AIGC让数字员工迈向新纪元-【金蝶云】

如今，全球科技最热赛道当属大模型，随着GPT热潮席卷全球，数字员工也迎来新生。究竟大模型如何赋能数字员工，加速财务智能化？星小瀚将从本篇文章开始，以系列的形式对大模型下的数字员工发展进行探讨，本篇主要聚焦数字员工发展的行业趋势及技术背景，欢迎交流与讨论。

近年来，企业对于数字化的认知越来越深入，建立了越来越多的信息系统，积累了越来越多的数据。为应对市场的动态变化，企业需要整合业务系统的流程和数据，保障数据流转顺畅、口径一致、可实时获取，帮助企业管理者精准、敏捷地进行分析决策。然而，由于业务的动态变化，各个系统建立时间不同、目标不同、用户不同，难以统一的规划。因此，企业需要投入大量资源来处理业务协同和数据治理工作，这也是数字化转型的源动力。

系统数据爆发增长、海量集聚，为人工智能的发展奠定了基础。RPA与大数据、AI(Artificial Intelligence，人工智能)等技术相结合，可以适用于更广泛的业务场景。

结合数字化技术发展，以及劳动力市场和用工模式分析，全球知名咨询公司麦肯锡于2022年发布《数字化劳动力——全力激活人效潜能，助力企业行稳致远》白皮书，提出了“数字员工”的概念，以及人类员工与数字员工协作关系的观点——企业在传统劳动力与数字化劳动力的结合下，企业可建立“智能员工队伍”。

虚拟数字人的技术发展，给系统使用体验提供了新的方向。金蝶将RPA、AI、大数据与虚拟数字人形象结合，于2022年推出了首个EBC企业管理领域数字员工。给企业数字化转型提供了新的思路，重构人机交互模式，可以给用户带来更愉悦的体验。

图1:金蝶发布首个EBC企业管理领域数字员工

随着ChatGPT的出现，人们意识到AIGC（Artificial Intelligence Generated Content，生成式人工智能）可能会给企业数字化转型带来更多的变革，技术人员开始关注ChatGPT底层的LLM（Large Language Model，大规模语言模型）对AI发展的巨大潜力。金蝶也构建了财务大模型，强化数字员工的交互能力以及业务处理能力。

AIGC让数字员工迈向新纪元

过去几年，财务管理、税务管理、人力资源管理等系统不断融入RPA、AI等新技术，但传统的AI 针对特定应用场景需求进行训练，能完成特定任务，换到另外一个应用场景中可能并不适用。

而在LaMDA、GPT-3、Gophper、文心一言等大模型训练过程中，科学家们观测到，当训练量超过某个阈值的时候，模型的精度会突然暴增，这就是大数据模型中的“涌现”（emergence）现象。正是这一现象，使得大模型越来越聪明。

相比于传统的AI，大模型封装知识更多，包括互联网知识库、书籍、代码库等海量知识；泛化能力强，能够自学习，自推理、举一反三；生成能力强，涵盖文本、图像、语音、视频等；使用门槛低，边际成本低，可广泛应用。能极好地理解和把握用户意图，具有良好的多轮沟通对话、记忆、归纳和演绎能力。AIGC实现了企业管理领域从计算智能、感知智能再到认知智能的跨越式进步。

图2:大模型技术发展路径

大模型具备更大规模的神经网络，比如GPT-4参数数量达1.76万亿，而大量参数带来的“涌现”能力，让智能化更上一个台阶，促进了AIGC的发展，因此，各大厂商纷纷开始自己的大模型研发。2023世界人工智能大会更是以“智联世界生成未来”主题，聚焦AIGC。大会发布了30余款基础大模型和垂直大模型，市场已展现出“百模大战”的态势。

根据Gartner于7月19日发布了2023年AI成熟度曲线，生成式AI已经从去年的innovation trigger（启动期）上升到了 peak of inflated expectations（热门关注期），表明人们对大模型和生成式AI的发展预期非常看好，生成式AI已经进入行业应用发展的快车道。

图3:2023年AI技术成熟度曲线（Gartner）

而Gartner去年《Predicts2022:Generative AI Is Poised to Revolutionize Digital Product Development》（2022年预测：生成式AI有望颠覆数字产品开发）的报告中提到，到2026年，将有60%的新网站和移动应用工作由生成式 AI完成，将有超过1亿员工与合成虚拟同事（数字员工）合作完成工作。

生成式AI让数字员工适用于更多的场景，显然当前的市场态势将加速推进数字员工发展进程，推进数字员工发展进入新纪元，形成爆发式增长。金蝶借助财务大模型，也将为数字员工解锁更多应用场景，当前已经实现的部分功能包括：

更广泛的文档信息提取：

需求背景

传统OCR技术，需要预先定义识别目标的模板，目前大多用于识别发票这种固定格式的文件，但难以应对合同及附件等格式差异大且结构化程度不高的文件；
基于财务大模型+规则的技术方案，可以实现更通用、效果更好的多领域文档信息提取

适用场景

识别合同及附件等非结构化数据，简单修改后即可将提取内容填入业务单据数字员工自主提取摘要信息，或自定义字段抓取数据

更快速的知识库构建：

需求背景

传统的知识库构建需要通过人工整理知识库素材并上传
企业庞大的制度发文、业务规则，需要耗费大量成本维护更新

适用场景

用户在对话平台上传文档，例如公司管理制度、产品发文等，自动生成问答技能及推荐引导语，无需人工维护
更新时同样仅需上传文档并测试，大大降低知识库维护成本

更聪明个性的数字助理

需求背景

基于知识库的对话机器人，往往需要限定对话场景、超出范围的答复较为生硬
利用GPT兜底闲聊、并赋予不同机器人不同性格特征，让数字员工更智能，具有个性化人格

适用场景

更更个性：预置不同性格特征的对话风格，提供更拟人化的交互更智能——除了企业知识库，可回答任何常识性问题

数字员工引领企业数字化发展

借助虚拟数字人技术、生成式AI技术，企业经营管理场景下的数字员工将给企业数字化带来大变化。

重构用户体验

数字员工使得智能化从无形到有形，系统不再依赖键盘、鼠标等硬件设备，自然语言成为了人机交互媒介，业务事件、财务数据仍将在后台被记录，但以业务表单为代表的GUI（图形用户界面，Graphical User Interface）转换为CUI（Conversational User Interface，对话式用户界面），数字员工对于各类技术的整合，使得人机交互逐渐向人人交互的感受转换。

图4:数字员工重构交互体验

以手机、平板、大屏乃至可穿戴设备，都将成为交互工具；使得元宇宙场景可能更快到来，移动互联网时代的人工智能应用可能被重塑。

重构作业方式

数字员工可以自动化执行重复性任务，如数据输入、文件整理和发送电子邮件等，从而提高员工的生产力和工作效率，减少人工错误。

数字员工不仅可以处理结构化数据相关的任务，通过组合使用OCR、RPA和大模型技术，数字员工还能轻松应对非结构化数据交互以及富文本处理。以往需要人工逐页翻阅的合同及附件文本，现在数字员工已经能够自动读取、提取关键信息，并根据需要链接源文件进行展示，减少制单、审单过程中逐个翻阅附件的时间；在任务处理过程中，也能够随时提供业务咨询服务；还能根据员工的需求和偏好提供个性化服务，提高员工的满意度。

图5:数字员工重构作业方式

重构决策分析

数字员工可以通过对大量财务数据的分析和处理，提供有关业务绩效和趋势的见解和建议。以销售预测为例，系统利用预测模型可计算往期预测数据，与实际数据进行比较，可判断数据拟合度。过去，系统分析提供的数据到此为止，需要借助管理者的经验分析，是引入更多的判断因素还是对现有分析因素的权重进行调整，而在引入大模型之后，数字员工则可以进一步提供模型改进建议。另外，在数据分析方面，数字员工支持自然语言交互的探索式分析。

图6:数字员工重构分析决策

重构员工技能要求

数字员工的应用，尤其是AIGC技术的引入，标志着企业的数字化、智能化再上新台阶。AIGC技术一定会对现有的职能结构产生冲击，甚至有人将AIGC比做第一次工业革命的蒸汽机，蒸汽机与火车的发明对马车夫的工作冲击很大，但随着火车的发展，它不仅需要司机，还有增加乘务员、乘警以及配套的车站和工作人员的工作岗位。因此，作为企业员工，不用担心AIGC替代人类员工，而应当积极学习新技术，并通过合理分配工作任务和资源，强化与数字员工的合作，实现更高效、更优质的工作成果，使自己成为企业数字化转型过程中不可或缺的角色。

AIGC技术会让员工工作职能从数据处理逐渐转向规则制定与维护，以及为管理者提供更快捷精准的决策支持。因此，也需要员工具备更广泛的技能，如数据分析、信息技术、自动化等方面的知识和能力；同时，需要对数据安全更加敏感，防止数据泄露及相关风险。AIGC技术仍在发展，AIGC更需要不断地训练，企业员工应当通过对新技术的掌控和应用，积极训练AIGC，使其更好地为员工服务，为企业服务，未来冲击员工职业的不是AI，而是会使用AI 的人。

声明：
1.本内容作为作者独立观点，不代表RPA学习天地立场，RPA学习天地仅提供信息存储空间服务。
2.未经允许不得转载，如需转载和授权，请联系工作客服微信号。
3.如果对本稿件有异议或投诉，请联系邮箱或工作客服微信号。
作者：RPA学习天地,如若转载，请注明出处：https://www.rpa-learning.com/rpa-learning/7636