在DeepSeek R1、GPT-4.5、豆包1.5Pro、Qwen3和AI Agent輪番沖擊To B領(lǐng)域時(shí)，金蝶在深圳舉行了一場別開生面的AI發(fā)布會(huì)。

這家以財(cái)務(wù)軟件起家的老牌To B公司，沒有發(fā)布參數(shù)超過千億的大模型，也沒有展示驚艷的文生圖或自動(dòng)寫代碼的魔法。而是端出了五個(gè)看起來非常“傳統(tǒng)”的詞——財(cái)務(wù)、招聘、差旅、報(bào)表、知識(shí)。只是這一次，每一個(gè)詞后面都加了“智能體”三個(gè)字。

如果你熟悉企業(yè)軟件行業(yè)，你會(huì)知道，這五個(gè)場景幾乎構(gòu)成了一個(gè)中大型組織最常用，也最容易出問題的管理接口。而金蝶想做的事情并不復(fù)雜——不是追著模型跑，而是用AI重構(gòu)這些“接口”背后的管理邏輯。

這也解釋了它沒有從“模型”入手，也沒有從“云”開始，而是選擇從一個(gè)企業(yè)最難被技術(shù)改變的部分動(dòng)手——流程。流程意味著規(guī)章制度、權(quán)限結(jié)構(gòu)、組織習(xí)慣，甚至是權(quán)力邊界。在這里動(dòng)手，也意味著更難，也更值得。

企業(yè)管理軟件，智能化遲滯的重地？

在過去兩年里，生成式AI迅速席卷C端市場，從寫作、繪圖到代碼生成，“效率工具”成為每個(gè)職場人的標(biāo)配，幾乎沒有行業(yè)能置身事外。

但在B端世界，特別是企業(yè)管理軟件領(lǐng)域，AI的推進(jìn)卻異常緩慢。

哪怕是走在數(shù)字化前列的大型企業(yè)，其AI使用大多仍停留在“插件化”階段。

多數(shù)AI部署只是在系統(tǒng)中接入一個(gè)Chatbot，用來生成報(bào)表、總結(jié)文檔，或作為搜索增強(qiáng)工具嵌入流程系統(tǒng)。但這類“助手級(jí)應(yīng)用”與真正能執(zhí)行任務(wù)、管理流程的“智能代理”仍有本質(zhì)區(qū)別。

其背后，是企業(yè)管理系統(tǒng)特有的復(fù)雜性：

☆流程標(biāo)準(zhǔn)不一：不同企業(yè)、不同部門有各自的業(yè)務(wù)規(guī)則和數(shù)據(jù)結(jié)構(gòu)，AI很難直接遷移應(yīng)用；

☆權(quán)限體系重：涉及財(cái)務(wù)、人力、采購等敏感數(shù)據(jù)，任何錯(cuò)誤操作都可能帶來審計(jì)或合規(guī)風(fēng)險(xiǎn)；

☆組織阻力強(qiáng)：管理系統(tǒng)不僅是技術(shù)問題，更是組織運(yùn)行方式的體現(xiàn)，容錯(cuò)空間小，改動(dòng)成本高；

☆國產(chǎn)化與監(jiān)管要求并存：數(shù)據(jù)出境限制、私有化部署需求，使得企業(yè)對(duì)“AI上云”的信心不足。

更深層的問題在于——AI要進(jìn)入企業(yè)流程，不是加一個(gè)智能輸入框那么簡單。

這套系統(tǒng)是以“穩(wěn)定”“規(guī)則”“結(jié)構(gòu)”構(gòu)建的，而AI天生具有“生成”“概率”的特征，兩者之間有著天然差異。企業(yè)并不缺AI產(chǎn)品，而是缺一套讓AI“說了算”的流程結(jié)構(gòu)。

這也正是金蝶選擇從“流程”入手的背景所在。它沒有繞開這塊難啃的骨頭，而是反過來問：如果我們不是讓AI適應(yīng)原有系統(tǒng)，而是為AI重建一個(gè)系統(tǒng)，是否更有可能真正實(shí)現(xiàn)智能化管理？

金蝶的“打法”：

一套AI操作系統(tǒng)，而不是一個(gè)AI功能

2025年的金蝶云蒼穹AI峰會(huì)上，金蝶并沒有像其他科技巨頭那樣，發(fā)布一個(gè)更快、更強(qiáng)的生成模型。它亮出了兩件本質(zhì)上是“底層重構(gòu)”的產(chǎn)品組合：一個(gè)智能體矩陣，和一個(gè)平臺(tái)。

第一是“智能體矩陣”——把AI變成企業(yè)里的“任務(wù)型員工”，金蝶圍繞五個(gè)高頻管理場景，分別打造了專屬智能體：

金鑰財(cái)報(bào)：10分鐘自動(dòng)生成一份完整的財(cái)務(wù)分析報(bào)告，像刷短視頻一樣輕松，面向非財(cái)務(wù)專業(yè)人群；

ChatBI：用對(duì)話的方式與企業(yè)數(shù)據(jù)互動(dòng)，跨越多個(gè)系統(tǒng)，實(shí)現(xiàn)實(shí)時(shí)問數(shù)、指標(biāo)分析和業(yè)務(wù)診斷；

招聘智能體：端到端自動(dòng)完成從JD撰寫、篩選候選人、面試安排到入職通知的整個(gè)流程，匹配率提升至90%；

差旅智能體：根據(jù)員工偏好規(guī)劃行程、訂票、預(yù)訂、報(bào)銷一體化，全程免填表、免人工審核；

知識(shí)智能體：接入企業(yè)私有知識(shí)庫，提供問答、政策解釋、文檔歸檔等能力，成為企業(yè)“知識(shí)調(diào)度中心”。

這些“體”，并不是簡單的AI功能封裝，而是具備感知→理解→決策→執(zhí)行完整閉環(huán)能力的任務(wù)執(zhí)行體。它們能夠跨系統(tǒng)調(diào)取信息、響應(yīng)上下文變化，并與其他智能體協(xié)同作業(yè)——在邏輯上，已經(jīng)更接近“數(shù)字員工”而非AI助手。

第二是“蒼穹 Agent 2.0平臺(tái)”——一個(gè)為企業(yè)設(shè)計(jì)的AI平臺(tái)。

如果說“智能體”是解決具體問題的“應(yīng)用層”，那Agent平臺(tái)則是金蝶試圖建立的“操作系統(tǒng)層”。

這個(gè)平臺(tái)具備五個(gè)核心能力：

1. 模板化任務(wù)流：預(yù)置多個(gè)行業(yè)常見的任務(wù)鏈與提示詞，幫助企業(yè)快速構(gòu)建Agent；

2. 系統(tǒng)集成組件：打通ERP、HR、CRM等內(nèi)部系統(tǒng)，支持表單操作、流程查詢等底層動(dòng)作；

3. 多模型協(xié)同機(jī)制：接入金蝶自研模型、DeepSeek、豆包等，實(shí)現(xiàn)推理、生成與分析的分工協(xié)作；

4. 企業(yè)級(jí)RAG與權(quán)限管理：提供私有化知識(shí)增強(qiáng)與精細(xì)化數(shù)據(jù)訪問控制，滿足安全合規(guī)要求；

5. 多端部署能力：智能體可被嵌入云之家、H5、Web端，延伸至員工日常操作界面。

這不只是一個(gè)“開發(fā)工具箱”，而是一個(gè)讓企業(yè)可以構(gòu)建自己的AI系統(tǒng)、管理自己的AI員工的平臺(tái)。

在這里，企業(yè)不再被動(dòng)等待AI產(chǎn)品更新，而是可以根據(jù)業(yè)務(wù)需求，自行生成、組合、治理、演化智能體。“平臺(tái)即系統(tǒng)”的概念，在企業(yè)AI領(lǐng)域首次獲得完整落地。

無論是智能體還是平臺(tái)，金蝶都在試圖解決同一個(gè)問題：企業(yè)管理AI的結(jié)構(gòu)化落地。

與C端AI應(yīng)用追求“體驗(yàn)即生產(chǎn)力”不同，To B市場必須回答三個(gè)問題：

誰發(fā)起任務(wù)？

誰授權(quán)執(zhí)行？

誰為結(jié)果負(fù)責(zé)？

金蝶的方案，不僅是讓AI來“參與”流程，而是讓AI變成流程的編排者、調(diào)度者、執(zhí)行者。它的野心不只是增強(qiáng)人，更是重新定義企業(yè)的操作方式本身。

金蝶為什么能做這件事？

AI不是企業(yè)管理的萬能鑰匙，它能解決問題的前提，是你必須足夠了解問題本身。

金蝶做得最“務(wù)實(shí)”的一件事，不是追模型速度，不是談RAG新范式，而是從管理流程、組織結(jié)構(gòu)、角色權(quán)限的語義深處出發(fā)，重新建模企業(yè)日常運(yùn)行的邏輯。這聽上去不性感，卻是To B AI最難啃的骨頭。

而金蝶恰恰具備三層底層能力，能夠切入這個(gè)結(jié)構(gòu)：

1. 場景理解力

金蝶做企業(yè)管理軟件已有30年，它不是后來者。財(cái)務(wù)、人力、供應(yīng)鏈、合同、銷售，它幾乎參與過中國大部分主流行業(yè)的流程建構(gòu)。

這帶來的不僅是產(chǎn)品經(jīng)驗(yàn)，更是“組織行為模式”的深度認(rèn)知：知道企業(yè)在什么節(jié)點(diǎn)最容易卡殼，知道哪些流程可以自動(dòng)，哪些必須留給人判斷。

2. 數(shù)據(jù)連接力

金蝶云·蒼穹平臺(tái)承載著數(shù)百萬家企業(yè)的實(shí)時(shí)業(yè)務(wù)流，這使得它在企業(yè)數(shù)據(jù)結(jié)構(gòu)、流程狀態(tài)、權(quán)限配置上的積累具備“天然互聯(lián)”優(yōu)勢。

其Agent并不是在裸模型上運(yùn)行，而是建立在一個(gè)已經(jīng)組織化的數(shù)據(jù)語境中。這決定了它能不僅生成結(jié)果，還能直接觸發(fā)系統(tǒng)動(dòng)作。

3. 模型掌控力

金蝶并不追求自建“最大的大模型”，而是構(gòu)建“最能懂業(yè)務(wù)語義”的組合模型體系：早在2023年就發(fā)布了中國首個(gè)財(cái)務(wù)大模型；2024年開始搭建多模型調(diào)度機(jī)制；到2025年，DeepSeek、豆包、通義千問、自研模型均可在Agent平臺(tái)中協(xié)同運(yùn)行。

它的模型策略很清楚：不是參數(shù)比拼，而是匹配每一個(gè)任務(wù)所需的AI能力最優(yōu)解。

此外，需要指出的是，AI轉(zhuǎn)型不僅是技術(shù)采購，更是組織戰(zhàn)略。為此，金蝶將企業(yè)的AI轉(zhuǎn)型過程抽象為四步閉環(huán)，構(gòu)成其“AIGO方法論”：

1. Assessment & Architecture（分析與架構(gòu)）：分析企業(yè)成熟度，建立AI愿景，制定系統(tǒng)架構(gòu)；

2. Implementation（實(shí)施與執(zhí)行）：定義優(yōu)先場景，構(gòu)建Agent，嵌入流程；

3. Governance（治理與管理）：對(duì)權(quán)限、數(shù)據(jù)、模型調(diào)用進(jìn)行可視化控制；

4. Operation（運(yùn)營與優(yōu)化）：跟蹤Agent使用效果，循環(huán)迭代，做價(jià)值回溯。

這是一套為“復(fù)雜組織”設(shè)計(jì)的AI落地體系，覆蓋了從決策層到一線使用者的全過程。它讓AI部署從“交付功能”變成“沉淀能力”。

而且，金蝶的企業(yè)管理AI，已經(jīng)有了大量的實(shí)踐案例。接下來，讓我們看幾個(gè)典型例子。

通威股份，構(gòu)建HR智能體服務(wù)中心，通過智能資訊、無感提單、一鍵導(dǎo)航等方式，將各HR業(yè)務(wù)模塊能力服務(wù)化，為員工直接提供HR業(yè)務(wù)服務(wù)，平均系統(tǒng)操作時(shí)間縮短70%；

建發(fā)房產(chǎn)，共同搭建AI驅(qū)動(dòng)的合同中臺(tái)，支持200+合同類型的審查、推薦與履約自動(dòng)化，整體處理效率提升50%以上；

海信集團(tuán)，與金蝶共建干部考察與智能任職評(píng)定系統(tǒng)，通過AI分析歷史數(shù)據(jù)與行為指標(biāo)，優(yōu)化組織選人用人效率，提升內(nèi)部招聘比例120%。

這些案例背后并不是孤立的AI應(yīng)用，而是一個(gè)系統(tǒng)性AI架構(gòu)+流程再設(shè)計(jì)的結(jié)果。它們證明：金蝶不僅可以構(gòu)建Agent，更可以讓企業(yè)用得起來、管得下去、持續(xù)演進(jìn)。

我們站在一個(gè)新時(shí)代的門口

To B的AI，不會(huì)像To C那樣，在幾個(gè)月內(nèi)引發(fā)全民“爆款”效應(yīng)。它的演進(jìn)更像是一場深水區(qū)的結(jié)構(gòu)重塑——緩慢、克制，卻一步一個(gè)腳印。

金蝶的智能體與Agent平臺(tái)，所呈現(xiàn)的不僅是自身產(chǎn)品的一次更新，而是一種企業(yè)級(jí)AI架構(gòu)正在成型的信號(hào)。

幾個(gè)明顯的趨勢正在浮出水面：

1. 企業(yè)AI應(yīng)用，正從“模型調(diào)用”走向“任務(wù)系統(tǒng)化”

過去企業(yè)引入AI，常常是以“集成”方式進(jìn)行：嵌一個(gè)Bot，接一個(gè)API，嵌入知識(shí)庫問答。這種做法雖然見效快，但碎片化嚴(yán)重，無法支撐流程閉環(huán)和組織級(jí)調(diào)度。

金蝶的智能體矩陣與Agent平臺(tái)，標(biāo)志著企業(yè)開始進(jìn)入任務(wù)原子化→智能體編排→流程執(zhí)行閉環(huán)的新階段。AI不再是外掛的“輔助工具”，而是成為業(yè)務(wù)流程的“發(fā)起者、執(zhí)行者、反饋者”。

2. 從“大模型本位”，轉(zhuǎn)向“流程重塑本位”

許多公司在談AI落地時(shí)，焦點(diǎn)仍停留在“模型選型”：哪個(gè)更強(qiáng)？哪個(gè)參數(shù)多？

但企業(yè)真正要解決的問題，往往不是“AI能力不足”，而是“業(yè)務(wù)流程太復(fù)雜、數(shù)據(jù)打不通、組織不愿改”。

金蝶繞開了“算法爭先”這條路，選擇回到流程、回到接口、回到操作細(xì)節(jié)——它要做的不是更強(qiáng)的AI，而是更適合企業(yè)內(nèi)部結(jié)構(gòu)運(yùn)行的AI。這意味著一個(gè)根本性轉(zhuǎn)向：從“模型本位”到“管理系統(tǒng)本位”的AI設(shè)計(jì)哲學(xué)。

3. AI系統(tǒng)的“治理性”，開始比“生成能力”更重要

在企業(yè)場景中，AI能不能生成內(nèi)容并不是第一要?jiǎng)?wù)，更關(guān)鍵的是它能不能被授權(quán)執(zhí)行、能不能審計(jì)追蹤、能不能分層賦權(quán)、能不能數(shù)據(jù)隔離。

Agent平臺(tái)之所以被稱為“企業(yè)級(jí)”，不只是因?yàn)樗δ軓?qiáng)大，更是它具備企業(yè)需要的“責(zé)任邊界感”。誰觸發(fā)？誰審批？誰有權(quán)限訪問？流程如何留痕？這些決定了AI能不能被信任。

4. 企業(yè)將越來越依賴“可構(gòu)建型平臺(tái)”，而不是“功能型AI產(chǎn)品”

通用AI產(chǎn)品大多不可修改，不可組合，不可協(xié)同。它們適合小團(tuán)隊(duì)、標(biāo)準(zhǔn)化流程，不適合擁有復(fù)雜IT結(jié)構(gòu)的大中型組織。

金蝶做的平臺(tái)式智能體系統(tǒng)，其底層理念是：企業(yè)的AI系統(tǒng)不是買來的，而是建出來的。它要給企業(yè)提供的是一套“拼圖式”的能力框架，而不是一個(gè)盒裝App。

這是一種非常To B、非常中國式的AI思路——兼顧演進(jìn)性、治理性與定制化空間。

這些趨勢指向一個(gè)共同的結(jié)論：To B AI的真正壁壘，不再只看重模型，更在于對(duì)企業(yè)流程、組織行為與數(shù)據(jù)結(jié)構(gòu)的深度理解與結(jié)構(gòu)穿透。

這恰恰是金蝶過去三十二年不斷耕耘的地方。

金蝶選擇了一條不同尋常的AI路徑：不是率先追逐參數(shù)、模型、生成能力，而是回頭去打磨那些被管理者和一線員工反復(fù)操作、反復(fù)撞壁的“流程末端”。

這是一條很“重”的路，它要求理解每一份報(bào)銷背后的制度邏輯，理解一個(gè)招聘流程中有哪些角色的博弈，理解一份合同從起草到履約會(huì)在哪些地方出錯(cuò)。

但正因?yàn)?ldquo;重”，它才有可能沉下去，成為基礎(chǔ)設(shè)施。不是一陣風(fēng)，而是一個(gè)組織在AI時(shí)代的“操作系統(tǒng)重裝”。而這，也許才是To B AI真正的機(jī)會(huì)所在：不只是更智能，還是更接近企業(yè)真實(shí)運(yùn)作的節(jié)奏和痛點(diǎn)。

當(dāng)然，金蝶并不是唯一在這條路上走的人。這條路還遠(yuǎn)遠(yuǎn)沒走完，但它確實(shí)已經(jīng)打開了一扇門——一扇通往企業(yè)管理方式被重新定義的大門。

來源：數(shù)據(jù)猿