免费下载案例集|20+数字化领先企业人才培养实践经验 了解详情
写点什么

卷模型还是做平台?落地企业 AI,用友这样做!

  • 2024-11-05
    北京
  • 本文字数:3574 字

    阅读完需:约 12 分钟

大小:1.80M时长:10:30
卷模型还是做平台?落地企业AI,用友这样做!

由大模型掀起的 AI 热潮已经持续了两年时间,行业已经从关注大模型技术的创新突破,转变为思考和实践如何利用基于大模型的 AI 能力来赋能业务、创造价值。正如用友网络副总裁罗小江所说:这个时代不缺技术,缺的是方法体系,缺的是让技术真正意义上融入业务。

 

可以预见的是,企业将更加亲睐针对特定行业或应用进行训练优化的大模型,以及能够深入业务场景,带来实际经济效益的 AI 解决方案。

 

8 月 9-10 日,由用友主办,以“AI+成就数智企业”为主题的“2024 全球商业创新大会”在北京召开,在企业数智化技术峰会上,用友围绕 YonGPT 2.0 大模型与用友 iuap 智能平台 YonAI 给出了更加满足企业需求的 AI 落地解法。在用友看来,AI 能力并非孤立的烟囱,想要充分释放 AI 潜能,一定要将 AI 能力融入企业的平台能力建设,以平台为载体,在各个业务环节中挖掘 AI 能力的适用场景,加速发展新质生产力、重塑企业核心竞争力。

 

大模型落地并非易事,YonGPT 2.0 如何破局?

 

目前,大模型在大多数行业中仍然很难深入到企业实际业务层面,要想切实为企业赋能,往往面临多重挑战:首先是数据挑战,很多企业缺乏数据准备,无法为模型训练和微调提供充足的高质量数据,也没有建立与 AI 时代相适应的大数据基础设施;其次是安全挑战,普遍运行在云端的大模型让企业担忧数据和隐私泄露风险,他们更偏向运行在本地,或者自身有更高掌控力的小模型产品;大模型的应用场景偏少也让很多用户头疼,花费大量投资建立的技术栈在实践中少有用武之地,降本增效也就无从谈起。另外,大模型在行业领域应用时,频繁出现的幻觉现象让问题更是雪上加霜,这也是垂类大模型崛起的重要因素;最后,由于 IT 技术较为薄弱,传统企业面对大模型和 AI 技术栈的持续运维也往往力不从心。

 

以上这些问题,都让大模型技术的落地之路变得更加坎坷不平。面对这样的局面,用友在去年发布了业内首个企业服务大模型 YonGPT,专注于助力企业降低使用 AI 的门槛,解决企业 AI 赋智赋能时面临的一系列难题。过去一年来,YonGPT 先后发布了六大场景,上线了问答应用、Agent 和应用生成等能力,并在今年 2 月份通过了网信办备案。在此基础上,用友此次又升级了 YonGPT 2.0 全新版本,包括了多项专业能力增强、一个大模型平台和两个应用框架。



通用大模型所关注的领域范围往往非常广泛,而 YonGPT 2.0 的提升完全专注于企业常见的业务领域,包括 PPT 分析报告生成、合同智能审核与生成、业务对象和表格理解、代码生成、财务和人力等领域知识增强、安全拒识等能力。这一设计的最大优势在于 YonGPT 2.0 可以充分利用用友数十年来服务各行业的经验和数据积累,同时不需要像 ToC 的通用大模型一样扩展更大的规模,节省了大量训练、微调和运维成本。

 

虽然 YonGPT 2.0 大模型已经专门为企业应用量身定制,但各个行业在实际部署模型时仍需要微调和优化才能获得更好的使用效果。对此,用友提供了一个一站式的大模型平台即服务,覆盖了数据管理、模型训练、评估优化、推理服务的全流程。平台内置了多个专业数据集,还支持百川、通义千问等多种大模型的微调训练。用户训练完成后,还可以在平台上直接评估效果,进行可视化展示。通过这一平台,没有大模型实践经验的企业也能快速上手,将 YonGPT 2.0 调整为更加适合自身业务需求的状态,为接下来的应用开发做好准备。


 

企业服务大模型的最终目标还是解决实际的业务问题,对此,用友汇总了经营中常见的八大问题场景,包括人、财、物、服、供、产、销、研,各个场景又总结出八种业务运营和知识生成的问题类型。对于这些问题,用友基于 Agent、RAG 应用框架, 帮助企业实现业务运营、人机交互、知识生成和应用生成等应用能力。


Agent 应用框架主要负责将用户的自然语言需求转换分解成模型能够识别的子任务集,并基于这些子任务输出模型 API 可以调用的参数。面对复杂问题时,用友的多智能体自主协同框架可以调度多个大模型模块,用友还结合专家知识和错误反馈学习解决了模型的幻觉和可靠性问题,并优化了模型的时效性和安全性表现。

 

知识生成问答无疑是大模型落地倍受瞩目的应用场景。但基于企业自身数据积累的知识生成高度依赖数据处理框架,处理不好很容易“答非所问”甚至输出误导、错误结果。用友结合流行的 RAG 框架开发了智能大搜产品,并提出了多语义向量技术,对每个知识片段都生成了向量和问题来增强索引,显著提升了知识搜索的精确度。用友还解决了索引搜索的权限问题,防止低权限用户搜索到高权限内容。该框架对表格、图片、视频、代码的理解也更加准确。企业员工使用自然语言提出问题,智能大搜不仅可以给出准确的文本回答,还能输出关系图、汇总图、相关图片和视频,甚至可以帮助员工扩写论点、整理文稿等。而基于 Code RAG 应用框架,应用开发人员甚至业务人员都可以快速生成企业应用代码,简化应用生成流程。所有生成内容都能无缝对接员工使用的各类应用,帮助企业实现全流程、全场景提效。

 

为了深化大模型在行业的场景应用,用友在本次大会上还联合来自公共资源交易行业、工业装备行业、交通建设行业的代表客户,发布了三大行业的垂类大模型。加速了 AI 在千行百业的落地进程 。

 

挖掘智能场景应用,YonAI 为大模型落地构建平台基础


YonGPT 2.0 的能力升级,为企业在业务中运用大模型提效增速铺平了道路。YonGPT 是用友为企业持续输出 AI 服务能力的核心工具。如前文所述,企业在 AI 落地过程中面临着一系列挑战,这些挑战仅靠大模型技术本身是不足以应对的。正因如此,用友将过去数十年帮助企业数智化转型取得的技术成果与 YonGPT 大模型创新结合起来,推出了用友 iuap 智能平台 YonAI。



YonAI 平台由包含 YonGPT 大模型的智能基础平台层、智能算法层、包含 Agent、RAG 和智能服务的智能框架层,以及最顶层的智能入口层构建而成,外部对接用友云技术、应用和数据平台,从而为企业提供全方位、全场景的平台化 AI 能力支撑。基于 YonAI 平台,企业员工在日常业务中随处开启智友智能助理和智能大搜服务,就可以轻松调用 YonGPT 大模型等 AI 能力来提升工作效率,启发创新灵感。用友也在服务企业客户的过程中与用户共同探索,挖掘出了一些企业在当下可以快速引入 AI 技术的应用场景。

 

合同审核是业务运营中常见而关键的环节之一。业务人员将合同草稿输入审核应用,即可自动提取关键字段,根据知识库内拟定的业务规则和敏感词审查合同违规情况。智友助手还能帮助业务人员查询合同相关数据,计算合约背后的经济和财务数据,乃至辅助补充合同条款、润色文本等。合同审核智能化大大缩短了业务合约的审批周期,加快资源周转,提升了业务运营效率。

 

在企业人力资源领域,员工面试是人资部门的日常工作。用友为企业打造了 AI 面试平台,通过对面试视频记录的 AI 分析为候选人进行多维评价,绘制人才画像。平台覆盖 140 多个评分项、600 多个评价标准,并能在面试结束后自动输出面试纪要和综合建议。在典型客户的实践应用中,用友 AI 面试可以帮助人力资源部门提升 30%的面试效率。

 

用友智能大搜产品也有着丰富的使用场景。例如,出差人员可以通过简单询问快速了解差旅报销标准;新人入职后,可以在智能大搜服务中点播各类企业培训课程自主学习;管理人员组建团队时,可以使用智能大搜寻找符合所需人员属性、匹配岗位的员工人才;营销人员则能利用智能大搜查找企业营销知识库的详细内容等等。员工使用搜索功能查找到所需资料后,可以直接使用这些资料智能生成文档、报告、知识图谱,节约大量文书工作的时间和精力投入。

 

企业员工还能使用手机遥控桌面打开企业应用进行展示。业务人员可以利用大模型代码生成框架,将自然语言自动转化为所需的代码脚本,开发人员在前端开发过程中也能受益于代码自动补全能力。最后,企业交流群中的群组机器人能够随时响应员工的问题,给出准确、实时的回答。

 

AI 赋能,平台建设才是标准解法


如今,通过 AI 技术重构应用,将 AI 算法模型深度融入行业与领域场景,成为颠覆传统业务模式,创新商业形态的最佳路径。

 

用友 iuap 智能平台 YonAI,再一次证明任何创新技术想要真正落地到企业业务层面,为企业带来看得见的收益,都不能仅靠技术本身的孤立应用来达成目标。尤其对于 AI 大模型这样具备颠覆性能力的创新,更要融入企业数智平台建设才能发挥更大效应。

 

YonAI 作为用友历时多年建设的企业数智化底座用友 iuap 的 AI 能力引擎,帮助企业升级数智底座,实现智能运营。在用友 iuap 平台中,云技术、应用、数据、开发和连接集成平台共同为 YonAI 智能平台的能力提供支撑。而 YonAI 的智能能力则通过这些平台延伸到企业业务的十大领域和每一个具体场景中。通过平台化建设,用友解决了 AI 赋能企业的最大挑战,使 AI 落地过程“润物无声”,也为行业给出了一套标准解法。



用友 iuap 通过融合六大平台、YonGPT 大模型以及工程化体系和运营体系能力,构建起完整的数智化平台能力,帮助企业搭建起智能运营、数据驱动、敏捷创新、开放连接和全球化支撑等核心能力,加速企业数智化进程!

2024-11-05 18:0074
用户头像
徐子浩 InfoQ编辑

发布了 38 篇内容, 共 12.8 次阅读, 收获喜欢 0 次。

关注

评论

发布
暂无评论

第一周架构方法-练习-食堂就餐卡系统设计

潘涛

架构师训练营 4 期

架构师训练营第十一周笔记

李日盛

笔记

「架构师训练营 4 期」 第一周 - 1001

凯迪

架构师训练营—第十三周学习总结

Geek_shu1988

微信气质

池建强

微信

数字版权资源价值日益凸显

CECBC

版权保护

时间戳——区块链不可篡改特性的重中之重

CECBC

区块链

意想不到,这个神奇的bug让我加班到深夜

码农的荒岛求生

bug修复

2021健康快乐

escray

2021

「架构师训练营 4 期」 第一周 - 001002

凯迪

交报告 | 2020年读完的50本书

Geek_u406me

【计算机内功修炼】一:看完这篇还不懂线程与线程池你来打我

码农的荒岛求生

高并发 线程池 进程 高性能 线程’

【计算机内功修炼】二:读取文件时,程序经历了什么

码农的荒岛求生

后端 文件 操作系统 进程 线程’

一次线上cpu过高问题

kcnf

从考研失败到最具成长力员工,这个2020就像过山车一样

Java鱼仔

程序员 面试 程序人生 考研

在 Emit 代码中如何await一个异步方法

八苦-瞿昙

架构师大作业

_

大作业 架构师训练营第 1 期

Python+Selenium——自动办公美梦的破碎与重建

小匚

Python 自动化 办公

IPFS矿机软件系统开发|IPFS矿机APP开发

系统开发

架构师训练营—第十三周作业

Geek_shu1988

RocketMQ避坑指南:你部署的RocketMQ集群真的是高可用?

中间件兴趣圈

架构 RocketMQ 故障分析 消息队列

探讨典型互联网系统使用的技术方案

Andy

架构入门感悟之十一

笑春风

架构师训练营第十一周作业

李日盛

2020年Python文章盘点,我选出了个人TOP10

Python猫

Python 学习 编程 技术

架构师训练营—大作业(二)

Geek_shu1988

区块链游戏开发注意事项

CECBC

区块链 区块链游戏

现成花火交易所系统软件APP开发案例

系统开发

架构师训练营—大作业(一)

Geek_shu1988

想法

BerryMew

2021你好 | 一名五道口程序员的年终总结

herongwei

程序员 职场 自媒体 年终总结 新年

卷模型还是做平台?落地企业AI,用友这样做!_AI&大模型_徐子浩_InfoQ精选文章