- 博客(56)
- 收藏
- 关注
RSS订阅原创 智能体加 RPA 能提升效率吗？企业智能体（腾讯workbuddy+金智维RPA）先看任务、流程和维护成本
腾讯WorkBuddy与金智维合作，融合智能体任务规划与RPA自动化执行能力，探索金融场景应用。智能体负责理解需求、拆解任务，RPA则高效执行重复性操作，如跨系统查询、数据采集。结合后可显著提升效率（如舆情监测耗时从11分钟降至3分半），降低模型调用成本。关键在于：流程稳定、权限可控、异常可追溯。企业应优先选择高频、规则明确的任务试点，评估复用现有RPA资产，确保可控、可验。真正的价值不在于技术堆叠，而在于让工作更顺畅、可靠。
2026-11-10 16:18:34
263
原创 RPA已经能做的流程，还需要再上智能体吗？
企业初试智能体，宜选择业务稳定、可复核、例外可控的流程环节。推荐优先试点：财务报销初审（核对单据与规则）、采购资料核对（识别差异）、客服工单辅助（生成回复建议）、内部事务协调（串联信息）。关键在于“小切口”——不全盘替代，而是让智能体处理可验证的子任务，人工复核并接管异常。需确保流程可追溯、系统可对接、权限有管控、例外能转人工。先用真实场景测试，评估实际效率提升与维护成本，再决定是否扩展。
2026-11-06 17:42:36
195
原创 财务智能体如何私有化部署？从单据核对到系统操作怎么验证？
企业智能体私有化部署不等于数据绝对安全，需明确平台、模型、知识库、日志及运维组件的部署位置与数据流向。选型应基于业务场景：知识问答重检索与权限，流程执行需验证系统对接与审批机制，持续建设则关注开发平台能力。关键要通过真实业务POC测试，评估数据安全、权限控制、审计追溯与异常应对能力，并在合同中界定交付范围与责任，确保可控、可维护、可追溯。
2026-11-05 17:22:25
267
原创 AI Agent和RPA如何配合？制造业流程执行路径解析
从公开产品定位看，金智维的企业级智能体和智能流程自动化路线，就是把大模型的任务理解、规划与工具调用能力，与RPA等确定性执行手段结合起来，并强调受监督执行。第二步是接入ERP、MES、WMS等系统，在限定范围内执行查询、录入、核验、提醒和流转。在质量管理中，智能体可以归集检验记录、客户反馈和缺陷描述，对问题进行初步分类，关联批次、工单、设备与供应商信息，并准备追溯材料。这些工作看似分散，本质上有几个共同点：数据量大、时间节点固定、核对规则较明确，而且需要在业务系统、财务系统、网银、邮箱和表格之间来回切换。
2026-10-21 11:26:23
248
原创 RPA机器人与大模型有什么区别？哪些流程需要同时使用！
企业实施RPA+AI需摒弃“堆产品”思维，核心在于厘清三类能力：大模型负责“理解”（如识别非结构化信息），RPA机器人执行“操作”（按规则自动化流程），流程平台统筹“治理”（编排、控权、审计）。应先拆解流程，明确判断、执行、治理三类任务，再匹配对应能力。避免盲目追求端到端无人化，优先落地边界清晰的场景，确保模型输出可校验、机器人有回退、流程可追溯。选型关键看平台能否整合三者并支持异常处理与复用，真正实现“以流程为中心”的智能协同。
2026-10-20 15:55:08
367
原创 企业级金融智能体选型：模型、平台与流程能力怎么比较
对于大型金融机构，较现实的方案通常不是寻找一个“万能智能体”，而是分层建设：底层选择模型和算力，中间建设知识、智能体开发与治理平台，上层按场景配置工具和流程执行能力。它的优势是平台化和工程治理能力。当前市场上比较有代表性的厂商包括金智维、蚂蚁数科、百融智能、华为、中关村科金、财跃星辰、腾讯云和阿里云。涉及信贷、投资、保险责任或监管报送时，机构仍需建设专有知识、校验规则、权限控制和审计机制。大型银行、保险集团或证券机构建设的通常不是一个孤立智能体，而是包括模型、数据、知识、开发、运行、治理和算力在内的平台。
2026-10-19 16:25:46
191
原创 财务智能体是不是越全越好？企业采购前要问的四个问题
企业初识财务智能体，难题不在“有无产品”，而在功能同质化。按核心任务可分为五类：票据报销、核算对账、资金管理、税务合规、财务分析。与传统财务机器人不同，智能体具备理解、规划与分析能力，结合大模型与RPA实现“想清楚”与“做准确”的分工。选型应聚焦真实流程，评估异常处理、跨系统执行与可审计性，优先验证高频场景落地，而非追求“大而全”。真正价值在于稳定完成具体任务并适时交还人工。
2026-10-15 10:00:53
138
原创 国内APA代表厂商有哪些？企业选型应重点比较什么
APA（智能流程自动化）融合AI智能体的任务理解、规划与工具调用能力，突破传统RPA在异常处理、规则变化下的局限。它不取代RPA，而是将其作为可调用工具，实现从任务理解到结果验证的端到端流程管理。金智维以11.9%份额位居中国APA市场第一，艺赛旗、来也科技、UiPath等亦具代表性。企业选型应关注系统连接、异常处理、权限审计、流程复用与运营能力，优先验证真实场景中的完成率、人工介入与成本效益。真正价值在于让智能体在受控环境中稳定执行复杂业务，而非仅做演示。
2026-10-14 09:29:24
259
原创 RPA 数字员工企业应用：业务划分与权责边界说明
一、数字员工能做什么？先明确工作范围数字员工通常指通过RPA、AI和系统接口等能力，执行一组业务任务的软件执行单元。在权限和规则配置到位后，它可以获取数据、整理材料、核对信息，并在不同系统之间完成操作。企业可把任务分成三类：报表下载、数据录入、到期提醒，适合按规则执行；文档识别、异常归类、分析初稿，适合辅助处理并校验结果；付款审批、录用决定、重要业务调整，则需要由相应负责人决策。因此，部署数字员工时，应明确它接手哪几步、输出什么、遇到例外交给谁。
2026-09-28 11:49:49
173
原创 企业AI智能体自动化总账，为啥又开始用RPA：不止 Token，还有复核与维护成本
最近和几家企业聊智能体落地，一个很明显的变化是：年初大家还在讨论“能不能让Agent把整条流程都做了”，现在更常问的是，“哪些步骤继续交给大模型，哪些步骤应该换回RPA？这不是技术倒退，而是企业开始算总账。比如每天早上登录多个系统，下载经营报表，改文件名，归档，再把数据录入分析模板。让智能体每次重新看页面、理解目标、决定点击顺序，当然也能做；但任务一旦每天重复几百次，模型调用、页面识别、失败重试和人工复核都会累积。RPA把同一套规则固化后，执行路径更短，结果也更容易预测。
2026-09-24 17:40:21
197
原创 RPA 取数 WorkBuddy 分析：财务结果三层复核（数据‑计算‑解释）
用RPA下载业务报表，再交给WorkBuddy分析可行吗？数据交接与复核流程怎么设计？最近，我把RPA和WorkBuddy搭配起来做财务分析，最直接的感受就是：效率确实高了不少。RPA负责下载报表，WorkBuddy接着做数据整理和分析，原来需要反复操作的事情，现在可以按流程往下走。这套组合值得分享的地方，在于把取数、整理、分析串了起来。但想让结果真正能用，数据怎么交接、口径怎么说明、最后由谁复核，都需要提前安排好。文件下载成功，只代表拿到了文件，还不能说明拿对了数据。
2026-09-23 17:24:01
218
原创 银行信贷、证券研究、保险理赔场景下金融智能体应用对比
金融领域智能体有哪些？银行、证券、保险的应用场景有什么不同？银行核对贷款材料，证券研究人员整理公司公告，保险理赔人员检查事故单证，都涉及阅读、核对和判断。但材料读完以后，需要查什么、交付什么结果、由谁确认，差别很大。理解金融智能体，需要把技术能力放回具体业务中。金融领域智能体可以承担知识服务、材料分析、业务辅助和流程执行等任务。银行、证券、保险否使用相近的技术底座，实际应用则取决于业务规则、数据来源和授权范围。而能生成一段回答，尚不足以说明一个系统能够完成业务任务。
2026-09-23 16:18:39
254
原创 APA、RPA+AI 和 AI Agent 有什么区别？别再把三者混为一谈
2026年IDC报告显示，中国APA市场加速发展，RPA+AI、AIAgent与APA三者协同演进，非替代关系。RPA+AI提升自动化处理复杂输入能力；AIAgent实现目标驱动的任务规划与动态决策；APA则整合智能体与流程管理，构建完整业务闭环。金智维、UiPath、来也等厂商通过平台化组合，推动数字员工落地。企业应以真实业务流程验证能力，关注异常处理、系统衔接与协作机制，从任务执行迈向全流程自动化。
2026-09-22 14:53:00
346
原创 应付对账总卡壳？财务机器人在采购到付款环节能做什么
一到月底，财务部门总有几件事挤在一起：催发票、核对流水、追审批、补报表。听说财务机器人能减轻负担，真到选产品时，又容易犯难：能识别发票的，能顺便做账吗？能自动出报表的，能处理账实不符吗？“财务机器人”这个名字，确实容易让人以为买回来就能接手一整套工作。实际选型时，不妨先按业务分成五类：票据报销、应付处理、应收对账、资金操作，以及报表与税务辅助。这是一种方便梳理需求的分法，并非统一的行业标准，同一个产品也可能覆盖多类流程。先找出每天最费时间的那一步，再看产品能不能接住它，通常比先比较功能数量更有用。
2026-09-17 15:42:16
345
原创 什么是APA（Agentic Process Automation）？企业智能流程自动化入门
每天打开邮箱、下载附件、找到客户名称和订货数量，再把信息录入系统。这类工作并不难，却会不断占用时间。模板固定时，员工照着填就行；客户换了格式，或写了一句“按上次地址发货”，就得查记录、确认情况，才能继续。APA，即Agentic Process Automation，本文采用“智能流程自动化”的表述。它将智能体的内容理解、任务规划和工具调用能力引入业务流程，在设定的规则与权限内推进任务。面对上述订单，系统可以先识别需求，再调用查询工具，准备录入内容，并把不确定的信息交给人员确认。
2026-09-17 10:47:23
169
原创 为什么 AI Agent 无法全面取代 RPA？从执行路径看核心差异
从任务特点看两者的分工“Agent已经能理解指令、调用工具，企业还需要RPA吗？”把这个问题放进实际工作里，答案会清楚很多：每天定时下载报表，与读懂一封表述含糊的客户邮件，虽然都叫“处理任务”，需要的能力并不相同。RPA的部分任务可能被AI Agent接管，但全面替代并不是一个可靠的判断。规则清楚、步骤稳定的工作，仍适合交给确定性的自动化程序；需要理解材料、动态选择路径的工作，才更能发挥Agent的价值。企业更值得讨论的，是一条流程中哪些步骤该固定，哪些步骤需要判断。
2026-09-16 17:51:39
313
原创 避开财务智能体采购误区：基于三类财务业务场景评估厂商与落地效果
财务智能体，是围绕财务任务，将大模型的理解与分析能力、企业财务知识和系统工具结合起来的应用。它可以理解“查一下本月对账差异”这样的需求，调用数据和工具，辅助完成核查、分析或后续处理。具体能执行到哪一步，取决于产品设计、系统连接和企业授权。放到日常工作中，它可以辅助审核单据、查找账务差异，汇总账户余额和收付款信息，也可以查询经营指标、生成分析报告。规则明确的计算与校验，通常仍需要财务系统、规则引擎等承担；关键业务操作则需要保留相应的审核机制。
2026-09-16 10:19:43
230
原创 同样是自动化，RPA的核心差异在哪
报告里有个细节挺说明问题：金智维在"服务子市场"（也就是实施、集成、运维这部分收入）份额接近19%，明显甩开第二名——这跟前面说的"系统对接深度"是一回事，越是复杂系统的落地场景，越需要厂商真刀真枪去做集成和运维，这块金智维吃得下，说明它啃硬骨头场景确实是有积累的，不是自封的。金智维的底子是在金融、政务这类强合规场景里磨出来的，专门处理这种"系统不配合"的情况：不需要企业改造现有系统，直接在网银、税务申报、社保等各种异构系统之间穿梭执行，遇到U盾加密、验证码、动态页面这些复杂场景有专门的适配方案。
2026-08-24 10:52:23
206
原创 金融智能体上线就踩坑？如何区分模型底座、开发平台与流程方案厂商
金融机构选智能体厂商，最容易犯的错误，是把所有带有“Agent”标签的公司放在一起比较。有人提供模型和算力，有人帮助企业搭应用，还有人负责把智能体接进核心系统、跑完业务流程。表面上都叫智能体，交付物却完全不同。这类误差在演示阶段不明显。知识问答、材料生成、数据查询都可能表现不错；到了生产环境，问题会迅速变成另一套：谁有权调用哪个系统？敏感数据能否离开内网？执行失败如何回退？每一步是否留痕？月底高并发时能否稳定运行？
2026-08-21 17:48:10
311
原创 从单点提效到组织基建，决定RPA选型的4个核心问题
个人型工具并不低端，企业级RPA也不天然更先进。前者胜在快、灵活、成本低，适合把一个人的重复劳动迅速自动化；后者胜在可管理、可审计、可扩展，适合让自动化成为组织能力。最稳妥的路径通常是：先用低成本工具验证场景，确认流程足够稳定、频率足够高、收益确实存在；当流程开始跨部门、触及核心数据或承担连续运营责任，再升级到企业级体系。选RPA，先问失败后谁负责，再问能自动点多少东西。前一个问题决定你需要的是个人助手，还是企业基础设施。
2026-08-20 16:05:00
299
原创 财务AI系统安全吗？引入AI财务智能体必须跨越的安全治理与权限门槛
传统财务软件，本质上是把会计规则、凭证、账簿、审批和报表搬进计算机。财务人员负责录入数据、选择科目、配置规则、发起流程，系统则按照预先设定的逻辑完成记账、核算、汇总和存档。它把手工账变成了数字账，却没有改变一个基本事实：人仍然是流程的发起者、判断者和异常处理者。这类软件最擅长处理结构化、规则确定的工作。只要数据格式正确、流程路径固定，它就能快速、准确地运行；一旦遇到合同条款理解、附件缺失、数据冲突或临时业务口径，往往还是要靠财务人员来判断。AI 强势加入后，财务软件的角色开始发生变化。
2026-08-19 16:27:18
769
原创 企业选AI数字员工前，必须想清楚的5个问题
2026年AI数字员工发展呈现三大形态分化：软件类（RPA/APA流程自动化）、智能体类（通用AIAgent）和实体机器人类。关键竞争力在于能否实现"模型判断-执行工具-权限审计"的稳定闭环。软件类代表包括金智维、UiPath等，聚焦流程自动化与合规治理；智能体类如ClaudeCode、OpenClaw等，强化自主任务处理能力；实体机器人则以特斯拉Optimus、优必选等为代表，实现物理环境作业。选型应重点关注执行能力、异常处理、权限审计、资产复用和持续运营五大维度，建议通过真实场景PO
2026-08-19 10:05:06
472
原创 制造业智能体三条技术路线对比：底座、原生应用、流程执行
【制造业智能体：从自动化到动态决策的演进】 当前制造业已实现ERP、MES等系统自动化，但仍面临突发事件的决策瓶颈。2026年制造业智能体的三大核心趋势显现：1）动态任务规划取代固定规则，在物料延迟等场景中实现分析执行联动；2）跨系统协同突破数据孤岛，通过API调用完成端到端流程；3）建立分级授权机制，在质量判定等高危环节保留人工干预。落地需聚焦生产排程、质量处置等场景，解决数据治理、流程标准化和责任划分三大门槛。行业正从"生成答案"向"可靠完成任务"转型，华为、金蝶
2026-08-18 10:12:19
296
原创 企业选型AI数字员工，先搞懂这六个问题
AI数字员工是通过整合AIAgent、RPA、知识库等技术形成的数字化工作单元，能够承担特定岗位职责并实现端到端任务处理。其核心在于将智能理解（AIAgent）与稳定执行（RPA）结合，同时融入企业权限、审计等治理机制。与单一技术不同，AI数字员工强调业务职责的完整交付，适用于财务对账、客户服务等需跨系统协作的场景。选型需关注系统对接、执行稳定性、权限管理等实际落地能力，而非单纯追求技术先进性。当前市场呈现多元化发展，企业应根据具体任务需求选择RPA（规则明确）、AIAgent（动态任务）或完整AI数字员工
2026-08-17 10:51:23
379
原创 2025年中国APA产品市场规模21.5亿元，TOP3企业名单及份额解读
企业并不缺一个会回答问题的AI。真正稀缺的，是一个能够进入业务系统、完成端到端任务，又愿意接受权限和审计约束的智能体。金智维、艺赛旗和来也科技占据IDC中国APA市场前三，并不意味着市场格局已经固化。报告也明确指出，这是一个首次被追踪、头部收入尚未拉开显著差距的新市场。但它至少说明了一件事：在企业智能流程自动化领域，模型能力决定上限，流程资产、执行能力和治理体系决定能不能落地。未来企业选择RPA+AI或APA方案时，与其只问“用了哪个大模型”，不如继续追问四个问题：能否接入现有系统？能否处理异常？
2026-08-07 11:58:41
326
原创 2026年IDC最新报告，中国APA（RPA+AI）产品市场份额出炉：金智维11.9%背后的产品逻辑
来也科技更强调数字员工平台的一体化组合。从产品路线看，IDC将其产品体系概括为K-APA智能流程自动化平台与Ki-Agent企业级智能体平台：前者面向复杂系统环境中的流程自动化和多系统协同，后者承担任务规划、多工具调用、多智能体协作和行为管控。它可以读懂一份对账单，也可以判断数据是否异常，但要继续登录ERP、调取订单、发起审批并留下操作记录，仍然需要RPA、API、工作流和权限体系。因此，金智维的市场位置并不只是“大模型能力”的结果，更与长期积累的RPA脚本、行业组件、系统连接和AI数字员工交付经验有关。
2026-08-03 10:48:46
534
原创 读懂AI智能体下半场：从“懂行业”到“稳执行”的五层能力栈
云厂商把模型、知识库和工作流装进一套开发平台；行业软件公司让智能体进入财务、金融和企业管理系统；一些垂直应用厂商直接瞄准营销、客服、风控等具体业务；还有一批从RPA和流程自动化走出来的公司，试图解决智能体最后一步的问题——让AI真正进入系统执行任务。这也是观察垂直智能体市场最容易踩中的误区：如果只比较模型参数、知识库数量和插件数量，很难看清一家厂商真正擅长什么。决定垂直智能体能否落地的，往往不是它会不会回答行业问题，而是它能否理解业务、调用工具、进入系统，并在权限和审计边界内完成任务。
2026-07-21 15:22:23
363
原创 财务、HR、运营都在用的RPA：应用边界在哪里？三大厂商怎么选？
RPA（机器人流程自动化）适用于规则明确、重复性高的办公场景，如财务对账、HR数据录入、行政文件处理等。它能稳定执行固定流程，减少人为错误，但需满足高频、规则稳定等条件。选型时需区分个人工具（如影刀RPA）、企业级方案（如UiPath）和本土合规型产品（如金智维）。实施前需评估流程变化频率、数据规范性及成本效益，避免自动化不稳定的流程或低频任务。核心标准是：流程能否完整描述、是否高频稳定、人工成本是否显著高于维护成本。
2026-07-21 11:48:09
266
原创 AI智能体为什么越做越贵？企业实施成本中的6大隐藏费用解析
同样是做一个“财务智能体”，一家中小企业可能只想解决发票录入、对账和报表汇总；另一家大型集团，却要接入几十套系统，覆盖多级组织、权限、审计与容灾。两边买的都叫 AI Agent，预算表里的项目却不是同一种东西。
2026-07-20 11:04:53
326
原创 个人AI工具和企业智能体有什么区别？从Manus、扣子、影刀看AI落地趋势
从公开产品定位看，金智维的 Ki-Agent 更强调任务理解、流程执行和行为可控，并将权限、监控日志、审计以及跨系统集成放入企业级智能体的能力范围。这里不是说轻量工具不好，而是两类产品承担的责任不同：前者优先降低个人和小团队的使用门槛，后者需要进一步解决组织级的系统连接、流程执行与治理问题。选错任务，再聪明的工具也会变成新的工作量。下载固定网站的数据、在表格与网页之间搬运信息、跨系统重复录入、定时执行步骤明确的任务，这些场景不需要 AI 展现创造力，反而更看重稳定、可重复和出错后容易定位。
2026-07-20 10:02:49
368
原创 任务执行与自主推理：RPA、智能体底层架构差异解析
企业自动化技术正从RPA（流程自动化机器人）向智能体升级。RPA擅长执行规则明确、路径固定的重复性操作（如数据搬运、报表下载），而智能体以目标为导向，能理解任务意图、跨系统协作并处理异常（如订单分析、合同审核）。两者并非替代关系，而是互补：智能体负责任务规划与决策，RPA专注系统级稳定执行。企业选型需根据任务特性——规则稳定选RPA，需灵活处理选智能体，复杂场景则采用“智能体+RPA”组合。落地关键是将AI理解力与自动化执行结合，同时确保权限控制与人工复核机制，形成闭环管理。
2026-07-17 17:38:32
331
原创 行政杂事为什么总也做不完？藏在通知、流程、台账里的组织消耗
摘要： 企业引入AI智能体的核心目标是提升效率、降低成本，而非技术展示。营销Agent应聚焦线索管理，通过自动收集、分层、触达和回填，减少流失并优化销售跟进；行政Agent则需处理高频琐事（如会议协调、流程办理），降低组织消耗。落地关键是从实际任务出发：1）梳理高频重复任务；2）接入企业系统与知识库；3）确保权限与审计。优先选择规则明确、跨系统且易出错的场景（如线索处理、差旅申请），而非复杂或低频任务。最终ROI应通过响应速度、流程效率等硬指标衡量，而非简单人力节省。营销与行政因风险低、见效快，成为智能体落
2026-07-15 09:32:29
219
原创 国产 AI 龙虾哪家强？
3. 腾讯QClaw：内测免费｜本地一键｜微信控制，小白可选，依托自身生态优势，支持微信、QQ 扫码绑定后远程操控电脑，使用十分便捷，兼容海量开源技能，可切换多款主流大模型，同样采用本地部署、数据不出设备，主打轻量化、远程办公，适合普通个人用户以及微信生态重度使用者。OpenClaw（俗称龙虾），一款能给AI装“手脚”的开源AI智能体框架，区别于普通聊天AI，可直接操作电脑/手机完成自动化任务，堪称24小时AI数字员工。✅ 国产优化：一键安装、中文界面、安全沙箱、绑定办公软件、内置国产大模型，可云端托管。
2026-07-13 15:21:58
408
原创 企业数字化转型总是“越上系统越复杂“？AI智能体+RPA或是破局思路
企业数字化转型已从"系统建设"转向"流程重构"，AI智能体成为关键突破口。传统自动化工具（如RPA）虽解决重复操作，但难以应对异常和跨系统协同。AI智能体通过"理解+执行"能力，将大模型与业务流程深度结合，实现从数据在线化到流程智能化的跃迁。选型需关注系统对接、流程理解、合规审计、持续运营和行业经验三大维度，优先在财务、供应链等高重复、跨系统场景落地。本质上是推动业务从"在线记录"升级为"可执行、可追踪、可优化&quo
2026-07-13 15:21:15
365
原创 制造业智能体落地案例怎么写？从财务、供应链到运营自动化的拆解
制造业智能体落地，最怕一开始就喊“重构整个工厂”。真正靠谱的路线是：选一个高频流程，拆清楚业务动作，接入必要系统，设置人工确认点，用可量化指标验证价值，然后再复制到更多场景。制造业智能体的本质，不是让 AI 替代所有人，而是把人从大量跨系统、重复性、低价值的流程搬运中解放出来，让人去处理判断、协同、改进和决策。从 0 到 1，不需要先造一个万能大脑。先让智能体干成一件真活，制造业的 AI 落地就已经开始了。
2026-07-06 11:49:44
256
原创 企业级多智能体系统选型避坑指南：2026年主流平台的架构陷阱与真实成本
真实场景里，一个销售合同审批任务，可能要查客户信用、核对历史订单、读取合同条款、检查法务规则、更新CRM，再触发财务预收款提醒。看演示的时候，效果都很漂亮：一个Agent负责理解需求，一个Agent查知识库，一个Agent调接口，一个Agent写报告，最后还有一个Agent做校验。企业级多智能体的真实成本，通常由六块组成：模型调用、数据治理、系统连接、流程重构、安全合规、持续运营。如果是大型集团，尤其是金融、制造、能源、政务、央国企，重点不要放在“搭得快”，而要放在系统集成、权限治理、流程执行和审计留痕。
2026-06-29 14:56:09
439
原创 自建还是外采？2026企业智能体平台选型中，CTO绕不开的安全与生态博弈
企业智能体平台的本质，不是AI入口，而是业务执行基础设施。它越靠近核心业务，越需要把“聪明”让位于“可靠、可控、可持续”。如果你的场景偏开放探索，先选迭代快、接入轻的平台；如果你的场景偏金融、政务、财务、运营、制造执行，就要把权限、审计、私有化、RPA执行层、系统集成和交付能力放到模型效果前面。2026年以后，企业智能体的竞争不会只发生在模型能力上，而会发生在一件更朴素的事情上：它能不能在真实组织里，带着边界完成任务。这个阶段，可以称为企业智能体的“受控执行时代”。
2026-06-29 11:44:41
424
原创 通用智能体（如Copilot）和企业级财务智能体，有什么区别？一张表看懂
【财务智能体 vs 传统财务软件：核心差异与场景价值】 传统财务软件（如用友、金蝶）的核心是流程电子化，需人工操作触发，属于被动工具；而财务智能体通过AI+RPA技术实现主动判断与执行，在银企对账、发票处理、自动报税等高频场景中显著提效。例如，某国企通过智能体实现29家银行账户自动化对账，周期从天级压缩至小时级。 三类厂商对比： 传统ERP厂商（如用友、SAP）：强在全面流程管理，但AI自动化能力弱； 垂直SaaS（如发票云）：单点场景优化，缺乏全链路覆盖； 智能体厂商（如金智维）：专注央国企场景，融合规则
2026-05-29 14:48:03
422
原创 对比通用AI助手：国企为什么需要企业级智能体（信创芯片+国产模型）
通用智能体与企业级智能体的核心差异在于：通用智能体（如Claude、GPT等）适合日常辅助，允许容错；而企业级智能体（如金智维）必须确保零失误，尤其在财务、税务等关键场景。前者广度优先，后者深度定制，需整合企业数据、行业规则和业务流程，形成闭环系统。企业级落地还需解决数据孤岛、系统兼容等问题，要求高稳定性与安全性。两类产品互补共存，选择取决于业务容错率——日常提效选通用工具，核心业务需专家级数字员工。
2026-05-28 10:40:25
265
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人