源交易行业垂类大模型,以在公共资源交易中提供专业知识问答、招标文件自动生成、智能投标评审、交易价格预测等能力。

亨通数科,基于企业服务大模型YonGPT,结合自身在装备行业深耕多年的经验以及自身积累的海量数据,与用友联合研发、共同打造工业装备行业垂类大模型,以优化设备管理平台点巡检线路和策略,以及推荐设备维修策略。

人工智能技术的迅猛发展已驱动AI在企业的应用进入普及化阶段,大大加速了数智化的进程,企业数智化由此前侧重数字化,进入到数字化和智能化并举的新阶段。用友BIP智能和数据能力再升级,将有望助力企业加速推进数智化,发展新质生产力,迈向高质量发展。

亿邦持续追踪报道该情报,如想了解更多与本文相关信息,请扫码关注作者微信。


文章来源:亿邦动力

广告
微信
朋友圈

FAQ回顾

企业大模型有哪些主要的应用方向?

用友网络董事长王文京提出四个方向:智能化业务运营、自然化人机交互、智慧化知识生成、语义式应用生成。例如智友智能助理可处理销售数据分析、合同审核和报告生成等任务。

企业成功应用大模型需要哪些基础条件?

需具备三方面基础:信息化流程梳理、数据治理与标准化、数智化能力进阶模型(业务在线、数据驱动、智能运营)。用友案例显示,数据标准化不足会严重影响系统建设效果。

用友BIP如何通过AI技术提升企业效率?

用友BIP3 R6版本集成YonGPT2.0大模型,提供108项智能服务,实现资源消耗降低50%、运维成本节省30%,并支持百亿级数据核算与千亿级数据快速合并。

这么好看,分享一下?

朋友圈 分享

APP内打开

赞 +1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0