中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

如何讓人工智能真正融入企業，成為推動效率與創新的引擎？本文作者以親身實踐的AI審單項目為例，深入探討了AI在企業落地的五步法，從成本節約到流程設計，再到運營策略，為AI的商業應用提供了一條清晰的路徑。

一、引言

人人都在談AI?？葾的信任赤字、AI的投入成本，都讓決策者和擁躉畏首畏尾。如何在企業內洞察機會、如何說服決策者投入資源、如何衡量價值達成。這些都是繞不過去的問題。筆者以個人踐行的AI審單項目為例，歷時一年多的痛苦與掙扎、現分享給各位，與各位共同探討AI的落地方法。

二、AI應用的5步法概述

沿上篇文章《AI應用企業落地方法論：踐行財務共享AI審單項目(第一篇)》所述，我們分享了“技術理解”和“機會洞察”兩章。我們繼續。

本系列文章將回答如下幾個痛點，文章較長，收藏再看。

1. AI如何在企業內找到落地場景，且能形成規模效應；
2. AI是一個好東西、要投入多少錢、能產生多大的收益和價值；
3. AI技術可理解性差，如何衡量落地場景的應用穩定性；
4. AI會不會引發數據泄露，數據安全如何保障；
5. AI要在企業內取得成功并復制成功，推進方法論是什么；

三、第三步：流程設計與產品設計

3.1 AI產品設計流程概述

AI大模型以字數收費、而且還不便宜。而實際我們真正需要的信息又少，那如何實現成本最節約下的AI技術引入呢。我總結了兩個方法、親測非常好用。分別為“AI成本最節約下的審單流程設計”和“對標工序和ROI的原型設計”。

前者是開放的思考流程情況、數據來源情況、附件類型情況、需要內容情況下的AI成本考量、并融入開放思考到流程設計中。從而在流程設計上就思考和設計成本問題。

后者是從工序分析和ROI的角度拆解用戶操作步驟，變革新的流程做出新的產品原型。

3.2 AI成本最節約下的審單流程設計

日本質量大師田口玄一博士說過:“產品質量首先是設計出來的,其次才是制造出來的”。筆者認為、產品成本首先是設計出來的，其次才是管控出來的。

所以，若要實現最節約下的AI投入，就需要審單流程設計，筆者將審單流程方法，劃分為兩個步驟，先做腦暴、再做流程。腦暴就是開放思考AI的成本消耗點，不考慮技術實現性；然后拿著這些成本點再套入到審單流程之中。最終你會發現，AI的成本消耗變得透明和清晰。

第一步：AI成本節約腦暴

AI成本節約腦暴是從“流程”、“來源”、“附件類別”、“識別內容”角度發散思考成本節約的消耗點。腦暴是一種發散思維，可避免一下陷入到流程設計之中，流程設計會讓人腦去修正邏輯、去修正合理性，會使得產品人員的注意力被流程合理性所吸引，結果哪些成本最節約策略，就會被產品所忽略，AI成本潛移默化下則增長了。

第二步：基于成本節約下的流程設計

基于上面的腦暴，我們對整個產品有一個結構概要，也知道要實現這些腦暴點的依賴條件，下一步我們就進入流程設計，在整個流程設計之前，我們還對規則進行分類，規則分類的原因也是因為腦暴有依賴（腦暴點1、腦暴點6），同時我們也建立了其他配置要素，

規則分類表：

系統后臺配置：

有了上面的分類規則、系統后臺配置、腦暴點。我們下來就進行具體的審單場景設計。如下是設計出來的兩條流程。因企業保密需要，架構圖等就不分享給各位。這些流程一方面是現在實現的，另外一方面也是我個人基于現狀的暢想（當然也是可實現），是比較合理的流程，各位大可放心。

國內差旅報銷場景（提單人自助識別發票和非票附件場景）：

流程解析：

1. 移動端拍照發票完成發票抬頭、真偽、重復等“發票正確類規則校驗”（下表有詳細的規則分類）；移動端拍照非票附件形成影像；
2. PC和移動都有統一的個人影像中心（含發票和非票附件）、這時候非票附件并沒有調用AI識別和AI大模型能力；
3. 員工選擇報銷場景“國內差旅報銷”、系統調用后臺的規則引擎，告知需要提交的發票類型和非票附件；員工選中對應的發票和非票附件（規則引擎明確哪些非票附件必填，報銷人需要選中附件，這里不用AI是因為附件太多，成本太高，分類也需額外收費的）；
4. 系統根據后臺配置的“場景+發票的消費類別>費用科目”，自動生成對應的報銷明細行，自動關聯對對應的消費科目；（消費類別就是“用車>汽車油票”）；
5. 用戶點擊提交按鈕，系統會先檢查單據填寫類規則、發票正確類規則、票單校驗類規則、附件提供類規則。若錯誤，則異常報錯；若正確，則系統會調用AI大模型去識別附件（AI識別和規則校驗會耗時，系統會有載入提示）；
6. 系統識別非票附件為文本數據后，會調用“非票附件部分篇幅AI識別配置”功能、將精準的部分篇幅給到AI大模型去形成結構化數據，并返回給系統后臺庫，后臺庫統一發送給規則引擎進行“非票附件校驗類規則”校驗；
7. 校驗成功則返回正確結果、校驗不通過則返回比對的結構化數據給前端；
8. 審單助手頁統計所有規則數、校驗成功規則數、校驗不通過規則數。審單人作人工判斷。

流程圖：

國內差旅報銷場景（提單人不識別校驗、由審單人識別校驗單）：

流程解析：

1. 提單人提單時讀取規則引擎、系統自動校驗提單人必須提供的附件類型、提單人需準確提供；
2. 單據到了審單人節點，系統會先對發票先做OCR校驗、然后調用規則引擎去檢查單據填寫類規則、發票正確類規則、票單校驗類規則、附件提供類規則。若錯誤，則異常報錯；若正確，則系統會調用AI大模型去識別非票附件（AI識別和規則校驗會耗時，系統會有載入提示）；
3. 系統識別非票附件為文本數據后，會調用“非票附件部分篇幅AI識別配置”功能、將精準的部分篇幅給到AI大模型去形成結構化數據，并返回給系統后臺庫，后臺庫統一發送給規則引擎進行“非票附件校驗類規則”校驗；
4. 校驗成功則返回正確結果、校驗不通過則返回比對的結構化數據給前端；
5. 審單助手頁統計所有規則數、校驗成功規則數、校驗不通過規則數。審單人作人工判斷。

流程圖：

3.3 對標工序和ROI的原型設計

我們在做原型設計之前，需要回顧下《AI應用企業落地方法論：踐行財務共享AI審單項目(第一篇)》文章的“5.2.2 分析步驟2：工序計算分析法、下鉆機會下的耗時工序 ”和“5.2.6 分析步驟6：ROI分析方法”內容，從中找出原型設計的出發點?，F在我們將部分原文截取過來

工序計算分析法中，將審單分為這幾個工序：（1）在所有附件影像中找到對應附件；（2）在一份附件中找到具體關鍵信息；（3）計算和統計附件內容；（4）比對附件與單據的數據的一致性；（5）檢查本崗位規則的審閱覆蓋度。

ROI分析方法中，我們可以明確的是資源永遠是有限的，而且大部分決策者的心理都是“花小錢辦大事、最好是不花錢；ROI要對標具體的工序，拆解工序來做ROI測算。

對標工序和ROI后，我們就可以用下表做前后對標工序設計，以前的工序做參考、現在的工序基于上面新的流程進行詳細設計。有了這個工序詳細設計，接下來則可放心大膽的畫原型了。

6.4.1 前后對標工序

下表是審單人員的AI引入前后的工序，并附有審單原型圖，各位看官可詳細閱讀：

現在的審單助手頁（也可應用在用戶填單校驗環節）

原型設計經驗總結

1. 產品原型需建立在流程重構的基礎上，絕非優化原有流程和工序；
2. 不切換頁面、少點擊，集中一個頁面講清所有，極大考驗對工序的整合設計能力。產品的歸屬就是無需培訓即可上手。
3. 原型每個人都會畫、但是比較有說服力（也可以說專業~~哈哈）的做法還是要先做完工序計算、ROI計算、流程設計后，再做工序設計。

四、第四步：速贏機會運營

4.1 速贏落地關鍵成功要素

很多小伙伴理解速贏就是“在最出效果的地方做項目開發”，這太過狹隘，速贏落地的核心而是“價值運營達成”。我們可看下速贏落地的關鍵成功要素：

1. 速贏點上線了，可整個產品就是一個黑盒子，出現自動化率低問題后，無法判斷問題根因，是AI識別能力、AI理解能力、規則引擎還是系統代碼？到底是哪里出問題了！
2. 產品上線后，團隊反對者和部分領導會質疑產品效果，一句話否定你一切！而項目組無法拿出量化指標來證明；
3. 速贏機會成功了，可要全面推廣時，項目組信心不足，沒有人可以拍著胸脯說上線一定沒有問題；

上線只完成了整個產品的20%，剩下的80%時間則是運營、調優、再運營、再調優。在速贏階段，我主要做的是如下幾件事情：

1. 監控運營指標和分析運營日志、提升產品能力：通過監控識別置信值、規則引擎通過率、駁回率這些指標、再每條異常日志打開來看，可以發現很多AI的能力不足點、更可以發現我們的規則引擎的函數的寫法問題；
2. 用BI平臺監控作業提效變化，證明提效可行性：數據不會說謊、通過監控審單耗時和規則校驗通過率、不斷讓團隊和關鍵意見領袖認可產品。

4.2 速贏運營指標

4.3 AI審單運營的經驗

在實際運營過程中，個人踩過了很多坑，當然也總結了點滴經驗。在一定的脫敏后分享給大家，希望大家在引入AI的時候能夠更成功：

1. 單據不是必填，造成規則校驗失效、所以需要再運營中或規則梳理時仔細甄別。
2. 附件存在一些特定類型無法提供準確數據源，造成規則失效；比如合同是框架合同則沒有合同金額；這就需要對合同做AI識別看是否是框架合同，這都是需要再運營中去發現。
3. 規則沒有做合理的命名，造成審單人無法理解；規則是給人看的，團隊leader沒有做統一命名則會造成規則閱讀成本極高，信任度大打折扣。
4. 規則沒有考慮多行情況，比如A和B需校驗，采用相等，可后來發現A中存在多行，則就需要修改為包含或分組后再對比；所以在規則梳理時、一定要多多考慮異常情況，
5. 合同印章識別不準、手寫內容識別不準；手寫的內容識別不準可推動業務前端進行修改；
6. 能用開源的就先用開源的，只要有投入就會有沉沒成本，即不要一下去買一家廠商的成熟包裝后的產品，先去用SAAS產品吧，跑通邏輯后掌握了主動權，再去選購成熟產品。
7. 規則引擎的核心是規則函數，而非前端規則配置頁面，其實Drools workbench就足夠了，沒必要再去搭建一個人人可用的規則配置頁面；個人在這里差點掉到坑里了，設計了好久，還特意做了幾千個字的規則引擎調研報告，幸虧是這份報告，讓我意識到規則引擎的核心是什么，我自己能做什么，我最應該做什么。這也給所有人提一個醒，要是對某件事情有疑問，那就寫研究報告吧，你可以相信身邊的人，可他們不能替代你的思考，主意還得自己拿！
8. 分析不僅僅只是看最終經營指標，比如規則自動化通過率，還要重點看日志，我們花了非常多的時間去看日志，從日志中發現了很多問題，每一條日志都是上天的恩賜，都是團隊邁向更成功的墊腳石。重視日志就是尊重現實、就是一個“唯物主義者”哈哈！
9. 無論是支持者、觀望著、反對者，所有人都有一個信任過程、你需要“讓朋友搞得多多的，讓敵人搞得少少的”，方法就是持續運營、不斷優化。讓數據告訴項目干系人，你是尊重他們的，你也希望得到他們的信任。感激你的朋友、也感謝你的敵人！

附錄圖：提示詞工程

五、全面推廣和下一步規劃

路漫漫其修遠兮吾將上下而求索！要全面推廣和走向自動化，還需要很長的路來走，我也做了一些整個AI產品的下一步計劃，夢想還是得有嘛：

1. 保障AI審單準確率的核心是：規則越清晰、附件越標準、單據量越大；所以，下面的全面推廣就需要建立這個選擇標準進行推進。
2. 印章問題是一個老大難問題，可以考慮相似度算法+代碼個性邏輯來算出百分比，如下是一些典型問題 ：印章都蓋在甲乙方上面，在識別的時候就存在錯誤；印章有名字類型的，順序無法判斷，比如王明印、結果識別成為王印明；
3. 每一個規則設定“自動化必須通過”的標志、比如發票與法人的關系，要是錯了，哪怕其他規則都通過了，只要這條規則不通過，那么自動化就不會通過；這可以降低成本；
4. 每一條規則返回的時候都帶了“校驗準確率”，普通規則則要么100%、要么0%；而采用相似度算法的則會返回具體的校驗準確率，即相似度算法校驗后的結果；最終結合“自動化必須通過”和“校驗準確率”來判斷是否可自動化通過；也得出一個最終的“總校驗準確率”；通過這個閾值，低于這個值的則人工、高的則自動；
5. AI的成本還需要進一步降低，希望國內各大廠商進一步推進吧，AI的引入決策成本還是蠻高的，其實若AI真的沒有這么貴，我也沒必要寫這篇文章了。
6. 前置規則到用戶和本地接單人人員，審單本身就是一個流程冗余的動作、要是每個人都填得對、每個人填單就校驗完畢，那么流程的成本將極大降低，沒有審單人員、沒有管理成本，審單人會去做更重要、更有價值的事情。世界將會變得更加美好！

六、最后

AI從產生概念到實際應用已是許久，我們對AI還是那么期待，而在恐怖谷理論中，當下的AI還沒有讓我們反感和害怕，這是否正說明AI還是很弱~~這確實讓人心塞。

AI的未來一方面是三算的提升，另一方面還是企業應用的探索。希望更多的企業和個人能夠放心大膽的信任AI，去探索AI場景。個人也希望這篇文章能為AI踐行之路的人們指明一條可復制的方法。