大家好！确实今年是 AI 的元年，过年前后 DeepSeek 发布，开源、免费的特性让业界振奋。作为企业信息化管理者，我们明显感觉到 AI 应用的门槛降低了 ——Token 价格下降了 99.9% 以上，成本骤降让企业级应用成为可能，因此我们也开展了一些实践工作。

但在企业落地 AI 并非易事。尽管大模型在对话、翻译、文档生成等场景已展现价值，但企业环境对数据准确性、流程合规性要求极高：一旦出现偏差，就需要厘清是系统问题、数据问题还是人为问题，这背后涉及责任界定。基于此，我们选择了 "核心流程 + 高频刚需" 的场景切入，今天就以一个具体案例和大家分享。

先介绍一下中国金茂：作为中国中化旗下央企，我们是国资委骨干中央企业的重要组成部分。中化集团是世界最大的化工企业之一，业务涵盖化工、材料、生命科学等领域；而中国金茂作为地产城市运营平台，业务覆盖全国十几个城市、上百个项目，包括城市运营、物业开发、酒店商业等板块。虽然在地产行业规模并非龙头，但我们注重品质 —— 北京金茂府、上海金茂大厦（陆家嘴三件套之一）、三亚丽思卡尔顿酒店等优质物业，都是我们的资产。公司于 2007 年在港独立上市。

关于信息化建设，金茂是年轻企业，数字化进程始于 2017 年。发展路径和业内同行相似：先搭建系统平台，再建设独立业务条线系统，之后推进数据集成与业财一体化，现在进入智能化探索阶段，尝试通过小应用提升效率。

这里有个架构图想和大家分享：企业的核心价值在于为用户创造价值，信息化的终极目标也应如此，而非仅满足于数据统计或流程控制。我们始终以客户为中心，前期聚焦营销数据管理（签约、回款、认购到访等），中期尝试大会员体系建设（推动地产、商业、酒店客户的交叉消费），现在则因地产行情变化，从 "促销转化" 转向 "全渠道营销"。但更理想的状态是 "客户需求驱动产品定制"，这在地产行业实现起来难度较大，但我们仍在探索。

感谢金蝶提供的合作平台，我们在财务领域与金蝶共研共创多年。财务体系可分为三块：战略财务（核算经营效益）、业务财务（管理资金税务）、共享财务（服务员工报销付款等）。在行业稳定期，这套模式已能满足需求，但我们仍在思考：如何通过新技术驱动财务信息化升级？

以业财一体化为例，我们实现了开发全链条数字化 —— 从拿地、开工到交付、竣工，每个节点都与财务体系深度绑定。地产行业本质是轻资产模式，设计、建造、销售等环节多依赖第三方，因此精准的数据把控尤为重要。我们将成本核算到每平方米、单楼层甚至单户，这套系统已成为企业经营的核心支撑。

财务共享方面，我们曾面临项目制带来的人力波动问题：开盘和交付期财务人员短缺，平时又存在人力冗余。因此我们建立了财务共享中心，但异地财务的票据管理、报销审核等又带来新挑战。我们通过收银系统、电子档案、内控工具等解决了这些问题，效率提升显著。

进入 AI 时代，金蝶云·苍穹平台提供了审单、数字员工、报告助手等功能。我们没有先搭建大平台，而是成立多个 AI 验证小组，精选十几个场景做 POC 验证。在财务领域，我们发现知识库应用存在瓶颈 —— 初期新鲜度过后，使用率就会下降，因为财务制度变化频率不高。

后来我们聚焦员工报销付款场景：作为央企，财务合规审查点多达上百个，人工审核效率极低，而共享中心人员编制有限，矛盾突出。我们尝试在传统 OCR 基础上叠加 AI 大模型：先通过 OCR 识别多模态票据，再用语言大模型将文本转化为结构化数据，通过语义分析找出矛盾点。但我们坚持 "人机协同" 原则：AI 提供审核建议，最终由人工决策，确保权责清晰。

同时我们也在探索数字员工 —— 本质是为员工提供更友好的交互入口，无论是 Agent 还是其他形式，核心是解决 "报销流程繁琐、退回修改麻烦" 的问题，目前这一工作仍在推进中。

从实际效果看，AI 审单在以下场景成效显著：

• 报销逾期风险识别（如 5 月 5 日出差，5 月 10 日提单的合规性校验）；

• 差旅城市与票据地点一致性核查（减少人为粘贴错误）；

• 消费项合规性筛查（标记异常票据）。
  现在单张报销单处理周期从 1-2 天缩短至最快 4 小时，上午提报、晚间到账已成为可能。

  
  

不过实践中也面临风险：一是数据风险， OCR 识别准确率受纸质票据磨损影响，曾尝试用大模型补全信息，但发现这条路行不通，最终确定推广电子票据才是根本解；二是质量风险，大模型在部分场景的不可解释性 —— 前三个审核场景准确率高，后三个则不稳定，且难以通过提示词工程完全解决，这也是财务同事反馈的主要问题。

智能化是一整套组合拳，智能化的应用，关键是转变思路，人人拥抱智能化，应用工具，探寻可能。智能化现阶段是财务数字化的加速器，从而改变共享中心的运营模式，推动财务职能发挥更加灵活、深度的管理与增值作用，同时反哺人力资源、经营管理、成本管控等数据中心，提高企业核心竞争力。从财务共享中心内部的体会看，原有30多员工，后面单独培养两位员工，转化为智能财务的角色，在IT条线发展，这是人员组织变革。

关于未来规划，我们认为 Agent 和 ChatBI 是重要方向：Agent 可实现 "自然语言提报报销"，提升员工体验；ChatBI 则需要与原生 BI 看板打通，实现更深度的数据分析穿透。

最后总结几点体会：一是场景选择至关重要，需经得起投资回报考验；二是数据整合是基础，我们的预算、费控、报销流程在同一平台，为 AI 应用提供了天然优势；三是复合型人才短缺，既懂财务又懂 AI 的人才稀缺，我们只能依靠内部团队与金蝶协作探索。

以上是中国金茂的初步探索，希望能为业界提供参考。谢谢大家！