案例 09 · 央企财务流程

文字由原PDF提取，阅读顺序和表格请以原页为准。

Q5：在部署AI过程中，是否遇到了新问题或挑战？你是怎么解决
的？
这个项目让我比较深的一点感受是：AI项目最难的地方，很多时候在技术之外。
在AI时代，我甚至认为，一个项目如果单纯从技术上已经能够落地，其实已经成功了
80%。真正容易让项目“死掉”的，是业务、人和组织。
第一个挑战，是业务部门的接受度和推进节奏。
AI程序本身不会产生价值，真正产生价值的是业务部门。比如AI帮他们节省了时间，但
最后真正享受到这个效率提升的，是业务人员，所以我们必须想办法让业务部门和我们
站在一起。
我特别反对一种方式：让AI项目组自己坐在那里设计一个东西，然后让业务部门过来使
用。业务人员本来每天已经很忙了，你突然给他增加一个新系统、新流程，他第一反应
很可能是“你为什么又给我增加了一个负担？”所以我们的方式是业务陪跑：我会跟着
业务人员一起做几天，看他真实的工作流程，把业务逻辑主动梳理出来，让业务人员不
必自己整理一份特别完整的需求文档交给我们。
同样，第一次合作也不能大刀阔斧地改流程。如果我跟业务部门说“你们原来的流程全
部不要了，我们重新设计一套AI流程”，这个项目大概率会遇到阻力，因为业务人员已
经有自己的工作习惯，原来的流程之所以存在，也有它自己的原因。
所以我更愿意从一个很小、很痛的场景开始，先把一个点做好，让业务人员看到真实
ROI。当他发现这个东西真的能帮自己省时间，他就会开始主动跟你讨论“这个地方是不
是也可以做”。这时候，AI项目就从“你要让我用”变成了“我希望你帮我继续做”。
第二个挑战，是数据安全和基础设施。
央国企尤其是科研机构，对数据安全要求非常高。财务数据很多都属于敏感数据，不可
能简单地丢到公共模型里处理，所以我们必须从底层基础设施开始解决问题，包括算
91/243