隨著人工智能大模型的崛起，企業流程的重構已成為熱議話題。特別是當AI技術從理論探索走向實際應用，并逐步滲透到各個業務場景時，企業內部的管理流程正經歷著前所未有的變革。
在AI大模型廣泛應用之前，財務收支管理平臺合思曾嘗試利用AI技術革新財務體系，旨在實現從信息技術（IT）到人工智能（AI）的轉型。然而，高昂的AI應用成本成為了阻礙。以AI識別報銷小票為例，人工審核的成本約為每張1至2元，而AI大模型的審核成本卻高達9至10元。合思創始人兼CEO馬春荃指出，如果AI的應用反而增加了企業的成本，那么繼續使用傳統方法顯然更為經濟。
當時國內企業難以獲取到優質的大模型產品，因為多數先進的大模型源自海外，受限于合規和監管要求，國內企業難以有效利用這些技術。
DeepSeek的出現解決了這些難題。馬春荃透露，DeepSeek的問世將AI審核小票的成本從每張9至10元大幅降低至6至7毛錢，這一成本節約遠超人工審核的性價比，使得AI小票識別技術得以廣泛應用。更重要的是，DeepSeek的推出打破了語言障礙，使得多語種小票的識別成為可能。
以阿拉伯語為例，中東地區是中國企業海外拓展的重要市場之一，但阿拉伯語小票的識別一直困擾著財務人員。雇傭懂阿拉伯語的財務人員不僅成本高，而且使用頻率低。AI技術的引入不僅降低了成本，還提高了識別的準確性，并能進行風險標注，使財務人員一目了然。目前，合思的相關產品已支持包括阿拉伯語在內的多種語言小票識別。
AI技術在財務領域的應用遠不止于此。DeepSeek的推出降低了AI應用成本，使得更多因成本過高而難以實施的場景得以實現。馬春荃表示，在生成式AI出現后，財務領域涌現了許多可植入的場景，但由于算力成本高和AI能力不足，許多場景仍依賴人工審核。DeepSeek的出現改變了這一狀況，使企業能夠以更低的成本獲取更高性能的AI能力。
長江商學院會計學副教授張維寧也認為，隨著企業的發展，組織架構愈發復雜，而AI大模型的出現能夠以簡單的方式解決復雜問題。通過流程和分工的結合，并在每個環節充分利用AI能力，可以顯著提高企業的運營效率。
在AI的賦能下，企業管理正在從流程驅動向模型驅動轉變。過去，企業在表單上填寫的復雜結構化數據是為了流程驅動環境下的每個環節服務，但在以模型為核心的決策分發時代，這些數據將變得不再那么重要且冗長。曾經繁瑣的流程審批和管理成本將大幅下降，算法的調用也將更加靈活。
業內專家指出，AI大模型正將企業財務從“規則執行者”轉變為“價值創造者”。未來三年，率先完成“數據-模型-組織”三重進化的企業將成為真正的“模型驅動型”組織。在這一過程中，技術能力與業務洞察的深度融合將成為決勝未來的關鍵。
具體到財務場景，OCR技術已能實現發票信息的自動識別，準確率超過99%。結合機器人流程自動化（RPA），可以完成賬目核對、報銷審核等任務。據統計，企業部署AI系統后，月度報表生成時間縮短了80%，人工干預減少了70%，顯著提高了效率并降低了成本。
當下，企業對AI的投入幾乎不設上限。以財務領域為例，客戶在考慮應用AI技術時，首先會關注其在財務工作流程中的應用可行性，然后考慮應用效果、準確率和安全合規等技術細節，最后才會考慮額外費用。不少服務商表示，許多AI應用場景是根據客戶的需求，結合行業知識和AI技術打造出來的，這體現了中國SaaS行業的靈活性。
然而，盡管AI在財務領域的需求逐漸涌現，其價值也日益顯現，但離真正的財務智能體還有很長的路要走。如果將企業財務費控能力分為五個階段，每個階段又針對七個維度區分自動化水平，市場調研顯示，國內費控廠商基本處于第三到第四階段，而第四階段向第五階段邁進的關鍵在于AI能力的全面植入。
馬春荃指出，要實現財務智能體，僅僅在每個環節植入AI能力是不夠的，還需要打通各個環節的協作流程，形成完整的智能體系。以報銷流程為例，雖然已應用了AI審批和AI識別小票等能力，但這些能力相對獨立且分散，需要人工干預才能完成協同。未來的財務智能體將實現不同AI能力之間的自主匹配和風險派發。
隨著AI技術的不斷發展和應用場景的不斷拓展，企業財務的智能化轉型將不斷深化，為企業帶來更高效、更智能的管理方式。
