在AI技术迅猛发展的浪潮中，智能体（Agent）正成为推动产业变革的新力量。然而，当资本市场的热情与科技企业的亢奋交织时，企业级市场的真实落地情况却呈现出另一番景象。用友网络副总裁、数智财务解决方案事业部总经理付建华在接受深度访谈时指出，尽管AI技术迭代日新月异，但其在企业核心业务场景中的价值兑现仍面临重重挑战。
以财务管理领域为例，付建华强调，企业决策对准确性的严苛要求与AI技术的概率性特征存在天然矛盾。大模型生成的决策结果往往呈现发散性，而财务场景需要可审计、可追溯的确定性输出。这种本质差异导致智能体在企业核心决策环节的渗透速度远低于预期。尽管市场上已涌现出智能审核、合同审查等规则明确的辅助性应用，但真正涉及资金调配、战略规划等高风险场景时，企业仍倾向于保留人工主导权。
企业级AI落地的复杂性在财务领域体现得尤为突出。付建华以用友的实践为例，揭示了系统化推进的必要性：底层构建通用大模型生态，中间层开发垂类模型与智能体中台，上层针对具体业务场景打造专用智能体，最终通过编排层实现技能调用与流程串联。这种分层架构在最新一代用友BIP产品中已嵌入近20个财务智能体，支持从单据处理到结账报告的全流程自动化。但即便如此，自然语言指令的精准执行仍需依赖底层数据治理的支撑。
数据治理能力正成为制约AI落地的关键瓶颈。付建华指出，企业数据往往分散在多个异构系统中，存在缺失、矛盾等问题。智能体要实现准确决策，必须经过数据清洗、标准化、指标加工等预处理环节，这些工作均需专业软件工具支持。以结账场景为例，系统需完成权限校验、数据抽取、异常检测等数十个步骤，最终才能生成符合会计准则的报告。2025年一季度招投标数据显示，数据治理项目需求激增，反映出企业正加速补齐这块短板。
智能体的兴起正在重塑企业软件市场格局。一方面，大模型厂商通过开源生态构建技术壁垒，试图掌控应用入口；另一方面，中小企业借助低代码工具探索"小而美"的创新路径。面对"传统软件将被淘汰"的论调，付建华认为，财务领域38年积累的行业know-how构成难以逾越的护城河。用友将30余年软件功能拆解为数千个可复用的技能单元，这种产业厚度与业务深度非短期能复制。她判断，软件厂商与大模型厂商将形成互补生态：前者提供场景化管理工具，后者输出底层算力支持。
在技术路线选择上，行业呈现多元化探索态势。本体论路线试图构建企业知识图谱以赋予AI业务理解能力，但付建华认为其落地仍需时日；技能封装路线则通过微服务化降低开发门槛，用友YonClaw平台已上架数百个财务技能。面对快速迭代的技术浪潮，用友选择双轨并行策略，在细分领域试点本体论应用的同时，持续完善技能封装体系。
人才结构转型成为AI落地的另一隐秘战场。付建华观察到，企业财务团队对复合型人才的需求日益迫切，这类人员需同时掌握财务知识、经营管理和科技应用能力。她警告，无法与AI协作、缺乏数据思维的专业人员将面临淘汰风险。这场静悄悄的革命不仅考验企业的技术投入，更要求组织在数据治理、流程重构、人才培养等方面进行系统性变革。当喧嚣退去，那些在基础能力建设上深耕细作的企业，终将在AI时代占据先机。
