近两年受经济下行的影响，各行业各企业为了稳营收保增长，纷纷选择了数字化转型的路径。今年年初大模型概念在国内火了之后，再次把人工智能推向了又一个发展高度，智能化成了企业关注的焦点话题。
无论是在数字化还是智能化转型中，企业都会遇到不同程度的问题，诸如，小微企业的转型意识不够，中型企业有转型意识，但不知道如何开展工作，大型企业虽说完成了数字化转型，但面对智能化时仍是迷茫的状态。
“无论做数字化还是智能化前提是要构建数智化底座，夯实底层基础设施，”大概是解决这一问题最好的答案。
目前，国内不乏做数据中台或智能中台服务的厂商，但用友和其他友商走的路子似乎不太一样。对此，雷峰网特别梳理了用友数据智能业务的发展之路：
用友的数据智能业务基于用友BIP-iuap平台而生。用友iuap由业务中台、数据中台、智能中台、技术平台、低代码开发平台，连接集成平台构成，简称“三中台、三平台”。其中数据中台、智能中台就是用友数据智能业务的支撑。
以用友的经验，当企业数据孤岛严重、数据质量参差不齐时，首先建议企业不要一味依赖技术，而是要一步一步做，从收集数据，沉淀高质量数据、展示数据、数据治理等做起，打好了数据基础才能进入下一步。
面对业界经常议论的“不实现数字化很难向智能化迈进”这一话题，用友BIP高级应用架构师曹正凤表示，企业想要实现决策的智能化，就必须把数据和智能放在一起考虑，而不是先有数字化，再有智能化。企业制定决策的过程和大脑思考的过程比较相似，在获取大量的信息后，利用强大的智囊团，经过充分的讨论才能制定一个正确的决策，而要使这个过程智能化，必须利用数据中台采集和加工数据的能力，使用智能中台的算力和智能算法，建立企业大脑，这也是我们把数据中台和智能中台结合起来的原因。
但值得注意的是，用友不仅关注技术，还更看重业务。用友致力于将数据和智能的能力沉淀到数据中台和智能中台，再把这些能力融入业务流程，形成数据、智能、业务的完美结合。
谈到重业务，还要从做财务软件时说起，当时用友接触的很多企业都希望实现“业财融合”，即业务与财务的融合，这就面临一个问题，财务偏中后台，为了实现业财融合，财务要洞察业务，再去优化业务，然后通过这些洞察与优化再去改进经营。
就在那时，“解决业务问题”成了用友的经营之道并得以延续。面对火热的GPT，用友也是把业务放在了首位。曹正风表示，“AI以及大模型在To B行业应用的目标就是要解决业务问题。”
这个阶段，用友也愿意把AI能力释放给B端企业，目前用友的AI功能全都集成到了用友iuap平台的智能中台，形成了RPA、VPA（虚拟个人助理）、智能搜索、知识图谱、AI工作坊、文本处理、图片处理、视频处理等多项智能化能力，并提供企业画像、人才画像、商机推荐、供应商推荐等智能服务。
除数智员工外，用友还将AI嵌入低代码开发平台，自动生成代码；AI嵌入数据中台，自动生成征信报告；AI还用在一些特定场景，例如对政策的解读...
虽然用友在AI方面已经做了很长时间的研究，但面对新一轮的AI大模型风口，曹正凤这样说：“用友不会因为大模型火了就刻意做什么，而是要积累行业模型，切实解决企业业务问题”
以下是雷峰网和曹正凤的对话：
数字化进入深水区，做更懂业务的数智底座
雷峰网：现在企业数字化转型到什么阶段了？
曹正凤：进入深水区，有些企业的数据积累已经做到很好了，到数据治理阶段了。
雷峰网：为什么说现在到数据治理阶段了，是看到了什么趋势吗？
曹正凤：零几年的时候，整个行业处于数据展示阶段，客户要求不高，只要能把图做出来就行了。近几年，由于受人工智能的影响，客户扎进数据智能的需求中出不来了，非要做出几个智能化的场景才能是个好项目，但回过头来发现，有一个关键的问题没有解决，数据质量的问题，因此接下来就要做治理了。做数据治理的一个关键动因，就是在2020年4月，中央重磅发文，数据首次正式被纳入生产要素范围，大部分国有企业也开始意识到数据的重要性，而且前几年做智能化总是不能落地，有比较大的原因是数据没有治理好，而且数据治理的理论体系这个时候也建立起来了，所以企业数智化转型现在已经进入到数据治理阶段了。
雷峰网(公众号：雷峰网)：这个阶段具体要做哪些工作？
曹正凤：数据治理目标是提升数据资产的效用和价值，这个阶段的企业积累了大量数据，如何形成高价值的数据资产是重点，第一要解决数据孤岛的问题，通过数据连接集成的能力，数据湖统一存储各个业务系统的数据，才能为上层分析处理提供一个基础的数据环境。第二建立统一的数据标准，各个业务系统，包括主数据、业务数据汇聚过来之后我们提供一套标准体系进行管控，通过梳理各板块相关的数据标准、接口标准以及后续的开发标准，通过我们中台进行管理和评估，发现采集过来的业务系统数据是否存在违反标准的问题，同时制定相应的解决方案，并监督方案的落实，从而形成一个数据标准管理的闭环。
数据质量也是类似的道理，我们需要梳理各层数据的质量规则体系，并通过中台进行统一管理。当然除了这些手段，我们还需要构建统一高效的数据治理组织和流程，来保障数据治理工作有效开展。
雷峰网：用友在这个过程中是一个什么样的角色？
曹正凤：在企业数据治理的过程中，我们是工具的提供方。我们有一套数据治理和开发的工具，可以进行数据的采集、管理、开发。当企业数据治理好后，我们的智能中台提供一系列的算法，智能化的文本、图片、视频处理的能力，助力企业数智化的过程。
对于ISV伙伴来说，他对某个领域可能会相对比较了解，比如说医疗、交通等一些特殊的行业，我们没涉及过，ISV伙伴就可以找一些智能化的场景，然后利用我们的工具去落地，帮客户解决业务上问题。
对于客户来说，需要建立专业团队，而不是像以前做IT项目的状态，安装好服务器，部署上软件就可以了。他的团队需要和我们共创。一起来寻找企业数智化的业务场景，一起使用我们的数据中台和智能中台的工具，来解决企业降本增效的实际问题。
雷峰网：较其他友商，用友的优势是什么？
曹正凤：用友在刚开始做数智中台时，在技术方面优势并不明显，但我们是最懂业务的数智中台。首先，我们BIP有财务、人力、营销、采购等10大领域业务产品，在产品化的阶段就可以把数据和智能嵌入到业务中，实现和业务完美的结合；其次，iuap平台发挥整体优势，单点的平台应用已经不能满足企业整体数智化需求，需要升级数智化底座，通过体系化的平台，来更好适应业务并赋能业务；再就是，产品的技术优势，iuap云平台基于容器化、云原生等技术，实现云上云下一套完整的代码，当企业需要私有化部署时，可随时打包代码形成安装盘，然后部署到私有云环境中，真正把公有云、私有云、专有云的能力拉通。这一点是很多中台厂商很难做到的。
数据、智能相辅相成，谁也离不开谁
雷峰网：企业的智能化到哪个阶段了？
曹正凤：很多企业都在提智能化这件事，也有很多企业在实践，但To B行业的AI探索整体还处于起步阶段，因为数据积累和治理还没完全做好。如果把数据比作一个皇冠，智能就是上面的明珠，但这个明珠现在处于刚刚起步阶段。我们也服务了很多企业，比如杭州钢铁、航天科技等头部客户，数据积累基本到了一定量级，数据质量也比较好，但数据治理还不成体系，智能化的实践和探索刚刚开始。
雷峰网：如何看待数据和智能的关系？
曹正凤：数据和智能本身是不能分家的，这两件事就是一件事，做数据积累和治理的时候，不考虑智能的事，做法上本身就是欠妥的。为什么国家将数据纳入生产要素的范围，要成立国家数据局，因为将数据成为生产要素后，企业就会进行数据资产的积累，积累了大量的数据后，智能的应用才有可能做成功，因此两者是不能分开谈的。比如现在的摄像头能很好地识别图片中的物体，这是因为我们使用大量的图片，对摄像头中的算法进行了训练，这些大量的图片，就是一个数据积累的过程。这也是用友在做智能化时，为什么把数据中台和智能中台放一起来考虑的原因。
雷峰网：用友在智能方面做了哪些工作？成效如何？
曹正凤：iuap的智能中台可以对外提供文本处理、图片处理、视频处理、智能搜索、知识图谱等多项智能化能力，已经研制了以数智员工、RPA、VPA（虚拟个人助理）、AI工作坊等系列产品，并提供企业画像、人才画像、商机推荐、供应商推荐等智能服务，已经赋能用友BIP在财务、人力、采购、制造、营销等业务领域，已经建立了100+数智员工技能、1000+开箱即用机器人、1000+AI智能场景。
大模型火了，不会刻意做什么，而是要积累行业模型
雷峰网：大模型火了，在智能方面用友会走和ChatGPT一样的路线吗？
曹正凤：不会，ToB行业的智能化可能和ChatGPT走的路线不一样，ChatGPT主要是聊天式的知识输出。我们说的智能化，是针对企业的业务诉求，根据它的数据情况，使用人工智能、深度学习、大模型等技术去解决业务问题。ChatGPT是数据积累和模型参数扩大的结果，而企业智能化需要的是高质量的数据和合适的算法，这需要算法工程师的智慧。
雷峰网：具体怎么做？要做小模型吗？
曹正凤：大模型给我们的启示是要积累行业模型，这一点大家能达成共识。这个模型是大是小，不是主要的，主要是能要解决业务问题。面对大模型，用友会积极拥抱。
用友将大模型分为L0基础大模型，L1行业大模型，L2应用场景模型三类，重点会在L1、L2两个层级上发力。
在L0基础大模型方面，我们会引入大模型，比如与百度这种商业大模型提供商合作，在文心大模型的基础上用用友的领域积累的知识去训练这个模型，将来就可能会推出用友特有的知识问答系统。
在L1级别，我们会积累更多行业大模型，基于我们多年在企业服务领域的知识经验训练行业通用模型向外赋能，去解决特定行业的文本生成、智能问答、预测决策等等企业智能化决策的问题。
在L2应用场景模型方面，用友iuap智能中台已经有很多场景化落地产品和方案，比如基于RPA、VPA的数智员工，智能搜索，知识图谱等。另外，通过AI工作坊，来降低AI应用开发的门槛。用友iuap智能中台还推出了具备算法模型创建、训练、推理闭环管理能力，支持企业进行高性能扩展推理服务、迭代式改进模型效果等。
写在最后
无论在数字化转型阶段还是GPT到来之时，不变的是，用友始终把数据和智能结合起来，最终目的则是解决企业的业务问题。从“三中台、三平台”概念也可以看出，iuap平台把业务中台作为三中台之一，数据中台、智能中台则支撑数据智能业务的发展。
正所谓数字化是基础，而智能化产生价值，两者需要嵌合在一起。没有数据的积累没办法实现智能，没有智能，又何谈数智化转型，其价值最终要在业务中体现。
GPT火出圈后，用友也没有一味地追热点，搞噱头，而是把解决业务问题作为出发点，开展行业模型的研究。
正在生成分享图...
nebula