在全球商业创新大会的热议中，关于人工智能（AI）在企业中的实际应用成为了焦点话题。用友网络助理总裁、数据服务事业部总经理李进闯频繁被问及AI落地的现实问题，诸如“AI是否真能在企业中顺利运行？”“数据不足是否会成为AI应用的障碍？”“AI将如何改变企业运营？”针对这些疑问，李进闯给出了明确的回应：现在是推动AI落地的最佳时机，无需等待。
面对普遍存在的“数据门槛”担忧，李进闯指出，AI的应用并非只能在高数据量的环境中实现。AI的发展分为两个阶段，第一阶段是作为“效率助手”，这一阶段的AI并不需要超越人类智能，对数据的依赖也不如想象中严苛。它更像是一位超级助理，能够帮助企业处理大量重复性工作，迅速分析数据，直接提升管理效率。所有企业都可以立即从这个阶段开始，无需顾虑数据量的大小。
AI在企业中的落地是一个从“工具”到“助手”再到“智脑”的渐进过程。这个过程可以分为四个层次：首先是“看数”（BI），即传统的商业智能，主要服务于中高层管理者，提供固定的指标和数据报表，辅助决策。然而，这一层次存在数据滞后和基层员工难以获得即时数据支持的问题。接着是“问数”（ChatBI），支持自然语言交互，能够自动分析原因和模拟未来情况，使得基层员工也能随时获取所需数据。然后是“用数”（DataAgent），AI能够主动发现问题并协同处理任务，成为业务岗位的智能助理。最后是“智脑”，实现多个AI智能体的自主决策和联动工作。
在推动AI与数据深度融合的过程中，企业常常面临四大挑战：AI输出结果的可靠性、计算过程的透明度、对企业专业术语的理解以及数据安全与访问效率的平衡。针对这些问题，实践已经提供了解决方案。例如，采用“大模型+本地小模型”架构，通过多源数据交叉验证提升AI结论的可靠性；构建“人机协同”机制，让员工参与算法设计和流程优化，实现过程透明和结果可验；利用RAG和向量化技术，将企业的独特指标定义和计算规则“翻译”给AI；通过基于企业指标体系的权限控制系统，确保数据安全与访问效率的平衡。
AI已经在多个场景中创造了显著价值。在集团财务智能分析中，通过自然语言提问，AI能够在3秒内给出结果，并在制定发债计划时预警风险并建议对冲方案。在下属企业的报表解读中，原本需要人工3天完成的工作，AI只需1小时就能搞定，还能识别风险和对比行业差距。在库存健康管理中，DataAgent能够自动监测问题、追溯根因并支持一键执行，某企业借此减少了30%的呆滞库存，提升了25%的库存周转率。
AI的应用已经成为企业发展的必然趋势，无论企业规模大小都无法回避。数据是AI应用的基础，没有业财一体的信息化建设，数据就如同无源之水。而模型则是AI发挥价值的核心，本地数据模型是实现AI应用的关键。因此，企业无需等待“完美数据”，可以从“效率助手”起步，利用“AI+数据”破解核心难题。现在，正是采取行动的最佳时机。
