财务共享大模型应用实践：AI+共享——智能客服、智能审核、智能质检
智能客服
- 方案介绍：基于GPT的智能客服，通过向量数据库上传知识文档并解析知识，无需预置问答，利用GPT语义识别和归纳总结能力，智能匹配多文档解析结果回答更准，应用在知识问答、辅助计算、辅助报销、辅助审单等多场景。
- 功能介绍：
- 知识库管理：创建知识领域，完成权限分配，一键上传知识文档，并完成文档向量化。
- 侧边栏问询：针对企业单据类型繁多，单据校验规则多样，员工填写困难的痛点，利用知识库可将大语言模型和向量数据库结合起来，搭建深度的服务，提升员工提单体验。
- 应用场景：知识问答、辅助计算、辅助报销、辅助审单。
智能审核
- 整体介绍：智能审核以规则引擎为核心，深度融合OCR识别技术和向量化处理技术，结合算法模型卓越的语义识别及逻辑推理能力，实时提取附件内容，实现了附件与单据之间、附件与附件之间的信息比对，精准识别单据潜在风险。
- 应用架构：事前（保存、提交）、事中（业财审核&共享审核&洞察）、事后（监控与分析）。
- 产品价值：
- 让审单更全面：通过预置规则库+规则引擎+大模型风险识别实现全方位的审核风险监控。
- 让审单更精准：通过规则引擎+大模型+算法模型等多项技术，进行事前、事中、事后的检查和分析。
- 让审单更高效：在审核之前结合单据信息+发票信息+附件信息等多个方面的预审结果，给出审核建议。
- 智能数据洞察：丰富的洞察方式及内容，包括单据检查、发票检查、账表查询、物流信息、指标查询、附件检查、上下游关键单据节点、事件重复、新闻类、未来计划展示数据统计类、敏感词检测。
- 方案设计：无代码可视化配置，保证审批合法合规，无缝接入外部数据。
- 产品蓝图：业务循环业务单据决策项、业务合规性管控、数据服务账表&指标、舆情新闻数据统计决策模型检查规则、检查项自定义扩展数据源。
- 多渠道展示界面：前端使用单据、财务共享中心工作流审批、移动端、消息中心、财务云-共享任务中心。
智能质检
- 场景描述：通过AI+大数据技术，通过对历史数据的学习，准确地挑选出风险较高的质检任务进行质检，提高了质检风险识别能力，智能质检还会自我强化持续提升预测准确性。
- 业务价值：
- 提高质检工作的效率和质量：基于AI预测所有审核任务的潜在风险并优先抽选高风险任务。
- 动态反映企业风险因素：AI算法训练过程本身也是挖掘数据价值的过程。
- 降低企业经营风险：针对质检样本结果提供整改率预警和便捷的二次抽检功能。
- 减少人工操作：定时自动抽选质检样本生成质检任务，减少人工的繁琐操作。
- 前端交互和展示：管理员、质检员。
产品演示
- 全流程演示：以差旅报销场景为例，演示智能客服、智能审核、智能质检全流程。
- 智能客服：提单人&审核人问询差旅报销制度，实时获取制度信息，事前保证业务合规。
- 智能审核：配置审核规则，共享人员审单时自动给出审核建议，提高审核效率与审单准确性。
- 智能质检：针对业务流程有条件的抽取任务进行质检，进一步保证整体财务审核工作质量，降低企业经营风险。
智能审核许可与实施
- 常见问题：
- 关于许可：
- 星瀚：必购，AI财务助手+智能数据洞察+共享任务中心（或工作流服务）。
- OCR产品：必购，可购买金蝶视觉服务部OCR，也可外购OCR产品。
- 向量模型服务：必购，外购，用于长文本类附件的向量化处理。
- 大模型：必购，外购，购买大模型流量方可使用大模型（GPT）能力。
- AI开发平台许可：选购，若仅使用预置的AI财务助手相关智能体、任务流、提示词等能力，无需订阅AI开发平台。
- 关于实施：
- 部署：
- OCR产品：百度智能云：0.5人天；其他OCR产品需二开，大概3-4人天开发量。
- 向量模型及向量数据库部署：2-3人天。
- 大模型服务配置：0.5人天。
- 实施：
- 需按照场景梳理检查规则，例如差旅报销场景、合同审核场景、费用报销场景等。
- 预估每个场景梳理需2-3人天。
- 审核方案配置及测试需4-6人天（测试调试）。
- 关于费用：
- 金蝶：购买应用及许可价格（较为固定，可参考公司报价发文）。
- OCR产品：按照调用接口次数收费。
- 向量模型：较便宜。
- 大模型：私有化部署时按照部署费用收费，公有云按照流量收费。
