6月15日,由元年科技主办的“高质量向世界一流企业迈进——数智驱动的无人财务共享研究报告线上发布会”顺利召开,元年科技副总裁贾小强、元年财务共享产品中心总经理鲁湘、TCL财务共享服务中心副总经理张存强出席,解析新一代财务共享平台的管理思路、实现路径和技术方案,分享企业无人财务共享的前沿探索与实践经验。

元年科技副总裁 贾小强
会上,元年科技副总裁贾小强正式发布了《数智驱动的“无人财务共享”研究报告》,(文末阅读原文即可免费领取),分享了财务共享未来发展趋势分析与洞见。贾小强介绍,“无人财务共享”包括业财事务处理中心、数据赋能中心、多维报告中心、控制策略管控中心四大核心能力,具有组织柔性化、生态协同化、业财协同化、管财融合化、全面电子化、深度智能化、管理精益化七大主要特征。贾小强建议,企业共享中心的发展并不一定需要严格按照“传统共享—虚拟共享—无人共享”三步来走。针对尚未建设共享中心的企业,可以考虑在创建共享中心初始就实现业财一体化集成、智能技术广泛应用等,后续通过持续优化达到无人共享水平。而针对已建立共享中心的企业,需要从财务组织、流程效率、业财一体化、管财融合度、智能化应用等维度进行综合评估,识别与无人共享的差距并进行针对性提升。

元年财务共享产品中心总经理鲁湘
该如何构建数智驱动下的“无人财务共享”?元年财务共享产品中心总经理鲁湘从系统建设的角度给出思路:“第一,可以基于领先的低代码PaaS平台,内置引擎高效响应前端需求;第二,通过智能技术深度应用,实现业财事务极致效率提升;第三,在数据驱动层面,层层递进挖掘数据价值,反向赋能业务数字化。”鲁湘介绍,元年新一代财务共享以元年方舟低代码平台为支撑,九大引擎敏捷响应前端千面需求,通过数字化建模客观世界,在财务共享与管理会计相互支撑的设计理念指导下,基于新一代云原生微服务架构,项目享受持续更新升级。企业级的一流设计,可让企业数字化系统建设强大自主可控。鲁湘认为,新一代财务共享产品架构蓝图,必须实现基于数据的智能驱动,以元年智答为例,作为企业的Chat-GPT,通过语音交互获取数据,具有归因分析、未来预测、数据洞察等功能,并可在AIGC帮助下自动生成数据报告。

TCL财务共享服务中心副总经理张存强(右)
TCL财务共享服务中心副总经理张存强介绍,在财务共享的实践应用中,TCL集团自2014年开始物理集中试点,2015年开始建设财务共享,也是在这个期间上线了元年科技财务共享平台,到目前为止已经有七年时间。TCL财务共享目前已实现全球化覆盖和全模块共享;大陆、香港、亚太、欧洲、北美等区域网络分支机构单位全覆盖,涵盖生产制造、软件研发、金融、IT服务、O2O、售后服务、线上线下业务、互联网及内容运营等全业态业务板块;上线费用、资金、应收、应付、资产、总账、运维等业务模块。在财务共享中心的赋能下,集团实现了业务减负,流程更为高效与规范,拉通了业务数据和财务数据,有效减少了风险。
谈及财务共享的未来,张存强认为,未来财务共享将基于数字化,以算法和模型为驱动,实现共享中心智能化、无人化,赋能业务,助力企业经营。张存强介绍,创新实践过程中,TCL财务共享围绕三个方向集成和扩展,首先是业务前端数字化,TCL财务共享通过与外围系统集成打通,将标准嵌置到业务系统,通过前端数字化、智能化来达到自身的智能化。如当前集团在推进6+1系统建设,并以此为契机来改造原有业务系统,实现线下到线上智能化应用升级,实现了前端业务的数字化,系统由原来的采集变成实时记录,信息更丰富,及时性更好,数据准确度更高,财务只需把财务和业务规则统一好,做好系统转化和承载,系统自然而然就会实现自动化、智能化、无人化,以及业财融合。其次是财务核算数字化,考虑到业务数字化的建设过程参差不齐,改造升级需要一个过程,在此期间财务共享可以通过集成自身智能化设备、智能化技术如OCR、生态集成和规则引擎建设等方式来实现财务核算自动化;最后是财务到报告和分析全面数字化,通过月结一键直连及基于集团的数据中台的数字化应用,实现财务核算到报告的自动出具,及核算报告到管理报告的融合探索。
元年科技紧跟市场步伐,业内首家提出新一代“无人财务共享”理念,将客户需求和技术结合,基于元年方舟平台,自主研发了新一代财务共享平台——无人财务共享,致力于规范财务处理标准,加强财务及相关价值链流程节点风险管控,充分利用AI创新智能化技术,提高从业务交易到财务报账、审批、审核入账、付款、归档等全流程效率,建立企业数据中心,迈向数据驱动下的“无人”共享。
作为财务共享“实战派”,元年科技拥有20多年从理论到实践的丰富经验,提供咨询+产品+实施一体化解决方案,以管理会计+财务共享共通共融的专业领先优势,以咨询团队+研发团队+产品实施团队,保障项目专业质量。元年科技拥有在零售快销、能源化工、科技服务、地产、金融等行业领域知名企业的众多成功案例,并和上海国家会计学院、科大讯飞等院校和公司开展深度合作,从理论和实践上全方位赋能企业转型升级。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。