会回答问题只能通过初面——财税AI的试用期,比人还长
一场关于简历、专业、实操、背调与试用期的AI招聘财税,是这轮AI热潮里最容易让人心动的场景之一。财务部门每天处理发票、报表、网银、凭证和税务政策,重复工作多、规则又相对明确,看起来天生就该交给智能体。于是市场上出现了一个奇景:每家产品都能识别票单、回答政策、生成报表,演示一个比一个流畅,仿佛财务部门明天就可以关灯运行。可到了采购环节,企业反而更难选。同样叫“财税智能体”,有的负责回答问题,有的能登
财务人的“三座大山”,被AI一座一座搬走了
深夜十一点,财务经理李女士的电脑屏幕依然亮着。她正逐一登录五家银行的网银系统导出对账单,打开Excel手工匹配数千行流水,再跨系统核对发票与付款单——这是她入职八年以来每个月底的固定功课。事实上,全国有数百万财务人员正在重复同样的动作。发票审核、银行对账、费用报销,这三个高频场景构成了企业财务日常工作中最耗时、最繁琐、也最容易出错的部分。每天海量发票审核、银行对账、报表生成等工作仍依赖人工操作,不
WAIC刚结束,IDC就说2026年要新增5000万个AI数字员工——但90%的POC过不了验收
“演示很美好,上线很糟糕”——这正在成为越来越多企业AI数字员工项目的真实写照。2026年7月,世界人工智能大会(WAIC)在上海落下帷幕。与往年不同,今年的智能体不再止于展台上的对话演示,而是扎进了真实的工作流、交易链路和生产车间——从单纯的“聊天机器人”进化为可独立干活、跨端协同、参与商业闭环的“数字员工”。大会期间,IDC预判:2026年全球将新增近5000万个AI数字员工集中上岗。“能干活
央国企的AI,先得“管得住”,再谈“有多聪明”
把央国企部署AI数字员工理解成一场“减员运动”,多少有点低估了这件事。一家大型集团,通常已经有ERP、OA、财务共享、采购、税务、网银等一大批系统。可一笔业务真要跑起来,员工还是得登录不同账号,下载流水、匹配回单、核对数据,再把结果填回另一个系统。系统越来越多,人反倒成了系统之间最忙的“接口”。所以,央国企这一轮争相部署AI数字员工,省人工只是看得见的一层。更强的推力来自三件事:存量系统不能轻易推
合规不再是选择题:政务AI的“加分项”正在变成“入场券”
政策加码:合规不再是选择题2025年以来,政务AI的合规框架正在以前所未有的速度搭建起来。2025年9月,全国网络安全标准化技术委员会正式发布《TC260-004 政务大模型应用安全规范》,系统规定了政务大模型在设计、开发与测试环节的安全要求及测试方法。这是我国针对政务大模型应用的安全国家标准。标准将安全管理贯穿于政务大模型应用的全生命周期,覆盖大模型选用、部署、运行、停用四个关键阶段。紧接着,中
RPA不会消失,它只是换了个角色——从主角变成了智能体的“双手”
一家企业原本有一套报销自动化流程:OCR读取发票,RPA登录财务系统,核对金额后录入数据。后来,厂商又接入大模型,让员工可以用自然语言发起任务。产品介绍随即多了一个新名字:财务智能体。它算智能体吗?答案是,有些算,多数还算不上。今天市场上被称为“智能体”的产品,技术差异可能很大。有的已经能够理解目标、拆解任务、调用多个系统,并根据执行结果调整下一步;有的只是在原有RPA流程前面增加一个对话框,后台
智能体最难的,不是变聪明,是“干完活有人签字”
关于AI Agent,Gartner给出过两个看似矛盾的“40%”。一个是,到2026年底,40%的企业应用将集成任务特定型AI智能体,而2025年这一比例尚不足5%;另一个是,到2027年底,超过40%的代理型AI项目可能因为成本上升、业务价值不清或风险控制不足而被取消。智能体会迅速进入企业软件,但其中相当一部分未必能留下来。问题不只在模型是否足够聪明,而在它能否接入真实系统、稳定完成任务,并在
从300家厂商到生产环境落地:企业级智能体选型的四个关键维度
2026年,企业级AI智能体市场正在经历一轮重新排序。IDC数据显示,2025年国内活跃企业智能体数量已接近200万个,市场规模从2025年的212亿元增长至2026年的449亿元。与此同时,国内AI智能体相关服务商数量已经超过300家。但Gartner调研显示,目前真正完成AI智能体部署的企业仍处于少数阶段,超过60%的企业仍停留在探索阶段。一边是不断涌入市场的智能体厂商,另一边是企业对于实际落
RPA不会死,它只是长出了大脑
过去一年,AI Agent(智能体)成为企业数字化领域最热门的关键词之一。从科技巨头到创业公司,从金融机构到制造企业,几乎所有行业都在讨论一个问题:大模型能力如何真正进入业务流程,让AI不只是回答问题,而是能够完成工作。但与此同时,一个有意思的现象正在发生。过去几年投入大量资源建设RPA体系的企业,开始重新审视自己的自动化能力。很多企业发现,原本负责流程执行的RPA机器人正在不断加入AI能力:它们
财务人的“时间黑洞”,终于有人往里照了一束光
微软在2026财年第一季度业绩沟通中称,劳埃德银行集团部署3万个Microsoft 365 Copilot席位后,员工平均每天节省46分钟。Salesforce公开的BioIVT案例则称,研究报价智能体让客服人员多出43%的时间处理高价值工作。一个以分钟计算,一个看工作时间的去向,测到的其实是同一件事:重复劳动有没有离开人的日程表。
Gartner预测40%的智能体项目将被取消,企业级AI落地的真正门槛是什么?
2026年,如果有人给出一张“全球AI智能体市场份额榜”,最好先看它统计的到底是什么。模型API、办公助手、智能体开发平台和进入银行、工厂生产流程的行业智能体,都被装进了Agent这个概念里。各家公司披露的数据也不一样,有的讲调用量,有的讲用户数,有的讲合同和收入。头部公司已经不难辨认,但现在还排不出一个公认的总名次。一张总榜,为什么排不出来基础模型是目前数字最清楚的一层。Menlo Ventur
2026年各行业AI智能体龙头有哪些?金融、制造、医疗、政务盘点
2026年各行业AI智能体龙头盘点:金融/制造/医疗/政务谁在领跑如果说2024年大家还在讨论“大模型能不能用”,2025年讨论“智能体是不是下一个入口”,到了2026年,问题已经变得更具体:智能体到底在哪些行业先跑出来?答案不是一个统一榜单。金融、制造、医疗、政务四个行业,对智能体的要求完全不同。金融要安全、审计、流程可控;制造要懂设备、懂工艺、能接生产系统;医疗要可靠、可追溯,还要面对极高的合
财务人的“牛马”时刻,该结束了:AI救不了Excel,但能救你的眼睛和腰椎
作为一个长期和财务工作打交道的人,我现在越来越觉得,财务人最累的地方,不一定是工作有多难,而是很多事情太碎、太重复、太耗人。发票要录、凭证要做、银行流水要对、报销单要审、月底还要出报表、做分析、盯现金流。看起来每一项都是“本职工作”,但每天被这些事情追着跑,时间久了真的会很崩溃。以前我也用过不少所谓的“财务神器”,有些确实有用,但也有很多工具刚开始看着很厉害,用着用着就落灰了。原因也很简单:不是财
财务AI的“假象”:卷OCR易,建“治理层”难
如果把财务AI仍然理解成“自动识别发票”或“帮我写一段分析”,很容易低估这一轮变化。真正发生的事情,是财务软件正在从单点工具,向感知、执行、分析、决策和智能体编排共同组成的技术栈迁移。在企业场景里,财务不是一个独立应用,而是一组高度耦合的数据与流程网络:合同、银行流水、ERP科目、费控单据、预算模型、合并报表和审计记录共同构成财务智能化的基础。因此,讨论财务AI工具类型,关键不是罗列产品名,而是拆
财务智能体概念大火,但能进财务流程的没几家
作为一名长期和财务工作打交道的打工人,我现在越来越深刻地感觉到一件事:财务部最怕的不是忙,而是明明很忙,却忙不到真正有价值的地方。月底关账、银行对账、报销审核、发票核验、合同付款、资金调拨、预算分析、经营报表……这些事情单独拎出来好像都不难,但只要叠在一起,就很容易把人压到喘不过气。尤其是公司规模稍微一大,系统一多,流程一复杂,财务经理每天不是在找数据,就是在催流程,不是在核表,就是在解释为什么这
RPA+AI智能体,是时候让它替你打工了
说到“自动干活”的技术,2025年并不是元年。早在2006年,RPA(机器人流程自动化)就已经默默上岗——专门处理那些重复、规则明确、让人头疼的脏活累活。RPA也曾是资本宠儿。2020到2025年,金智维、达观数据相继拿下超5亿元融资,每一张支票背后,都是企业对“自动化人力”的渴望。但RPA真正的转折点,是AI来了。有人调侃:RPA是AI最好的“落地接盘侠”。因为它天生能跟各种AI技术无缝贴贴——
你的企业智能体安全吗?让AI脱离“黑盒”,可以试试这个方法
如果你去问任何一个AI从业者,当下企业级智能体的“最大挑战”是什么,大概率会得到一个极其统一的答案——安全、可靠且可预测。这个难题甚至让Anthropic的CEO Dario Amodei都毫不避讳地直言:“这就像让一台会思考的机器,同时还要百分之百地听话。”听起来有点像悖论对不对?但更“悖论”的还在后面。很多厂商为了解决这个问题,选择了一条最“老实”的路:砸钱买服务器,疯狂地搜集海量数据来喂养大
垂直行业智能体,凭什么比通用大模型更能打?
答案是垂直行业智能体。而且不是凭空长出来的那种——你看看像金智维这类从RPA起家的公司,在金融行业泡了那么多年,手里攒下的全是实打实的业务流程、审批规则、合规条款。这些东西往智能体底层的规则引擎里一塞,大模型再能“编”,也得老老实实按规矩来。
一个AI能顶几个员工?金融、汽车行业已经给出了答案
人们习惯了向大模型提问,让它写方案、做总结、生成代码、分析数据,于是整个行业在相当长一段时间里,都在围绕“模型会不会说话”“能不能理解人类语言”“回答是否足够聪明”展开竞争,但真正进入产业现场之后,企业很快发现,一个只会聊天的AI,其实很难真正进入业务核心,因为企业真正需要的,从来不是一个“会表达”的系统,而是一个能够理解任务、连接系统、执行流程、承担结果的新型生产工具。
炼金不易,择优而栖:金融行业如何甄选“真正靠谱”的智能体?
金融,仅仅是起点。一套在金融炼金场中打磨出来的、安全稳定的智能体技术底座,正在成为驱动千行万业迈向数字化深水区的核心引擎。正如“金融电子化”的内涵所指——技术的终点绝不是炫技,而是对业务无懈可击的安全守护与价值交付。