案例 09 · 央企财务流程
Datawhale原书章节 · 印刷页码 86—94 · 当前仅加载一页

原书第 89 页 · 点击页面可放大查看
查看与复制本页文字
文字由原PDF提取,阅读顺序和表格请以原页为准。
AI首先识别发票,然后去关联员工原有的业务信息,比如这个人之前有没有出差申请、 审批意见是什么、属于哪个部门、对应哪个项目。这些信息被拉取出来之后,AI再结合 财务规则进行判断:这笔费用到底应该归到什么科目、哪个项目、按照什么规则进行处 理。 这里其实发生了一个很重要的变化:以前是人自己去系统里找信息、判断信息,现在变 成AI主动把信息组织起来,再辅助完成判断。 第二步,让AI负责“判断”,监督机制负责兜底。 财务属于严肃业务,AI判断得再好,也不能简单理解成“AI说什么就是什么”。所以我们 在里面设计了监督机制,可以把它理解成几个AI角色一起工作:一个负责执行判断,一 个负责监督,一个负责发现风险。 对于已经比较确定的业务,就直接往后走;如果几个模型判断之后仍然存在不确定性, 就进入风险监控,由相关人员重点关注。 这样一来,人的角色也发生了变化。过去是人处理所有事情,机器没有参与;现在变成 AI处理大部分确定性工作,人只处理真正需要关注的风险和异常。 第三步,让RPA负责真正的“手”。 AI解决了“应该怎么做”,但还有一个问题:谁去把这个动作真正做完? 所以我们又把 RPA引进来了。 AI判断完成以后,RPA机器人就开始执行。它可以自动打开浏览器,进入集团对应的网 站,创建单据,然后把相关信息填写进去并提交。 所以这个方案实际上是把整个流程拆成了几个部分:业务信息获取 → AI判断 → AI监督 → 风险识别 → RPA执行。 这也是我理解的FDE和单纯做技术方案最大的区别:我们想的是怎么把AI真正嵌进原来 的业务流程里面。 89/243