企业已经有AI团队，也做了智能体，为什么经营效率还是提不上去？
最近，安越财商院在与一家大型制造企业管理团队的交流中，遇到了一个很有代表性的问题。
这家企业的信息化基础并不差。有专门的IT团队，也设立了AI相关职能，内部已经开始推广AI应用。部分员工原来需要几天完成的工作，现在几个小时就能做完。一些经营分析场景，也已经尝试使用智能体。
但企业管理层并不满意。
个人工作效率确实提高了，整个公司的经营效率却没有出现相应的变化。特别是财务、供应链和经营分析这些跨部门工作，仍然存在大量人工协调、重复处理和数据核对。
企业已经投入了资源，也具备一定的技术能力，为什么AI还是难以产生更大的经营价值？
在这次交流中，双方围绕几个具体问题展开了讨论。
一、员工提效了，公司的流程却没有改变
这是交流中首先谈到的问题。
企业内部已经开展了AI应用推广，员工也确实尝到了甜头。原来需要反复整理的数据、文档和分析材料，现在借助AI可以更快完成。
但问题随之出现：一个岗位提前完成工作，下一个岗位仍然按照原来的流程接收；财务分析准备得更快，业务部门却仍然需要花时间核对数据；每个人都用AI提高了效率，跨部门协作方式却没有发生多少变化。
安越在交流中提出，企业AI应用需要区分个人工具和流程智能体两个阶段。
个人工具解决的是员工如何更快完成任务。而流程智能体需要重新审视整段业务流程：哪些任务可以交给AI，哪些环节需要人工判断，原来的岗位分工和信息传递方式是否还有必要保留。
如果仍然按照原来的部门和岗位配置智能体，企业很容易得到一批效率更高的工具，却保留了一套运行效率不高的组织流程。
二、供应链各个环节都在优化，为什么整体经营结果仍然不好？
交流中，企业管理人员谈到了一个现实问题。
从原材料采购、生产制造到终端销售，企业的供应链很长。采购有自己的计划，销售有自己的预测，生产有自己的排期，每个环节都有专门团队负责。
但在实际经营中，仍然可能出现一边缺货、一边积压库存的情况。
这并不意味着各部门没有做好工作。
采购希望降低采购成本，生产希望提高设备利用率，销售希望保障交付。每个部门都有自己的目标和考核指标，按照各自的标准看，可能都做得不错。
可这些局部目标并不总是一致。
- 为提高设备利用率而增加生产，可能带来库存上升；
- 为争取更低采购价格而扩大采购批量，又可能增加资金占用。
如果企业只做一个排产智能体，它可能把排产优化得很好，却未必能改善整个公司的利润和现金流。
安越提出，经营智能体的设计应当沿着业务流程展开，把销售预测、订单、采购、库存、产能、交付及成本等因素联系起来，并以企业整体经营目标作为判断依据。
这意味着，AI智能体的能力边界不应简单按照现有部门划分。
三、经营分析智能体为什么在部门里能用，到了公司层面却不好用？
企业在交流中还提出了一个技术与管理交织的问题。
部分业务单元已经尝试利用AI进行经营分析。数据量不大、业务范围明确时，应用可以运行。
但如果希望把同样的方法推广到更多业务单元，困难就出现了。
不同部门可能对同一项经营指标有不同的定义。数据来源不一致，分析维度不同，甚至相似业务也存在不同的核算规则。
于是，智能体在一个部门能够回答的问题，到了公司整体层面就变得复杂。
这时，如果只考虑更换大模型、增加算力，未必能够解决问题。
安越在交流中提出了三个值得优先处理的方面：
- 识别对企业经营结果影响最大的业务场景，并沿着完整流程梳理问题。这样的场景通常跨越多个职能和部门，涉及上下游数据、管理规则和协作关系。经营分析不能只围绕某个部门的指标展开，还要能够看清整个流程中的问题，为跨部门的经营判断提供依据。
- 补齐关键数据断点，统一必要的经营口径。数据治理不能脱离经营目标，也不需要一开始就把所有数据全部重新整理。应当先明确需要支持什么决策，再确定必要的数据和规则。
- 改变分析计算的方式。对于规则相对稳定、需要反复开展的经营分析，可以提前定义计算逻辑，对新增业务数据持续进行处理和汇总，让管理层提出问题时能够更快调用已有结果。
当然，这需要可靠的数据管道、统一口径、计算校验与权限控制，并不能仅靠大模型直接读取大量表格实现。
四、AI转型的试点，范围应该怎么选？
交流中，企业也讨论了未来选择部分业务单元开展试点的可能性。
这涉及一个常见的取舍：
- 试点范围太大，数据、系统、组织和管理规则的问题会一起暴露，推进难度很高。
- 范围太小，虽然容易做出成果，却可能只能解决一个岗位的工作效率问题，管理层感受不到经营价值。
安越提出了一个思路：试点可以从小处切入，但应选取对经营结果有价值、能够贯通多个职能和部门的完整业务流程。
例如，可以先选择一条产品线或一个具有代表性的产品作为切入口，但试点不能仅优化某个岗位或某个部门的一项工作，而要把销售预测、采购、生产、库存直至经营结果的关键环节联系起来。
这样既能够控制数据规模和实施难度，又能观察智能体是否改善了一段完整流程。
企业还需要提前明确：试点要解决什么问题，由谁负责结果，哪些指标可以验证改善，以及哪些关键决策必须保留人工复核。
选对试点对象，有时比一开始采用多么先进的技术更重要。
五、财务在企业AI转型中，可以承担什么角色？
这次交流还有一个值得关注的议题：企业财务部门如何参与AI转型。
过去，财务部门的主要工作包括核算、报告、预算、分析和风险控制。很多时候，经营数据产生于业务部门，财务需要等数据汇总完成后才能开展分析。
但如果AI能够帮助企业更快完成信息整理、数据计算和异常识别，财务是否可以更早参与业务过程？
例如，在产品开发阶段就关注目标成本，在订单形成时就评估利润和资金占用，在经营过程中持续识别预算偏差与库存风险。
安越认为，这需要财务进一步参与经营规则设计、数据口径治理和业务决策支持。
AI的作用也不应停留在自动生成财务报告。更有价值的方向，是让经营分析从事后解释结果，逐步延伸到过程监测、异常预警和决策辅助。
不过，这一变化并不意味着财务部门可以取代业务部门作出所有经营决策。AI负责处理信息和提供建议，经营责任仍然需要由相应管理者承担。
从一次企业交流，看AI落地为什么需要经营管理能力
这次交流没有围绕某个具体大模型展开太多讨论。企业管理层真正关心的，是成本管理如何进一步细化，供应链能否减少局部目标冲突，经营分析能否更及时，以及AI怎样从个人工具进入实际管理流程。
这些问题最终都指向企业原有的经营管理体系。
安越财商院长期围绕战略财商、量化经营、管理会计和经营分析开展培训与咨询。进入AI时代后，安越进一步探索将这些经营方法、管理规则与智能体技术结合，帮助企业识别高价值场景，梳理业务流程，明确人机分工，并设计可验证的试点路径。
企业AI转型需要技术能力，但技术发挥作用的前提，是企业知道自己希望改善什么经营结果，以及为了实现这个结果，需要重新设计哪些流程和管理规则。
对于已经建立AI团队、推广AI工具，却迟迟看不到整体经营改善的企业，下一阶段值得研究的，或许就是这些具体问题。
---
说明：本文根据安越财商院与某大型制造企业管理团队的专题交流整理，企业信息已作匿名处理。文中涉及的试点方向与管理建议属于交流讨论内容，不代表相关企业已与安越达成项目合作或完成智能体部署。
安越财商院｜成立于 2004 年，专注企业经营能力、战略财商与管理会计能力建设。核心方法论包括安越战略财商®与安越量化经营®，并提供企业内训、咨询陪跑及 AI 财务转型与智能体应用服务。
课程详情，咨询客服：
