# 【财务】Amazon Quick 让财务告别繁琐：六大领域22个场景 > **合规声明（生成式 AI 服务）**：前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营，具体信息以中国区域官网为准。 > > **完整资料：如果想了解更多内容可以访问:https://events.amazoncloud.cn/china-summit-on-demand/ > > **免责声明**：本摘要仅为便于您了解峰会内容而提供，我们不对其完整性及准确性作出任何保证，且不构成任何建议或结论。相关内容仅供参考，实际内容以峰会回放视频为准。 ## 一、基础信息 - **会议类型**：专题演讲 - **Persona**：通用业务用户 - **时间信息**：6月23日 | 14:30 - 15:00 - **标题**：【财务】Amazon Quick 让财务告别繁琐：六大领域22个场景 - **PDF 资料**：有 - **视频回放**：有 ## 演讲人信息 ### 会议信息 - **地点**：上海世博中心（2026 亚马逊云科技中国峰会） - **日期**：2026年6月23日（Day 1） - **时间**：14:30 - 15:00 - **会议类型**：专题演讲 - **面向 Persona**：通用业务用户 ### 亚马逊云科技演讲人 - **李龙**：解决方案架构师 ### 客户 / 合作伙伴演讲人 - **赵博恺**（益海嘉里集团）：资金管理部负责人 ## 二、会议资料 PDF 转录内容 --- Page 1 --- 2026年6月23日-24日 上海·世博中心 --- Page 2 --- Amazon Quick 让财务告别繁琐： 六大领域22个场景 企业财务 × Amazon Quick，从业务价值链出发的 AI 落地全景 基于多场景验证 · 渐进式落地 · 数据主权在客户账户内 李龙 赵博恺 解决方案架构师 资金管理部经理 亚马逊云科技 益海嘉里集团 --- Page 3 --- 总览 · 从业务价值链看 AI 落地 OVERVIEW 1 挑战 / 解法 /· 财务工作的本质与全职能适配 场景与链路 · 财务工作如何被串联 SCENARIOS 2 议程 工作节奏 × AI 介入 · 数据流转全链路 · 链路详解 场景实践与演示 PROOF 3 AGENDA PoC 实践· 资金管理场景 Demo 从业务价值链出发 安全合规与落地平台 SECURITY 五个部分讲清 AI 在财务的落地全景 4 数据主权 / 合规证书 · Amazon Quick 能力对应 落地路径与下一步行动 ROADMAP 5 路径 · 组织推进建议 · 开始 --- Page 4 --- 财务场景挑战 · 解法 · 边界 · 路径 财务六大业务域与四条数据链路 1 2 3 4 挑战 解法 边界 路径 财务团队60%+ 的时间 基于 Amazon Quick AI 做初步处理与标注 试点（PoC）验证 花在采集、加工、核验 以「文件上传+ AI 处理 会计准则判断、 选2~3 个最痛场景 三类规则型工作上 + 人工确认」模式 期末调整、合并抵消 跑一遍真实数据 高峰期加班集中、 覆盖4 条业务数据链路 签字与审批—均由人完成 拿到效率对比数据后 分析深度受限 人始终在决策回路中 数据主权留在客户账户 再决定是否扩展 --- Page 5 --- 财务工作的本质：从原始数据到管理决策 前端（采集/加工）AI 承接比例高；后端（分析/决策）人的判断不可替代。数字口径：AI 处理环节耗时下降。 采集 加工 核验 分析 决策 当前工作 原始凭证 录入系统 数据比对 管理报表 预算审批 银行回单 分类编码 附件复核 趋势分析 风险定价 → → → → 发票/合同 格式转换 银行对账 异常发现 战略规划 AI 介入 AI 介入 AI 介入 AI 介入 AI 介入 OCR 识别 格式标准化 差异标注 数据汇总 数据支撑 字段提取 分类建议 异常提示 报告初稿 方案参考 辅助 人主导，AI 仅供数据 关键洞察：财务团队约 60% 的时间花在「采集 / 加工 / 核验」三类规则型工作上。 核心原则：AI 做初步处理与标注，人做最终确认与签字 — 人始终在决策回路中。 --- Page 6 --- 六大业务域 × AI 适配地图 覆盖企业财务全职能（含税务、共享服务），标注 AI 适配度、预期效果及对应的落地链路 业务域 当前痛点 AI 可介入场景 主要落地链路 录入量大 凭证识别 · 三单匹配 会计核算 A C 月结加班 成本归集 · 管理报表生成 手工操作多 回单识别 · 附件复核 资金管理 A B 风险监控滞后 资金汇总 · 结价数据整理 财务计划与分析 报告耗时长 经营分析 · 预算辅助 B （FP&A）分析深度不够 滚动预测 · 决策数据支撑 发票合规 发票 OCR · 合规抽查 税务 D 税会差异手工比对 税会差异标注 · 政策问答 合规检查靠人 合规问答 · 合同条款比对 内控审计 D 审计底稿繁琐 数据复核 · 审计底稿整理 共享服务中心 对账耗时 银行对账 · 流水分类 A C （含出纳） 流水分类繁琐 收付款凭证提取 链路 A=日常凭证 | B=分析报告 | C=月度关账 | D=合规审核 --- Page 7 --- 财务工作节奏 × AI 介入时机 按团队实际工作节奏，对应 AI 可承接的环节，链路归属见右侧标签 每天 银行回单处理 人工逐条录入 → AI 识别 → 标准文件 → 一键导入 链路 A 业务附件复核 逐字段人工比对 → 上传两份文件 → AI 秒级比对 链路 A → 差异清单 每周 资金数据汇总 手工汇总各口数据 → 上传数据 → AI 自动生成周报 链路 B 经营分析报告 收集数据 + 写报告 → AI 深度分析 → 专业报告初稿 链路 B 每月 银行对账 逐笔匹配 → 双文件上传 → AI 自动匹配 → 未达账项 链路 C 跨系统数据复核 人工比对 → 上传两份报表 → AI 输出差异清单 链路 C 季/年 合同审核 逐条比对 → AI 逐条比对 → 差异报告 15min/份 链路 D 授信分析报告 多源数据整理 → AI 综合分析 → 银行级报告初稿 2h 链路 D --- Page 8 --- 数据流转全链路：场景不是孤立的，是串联的 一个环节的输出自动成为下一个环节的输入 — 链路越完整，价值越大 链路 A：日常凭证处理（每天，量最大） 银行回单 → AI 识别提取 → 标准 Excel → 导入系统 → AI 附件复核 → 差异清单 图片/PDF 链路 B：分析报告链（每周，管理层直接受益） 系统导出 → AI 数据汇总 → 周报/月报 → AI 深度分析 → 经营报告 → 管理层决策 资金数据 链路 C：月度关账 · 数据处理环节（每月） 银行流水 → AI 自动对账 → AI 数据复核 → AI 数据提取 → 管理报表 → 审计/授信 - 企业账簿 链路 D：合规与审核（持续，风险相关） 合同/政策 → AI 条款审核 → 差异报告 → AI 合规问答 → AI 内审报告 → 合规档案 文档 图例：灰= 数据/动作· 蓝= AI 处理· 绿= 输出交付物 | 链路 A / B 详解见后续页 下面重点展开本次 PoC 验证聚焦的链路 A & B --- Page 9 --- 本次聚焦链路 A 日常凭证处理 & 链路 B 分析报告链 A：每天发生、量大、见效快 | B：每周/月、管理层直接受益、价值高 链路 A：日常凭证处理 当前痛点 AI 介入后 关键环节 • 回单逐条手工录入 30~60分钟/天 • 上传 → AI 识别字段 → 人工快速确认 1。 回单识别 • 录入后人工复核再 1h • 生成系统可导入的标准格式 2。 导入系统 • 人工易出错，月末集中暴露 • AI 标注差异项 → 人工判断合理性 3。 附件复核 链路 B：分析报告链 当前痛点 AI 介入后 关键环节 • 数据汇总靠手工 Excel，格式不统一 • AI 自动按维度汇总 → 人工审阅 1。 数据汇总 • 分析报告耗时 1~2 天，维度有限 • AI 生成初稿：趋势、异常、对比 2。 分析初稿 3. 人工定稿 • 管理层要数据时总要等，决策滞后 • 管理层可自然语言查询数据概况 --- Page 10 --- 03 场景 PoC 与 Demo PoC 验证 · 资金管理场景 Demo 01 总览 02 场景与链路 03 实证与演示 04 安全与平台 05 落地路径 --- Page 11 --- 资金管理 PoC:6 个场景实践 资金管理及相关部门 · 人始终在确认与决策回路中 · PoC 验证阶段，非生产数据 银行回单识别 资金报表汇总 资金周报生成 • Excel 数据处理 • Excel 数据处理 • 深度分析 图片 / PDF → AI 识别 → 人工 多源数据 → AI 汇总 → 人工 上传数据 → AI 生成初稿 → 确认 审阅 人工定稿 资金管理场景 全部完成功能验证 附件逐项复核 结价数据整理 TMS 操作问答 • 文档内容比对 • Excel 数据处理 • 知识问答 AI 做初步处理与标注 人做最终确认与签字 两份文件 → AI 比对 → 差异 原始数据 → AI 整理 → 人工 自然语言提问 → AI 即时解答 清单 核对 说明：以上为 PoC 验证阶段的真实业务场景；AI 处理环节明显提速，具体提效效率以客户真实数据测算为准。 --- Page 12 --- Demo：资金管理场景 演示 Amazon Quick 在资金管理中的应用 资金周报自动生成（演示使用脱敏数据） 上传数据 1 一周资金流水 / 收 支明细 ► AI 自动分析 2 识别趋势、异常与 同环比 演示录屏：资金周报自动生成 （此处嵌入 Demo 视频） 生成专业报告 3 周报初稿，人工审 阅定稿 --- Page 13 --- 04 安全合规与落地平台 数据主权 · 合规证书 · Amazon Quick 能力对应 01 总览 02 场景与链路 03 实证与演示 04 安全与平台 05 落地路径 --- Page 14 --- 安全、合规与证书：财务数据的保护机制 财务数据是企业最敏感的资产 — 保障数据主权与审计可追溯 数据主权在客户账户内 合规证书（安全底座） • ISO/IEC 27001（信息安全管理体系） • 数据在客户本地电脑或指定的客户账户/区域内处理 • SOC 1 / SOC 2 / SOC 3（控制报告） • 不传输至第三方，不用于训练 AI 模型 • PCI-DSS（支付卡行业数据安全） 内控适配与审计留痕 渐进式落地与可回退 • AI 输出定位为「辅助参考」，非最终结论 • 从非核心场景开始（如操作问答） • 确认、审批、签字仍由授权人员完成 • 每阶段可评估、可暂停、可回退 • 按角色分配访问权限（工厂 / 区域 / 集团） • PoC 期通过文件上传即可开展 • 完整操作日志：谁、何时、处理了什么 • 规模化阶段支持 API / 数据库直连 --- Page 15 --- 落地平台：Amazon Quick 能力对应 前述 AI 能力均由 Amazon Quick 四类组件实现 — 按链路聚合查看 Agent Spaces Research Dashboard 智能助手：识别、比对、计算、问答 知识库：文档、规则、模板积累 深度分析：长篇报告、趋势发现 可视化：仪表盘、实时监控 链路 链路名称 代表场景 Quick 组件 落地模式 A 日常凭证处理 图片/PDF 上传→AI 识别→标准 回单识别· 附件复核 Agent Excel B 分析报告链 Agent + Research + Spaces + 数据接入→AI 汇总分析→初稿/ 资金汇总· 经营分析· 授信报告 Dashboard 面板 C 月度关账（数据处理） 双文件上传→AI 匹配/差异标注 银行对账· 跨系统复核· 报表提取 Agent + Spaces →人工确认 D 合规与审核 合同比对· 操作/合规问答· 风控 文档/知识库→AI 比对问答→ Agent + Spaces + Dashboard 监控 差异与监控 PoC（试点）阶段：文件上传即可，无需改造现有财务系统； 规模化阶段：支持 API / 数据库/ SFTP 直连，与 ERP/TMS/EPM 对接。 --- Page 16 --- 05 落地路径与下一步行动 路径 · 组织推进建议 · 开始 01 总览 02 场景与链路 03 实证与演示 04 安全与平台 05 落地路径 --- Page 17 --- 落地路径：从真实场景开始，逐步优化，规模化复用 渐进式推进，每个阶段有明确产出与决策点 第1~4 周 第2~3 月 第3~6 月 6 月+ 1 2 3 4 验证期 链路期 覆盖期 深化期 选2~3 个低风险场景 跑通一条完整链路 多链路并行 全员使用 快速验证效果 证明端到端价值 全面覆盖日常工作 持续优化 • 操作问答（即时见效） • 链路 A：回单→识别→复核 • 链路 C：月度关账数据环节 • 全团队标准化操作流程 • 数据复核（文件上传即可） • 链路 B：汇总→分析→报告 • 链路 D：合规审核持续运行 • 知识库持续积累 • 合同审核（知识库+ 比对） • 选择与验证期衔接的链路 • Dashboard 可视化搭建 • API / 数据库直连升级 产出：效率数据 产出：链路级效率提升 产出：月结提速2~3 天 产出：财务 AI 工作平台 决策：是否继续扩展 决策：扩展哪些链路 决策：全员推广计划 长期：新场景持续扩展 --- Page 18 --- 组织推进建议：从分工到小步验证 从组织分工到小步验证，建议您团队这样推进 组织分工 场景优先级 试点节奏 1 2 3 按角色匹配合适的 Amazon Quick 组件 按上手难度与见效速度排序 以小步验证、稳步扩散为原则 财务管理层· 做决策 ✅推荐优先（即插即用，快速见效） 第1 步：选关键人 →Research • 知识问答（Agent + Spaces） 每部门识别1 位业务骨干 • 深度分析（Research） 作为试点对接人 核心骨干· 审核、分析、编制 →Agent + Research ⚠次选（需配置少量规则） 第2 步：定节奏 • 文件比对/ 银行对账 • 试点周期2~4 周 一线操作· 录入、复核、对账 • 合同审核 • 每人聚焦≤3 个场景 →Agent（文件上传） • 配备现场支持 ⏳ 后置（需深度配置） 启动前请确认： • OCR 标准化输出 第3 步：拿数据 • 数据敏感度与出境政策 对比试点前后的效率数据 • 现有系统可否导出数据 • 团队 IT 准备度 第4 步：再扩散 试点通过后，按部门推广 --- Page 19 --- 下一步：开始 选场景 1 从团队日常工作中选 2~3 个最痛的环节 建议从「操作问答」「数据复核」「报表分析」开始 做验证 2 试点（PoC）环境 用真实数据跑一遍，PoC 期通过文件上传即可 看数据 3 对比验证前后的效率数据 · 由客户决定是否扩展 如需 ROI 测算，可在 PoC 完成时共同基于真实数据完成 试用边界：PoC 期不需改造现有系统，通过文件上传即可；规模化部署支持 API/数据库直连。 --- Page 20 --- Thank you --- Page 21 --- 附录 A:22 个 PoC 场景 × 六大业务域全景 按业务域分组呈现 · 代表性场景，完整清单以客户 PoC 实际记录为准 会计核算 2 个 资金管理 6 个 财务计划与分析 (FP&A) 4 个 凭证自动匹配 银行回单识别 单体财务分析 成本归集复核 附件逐项复核 经营数据汇总 资金报表汇总 授信材料整理 资金周报生成 预算偏差分析 结价数据整理 TMS 操作问答 税务 2 个 内控审计 4 个 共享服务中心（含出纳） 4 个 发票合规检查 合同条款比对 银行对账 税会差异标注 合规问答 流水分类 审计底稿整理 凭证信息提取 风险指标监控 收付款核销 能力类型： Excel 数据处理 文档内容比对 知识问答 深度分析 --- Page 22 --- 六大领域22个场景 扫描上方二维码 填写调查问卷 ## 三、会议回放视频转录内容 大家下午好 因为前边可能已经听了我们同事的好几场 集体的这样一个场景的分享 那其实在我开场之前 那我想做一个小的调研 看看我们在做的这些 与会的伙伴们 大家哪些是做业务应用的 或者在我们做业务应用的 大家可以举手看一下 那我们后边的话题我看 OK 还是有些是做业务应用的 那做 IT 的 或者说做开发的 做产品 诶这些角色日常的工作 好的 那我希望大家就说 到这之后看到我们这样一个 topic 大家可以期待一下我们后边 分享的具体这样一个内容 那我们主要还是聚焦在 Amazon Quick 这样一个个人的这样一个 AI 助理 如何在企业级的这样一个 财务场景当中 来帮我们完成日常的这些工作 OK 那主要是分成五部分 第一部分呢 还是从业务的业务价值链那个角度 那我们说到 AI 那我们拿 AI 来做什么 它一定是解决我的核心的业务问题 帮助我们 从解决问题以及发现问题 甚至到优化我的流程 那第二部分 我们怎么样结合我们的业务场景 打通我们的链路 把我日常的 上下游的数据的输入输出 以及再到最后我的决策联动 把它关联起来 那第三部分呢 是基于实际的一些业务场景 进行的一些尝试和验证 以及我们的一些结果的输出 那最后再看 那我们要去落地这些应用 到底如何去解决安全相关的问题 我们怎么样去落地 最后我们是什么样的一个路径 因为每一个企业 或者我们要做的事情 和我们的数据是不一样的 大概是这几部分 OK 那接下来这一部分呢 我还是有请我们博恺来继续讲一下 关于业务这一部分的内容 大家好 我是益海嘉里资金部的赵博恺 然后我和我们亚马逊云科技 我们公司也跟他们合作了有 三四个月时间 然后我们最近这些时间都在测试这些 测试这些我们的方案 还有一些方法 今天我就从业务场景 来给大家说一说这个财务方面的这些 我们遇到了问题 还有通过 AI 来进行一个解决方法 我们 大家做财务的话就知道 我们这些做基础的这些财务的同事 他们遇到了最多的问题 就是把很多时间花在了一些数据的采集 加工 核验 这些问题上 这些问题虽然是很繁重 而且也都是一些重复的内容 但是你不得不花时间去做 在我们新的 AI 时代的到来 怎么去解决这个办法 那就通过我们的 AI 给我们去加持 在 AI 的加持下去处理这些文件 然后通过 AI 加上人工确认的方法 来通过我们的 AI 的处理 然后再加上人的确认 来去解决我们的一个最基础的一个数据的整理 当然交给 AI 的这些数据也不是没有边界的 我们会让 AI 做数据处理 还有一个判断 最后也是要交给人来完成我们最终的一个决策 因为对于财务来说 这个安全性可能比刚才我们讲的 HR 要更高一些 这个东西收付款什么的 那还是比较危险 我们下面第四讲就是我们会讲几个试点 来给大家看一下 后面我将从由面到点 来逐步去拆解一下我们财务场景的一些问题 财务场景的本质就是一个数据的加工 从采集加工、核验、分析到决策的一个过程 采集端现在是用 AI 来说 对我们的现在来说 采集端是最容易用 AI 去解决的 一个是原始凭证、银行回单 还有发票合同这些东西 你可以把它交给 AI 把它传给 AI 之后 让 AI 去用 OCR 识别 然后把文字提取出来 然后再上传到我们自己的一个资金系统 然后再通过这些系统把数据汇总之后加工 加工之后 然后再通过 AI 的一个数据核验 它可以把我们的数据回单 再和我们录入系统的数据进行一些对比 对比之后 如果有差异的话也会提示出来 我现在用的最多的就是这种分析功能 分析功能的好处就是它可以形成一个非常完整的报告 而且是维度很多 它可以在尤其是你领导 在想要的一个新的问题 比如说它可能在某天看到了一个新闻 它可能想找到我们对于集团来说 比如说山东区域 北方区域或者是境外的 它会想要一个单独的区域 比如说境外的一个汇率问题 然后一个利率问题 那么如果把贴息刨掉之后 那么在北方区域 比如说北方区域它又是多少 这样的话对于我们管理层来说 它随时变化了一个需求 就可以用 AI 来完成 过去我可能需要把整个我的工作表 还有这个公式全都写一遍 才能完成领导的需求 但现在我们有了 AI 只要把这些问题交给它 它可以在15分钟半个小时之内就可以把新的报告给出来了 对于决策也就是管理层方面 当然管理层方面的决策 在 AI 来说现在也只是一个辅助的功能 但是我们这边的决策可以更快 而且更准确的提供给领导 那样的话在现在这种外汇市场波动很大的情况下 也可以给领导更多的一个决策的时间 我们现在按照业务域的维度 来讲解一下我们现在 AI 的一个使用情况 对于会计核算可能大家都是最了解的 当然对于财务来说可能大家基础的理解就是会计 会计核算有一个特点 就是它需要大量的一个凭证的识别 然后录入的一个量 工作量很大 然后它每个月末的时候也主要是 月末工作时间比较长 也就是工作时间比较集中 这样的话我们通过 AI 去做一个凭证的识别 然后报表的一个生成 这样可以把一些放在月末的事情 然后让它在平时就完成 这样对我们业务同事 会计同事的一个工作量是一个很好的 可以把它平铺起来 然后资金管理这一块 我重点就是做资金管理的 那我对这个我可以多说一点 我们资金管理的手工操作非常多 我们下面有200-300家工厂 然后他们的存款 贷款 利率 锁汇 汇率 然后很多问题各种各样的 还有一些应收 应付 这些东西 我们都需要工厂去把它录入到我们的资金系统里 然后再需要我们这边集团同事去进行核实 然后看一下他们录的是否正确 这样我们通过 AI 来说 可以解决一些手工录入的问题 还有一个复核的问题 现在还有一个问题 现在的一个问题就是我们现在风险监控是滞后的 因为你在同事把这些录进去之后 然后我们需要很久时间 比如说半个月时间 才能把这数据完全给整理出来 如果有 AI 之后 也就是现在我们通过后面的这些链路 落地之后我们就可以及时的去整理这些东西 后面的一些业务域 就是财务计划 税务 内控的审计 共享的服务中心 其实这些都是差不多的逻辑 就是把基础的数据交给 AI 然后 AI 去汇总分析 然后直到出具报告 这对我们后面的一些管理层的 还有我们这些中层的 也是会去简化我们的工作 可以让我们的效率更高 我后面再从时间的维度来给大家讲解一下 我们时间的话 最优先解决的就是每天的工作量 每天工作量肯定是都要做的 每天的银行回单 这是非常繁琐的 每个工厂 每个资金同事都要逐条录入系统 然后通过 现在我们可以通过 AI 去识别 成为一个标准的 比如说 Excel 文件 一键导入系统 然后就可以完成一个上传 你只要把银行的回单拍照 或者扫描 或者是直接就是电子版的 或者是通过邮件直接交给系统 这样就可以形成一个标准的文件 导入系统就可以了 后面还有一个工作量就是 附件的复核 既然是我们把这些业务回单拿到手了 也录入系统了 后面肯定会有审计的一个过程 对于审计的要求 我们就需要去人工 现在是人工去对比 现在是抽查 或者是对于重点的业务进行一个逐项的去对比 这个工作交给 AI 也是非常好的 你只要把系统里面的报表导出来 然后把你的这些附件 对应的附件放进去 它就可以进行一个核对 这样的话会列出一份差异清单 但现在用下来 这个差异清单 当然也不是完全准的 但是可以减少我们很多的工作量 每周的话 我们这边也是需要一个数据的汇总 我们的管理层主要是看每周的一个工作报告 每周的数据 现在我们需要手工做 每天在周一的时候 大概肯定需要一天的时间 有的时候数据量变化多的话 可能需要到周二才能完成 这样的话一周也就五天时间 你就数据浪费了两天时间 这样对管理层来说 肯定也是有延迟的 在现在 AI 的话 这是我最喜欢用的一个功能 基本上把这些数据交给它 从我们资金系统里导出来的 甚至是不需要去手工处理什么 你只要告诉它 你想要什么数据 比如说想要6月份的利率 想要贴息的利息 利率是多少 或者是贴息前的贴息后的 包括境外的 不包括境外的 都可以给你一个很快的一个答案 后面还有一个每月的一个报告 银行的对账 还有一个跨系统的数据的复核 我们集团是有一个资金系统 还有一个单独的会计系统 SAP 系统 这边两边的数据 因为资金口径跟会计口径 就天然的就不一样 领导会经常问 资金上你的收益是多少 然后你的会计收益又是另一个数 这是为什么呢 然后我们就经常会需要把这些数据进行核对 尤其是对于一些在一些核对 核对不上的时候 也需要去系统 就仔细的去找一些明细数据才行 之前的人工核对是非常复杂的 你一个人去干的话 可能得只要一周时间 才能 如果有问题的话 平时可能没事 如果有问题的话 可能说一周时间才能给对比出来 那这些东西交给 AI 之后就 就方便很多 它会先给你一个很好的思路 然后他把资金的数据和会计的数据 传给他 然后他可以输出一个差异清单来 你可以对着这个差异清单去找 当然他这个也不是说完全 现在还做不到完全准 可以根据差异清单来定向去排除 到底是哪里的问题 后面就是一个按年度按季度的一个 一个场景了 我们和银行沟通的时候需要签合同 就是资金方面的合同 包括贷款存款 还有一个衍生品这些合同 合同我们比较注意一些风险 比如说交叉违约 或者是制裁方面的风险 我们法务来说 这些风险都是不接受的 一定要删除或者是进行修改 那这些 这些现在 这些合同都是人工来完成的 由工厂同事先看一遍 然后再交给我们集团再去看一遍 然后再去跟银行谈 也是非常复杂 而且每个银行 他的条款也都不一样 甚至是每个分行 他们接受的条件也不一样 所以人工做起来就比较麻烦 交给 AI 之后 你可以把你的需求 写给 AI 当然这边这个需求也是一个比较 复杂的事情 但是这个需求你一旦写好 那么交给 AI 之后 他可以把你这个合同 哪里有风险 哪里有风险点都可以给你列出来 这也是比较方便的 帮助我们工厂的同事 去直接跟银行去谈 尤其是银行有的时候会问一些 政策方面的问题 比如说他说 根据什么哪个文件 说这个东西他不能改 然后我们的工厂同事 就可以去问一下 AI 是不是有这个文件 是不是这个文件就指的是这一条 是不是就不能改 这的话拿过来去回复银行是非常合适的 有的时候确实银行会引申 就把这个文件给引申出来 把它扩大化 实际上那个文件没有写这么多 但是银行解释就会扩大解释 所以说通过 AI 去分析 就可以回复银行 我们要求这么改是合适的 是和文件的意思保持一致的 还有一个重要的 就是一个授信报告的分析 银行对我们给我们集团授信 它肯定会对我们做调查 我们这边需要把我们集团的情况 每家工厂甚至是具体到 某些工厂的情况 汇报给银行 如果是我们现在每个工厂的财务报告 对我们同事来说也是比较累的 我们可以通过 AI 把这些报告都发给他 然后再告诉他一定的规则 然后让他来帮我们处理银行的问题 银行的问题问过来之后 我们就通过这个 agent 去找到对应的点 然后回复给银行 这样的话帮助我们授信组的同事 能快速地获取银行的信任 然后给他一个客观的答案获取授信 现在我们讲一下 我刚才讲的从时间维度 从业务维度 听起来是不是有点复杂 其实也没有复杂 我们只需要通过这四条链路 就可以去把我们 AI 去落地 去解决我们的场景的问题 这个链路 A 就是解决日常 这些工作量最大的问题 就是需要每天去做的 比如银行回单 图片 这些 PDF 然后这里的每一个环节输出 会自动成为下一个环节的输入 这个链路越完整 对于我们来说价值就越大 我们通过链路 A 把银行回单 和一些很深的一些申请单 然后交给 AI AI 会自动去识别 然后生成标准的 Excel 导入系统 审核复核 一个差异清单 这是我们希望构建的链条 也是现在测试的 一部分也测试成功的东西 然后链路 B 就是一个分析报告的链路 这个是管理层直接受益的 也是我们可以给管理层直接呈现的东西 也是一个最重要的 对我们来说 这个会从系统里面 把一些整理好的数据直接拿出来 通过 AI 的分析汇报 生成月报周报 然后交给管理层去决策 链路 C 就是关于到我们资金跟会计之间的一个 一个关联了 然后像银行流水 企业账户这些 可以让 AI 去处理 让它去帮我们去生成数据 提取报告 然后最后交给我们审计 或者授信来告诉我们 我们究竟在干什么 然后和会计那边去进行印证 链路 D 就是一个合规与审核 这些就是风控相关的 这个可以持续的审核我们的合同 还有政策方面是否持续合规 比如说我们有一个新的会计政策 或者是一个外汇政策下来 我们可以交给 AI 去分析 然后结合我们整体的数据库 有没有触发这些政策的风险 今天我们就再更细一步 具体的就先讲一下链路 A 和链路 B 链路 A 就是每天的发生量最大 也是见效最快的 也是可以减少我们工作量的链路 然后还有一个就是链路 B 也就是我刚才说的管理层直接受益的 也让管理层直接看到的 现在的链路 A 的痛点就是 我们现在的资金系统 每一条都需要手工录入 而且非常麻烦 这倒不是说资金系统本身有问题 而是我们资金业务确实很复杂 要让每个工厂的同事 尤其是新同事去查询 并没有那么快 也没有那么简单 但现在交给 AI 之后 可以把你的报告交给 AI 或者是一些文字录入 直接的文字描述给 AI 然后 AI 就可以帮你去把 Excel 给列出来 后面后续的人工复核 也会简单一些 我们的审批流再去复核的时候 比如说一些常见的一些错误 比如说应该填这个 不应该填那个的东西 也可以让 AI 去提前的帮你去排除 然后排除这种人工出错 避免就是月末结账的时候 跟会计一对 对不上 然后造成一个月末集中的 一个爆雷的情况 AI 介入 当然这个最后还是要人工来 判断一个合理性 但这个对人工工作量来说 就会少很多了 这个关键环节就在一个回单的识别 还有一个导入系统 还有一个附件的复核 回单识别这块需要去调教一下 Agent 这个确实是比较花时间的一个东西 但是在调整之后 我们也看到 对于一些我们现在调整的一些银行 对具体银行来说 这个回单已经非常完美了 就是它能把这些银行上的 比如说银票之类的 给信息给完整的录下来 然后再上传到系统里 链路 B 是分析报告链 现在我们之前基本上全都是用 Excel 的 然后拿来的数据有这个系统的 那个系统甚至是邮件的 格式也不统一 耗时就需要一到两天时间 而且维度有限 因为我们都是用公式 或者是 VBA、Python 做的 基本上是调整起来也算麻烦的 管理层需要的话 决策就比较滞后了 我们需要一些时间去做 尤其是管理层临时需要一个新的数据 新的维度 我们就需要调整表格、调整公式 在上了 AI 之后 这个是我现在最喜欢的东西 它管理层来找我 我可以很快的去问 AI 去马上的把新的维度列出来 甚至说我可以直接把这个东西 交给管理层 管理层可以先去里边 查一下它感兴趣的情况 后面我们就讲一下 我现在具体的一个场景 和试点的一个场景 我们现在做的第一点 就是我们刚才一直在提的 一个银行回单的一个识别 通过图片 PDF 交给 AI 然后再通过人工确认 就可以把银行的回单 像是收款单、付款单 或者是银票 或者是一个流水 然后可以识别下来 然后就可以上传给我们的系统 这个是免除了我们一个录入的一个 免除了我们一个录入的一个麻烦 然后后面有个资金的情况的汇总表 通过多元的数据 然后通过 AI 汇总 然后就可以生成一个 比如说我们每天的一个存款表 外汇敞口有多少 这样的话也可以减少我们的工作时间 还有一个就是资金周报 比如说我们的贷款周报 存款周报 就是我们现在的存款的余额 贷款的余额这些 然后整体的利率情况 都可以通过 AI 来生成 然后生成一个定稿 这个做起来也是很厉害的 就是我们把之前的一些报表 样表给到 AI 基本上 能生成一个新的报表 跟原来的格式也是差不多的 然后正确率 我们现在看起来基本上是可用的 然后就是一个附件的逐项复核 我们在 TMS 系统是要求我们同事 把相关的回单的附件放进去的 那么附件和同事录入的内容是否一致 这个是我们内审 审计都是要求我们去检查的 我们通过 AI 就去把整体的表格下载下来 再把附件给到 AI 让 AI 去核对 这样的话会减少我们很多的工作量 我们就不需要再去点开一个附件 看一下 然后再去系统里面看一下 它录的对不对 金额对不对 那真的是很消耗工作量 用 AI 来说就会简单很多 然后对于我们还有一个结价数据整理的东西 对于我们资金来说 我们看的要比会计要宽很多 我们要从签合同之前就开始关注这笔贸易流 从结价确定价格 尤其是进口方面确定利率 确定它的一个基差 我们从那时候开始就需要去关注这批合同 然后让它给它一个正式的定价 这个的话因为这个变动很大 所以说我们之前是完全是人工的 但我们现在可以把他接入到我们的 Amazon Quick 里 让他去读来往的这些合同 邮件数据 然后让他自动去生成报表 对于我们后续的这些金融市场部的同事来说 也会方便很多 否则的话 金融市场部同事可能半天都在 花在整理邮件的过程中 因为我们的条线很多 然后来进口出口 数据量也很大 后面就是我们比较简单的一个 TMS 操作问答 资金系统操作问答的问题 我们资金系统前面也说了 也比较复杂 尤其是工厂的新同事 他不能一下子掌握 但通过我们的 AI agent 然后让他去把我们的数据 就是像操作手册 我们本身的 IT 给我们的 QA 就是问答交给我们的 AI 然后让他去做出及时的回答 交给我们同事 怎么去操作资金系统 这个对我们来说 现在的帮助也是比较大的 就不需要同事到处去问了 AI 就可以基本上解决这个问题 后面我们就看一个最具体的 怎么去上传数据 让 AI 去分析 生成报告 这个是可以说是一个简单的东西 我们可以看一下 在边播边看 当然这些数据都是经过处理的 不是真实的数据 你看一下 对于我们资金来说 数据量是非常大的 像是一些存款数据 贷款数据 还有一些账户的信息 可能我们的一个报表都需要几万条 甚至十万条 十几万条的一个数据量 我们把这些数据直接就是 传给系统 传给 AI 传给 agent 然后给他一些提示词 然后他就可以把你对应的一些情况 给列出来 现在是一个整个的汇总 他会给出你 你最近比如说这一周 你的亮点在哪里 你的风险点在哪里 可以通过这个周报来看出 我们资金的一个变动情况 我们的一个收 这里是展示我们的一个收付的情况 然后本周的一个预测 投资的组合 然后后面的 还有环比同比的一个分析 还有一些 AI 给我们的一个管理的建议 直接给到我们管理层的建议 比如他还会说到我们哪家公司 哪家公司有问题 或者哪一个区域有问题 而这边会给出一个图表的报告 方便我们管理层更直观的来看出来 这个整个报告 你看他基本上就用一个半个小时时间 就可以完成 相比我们自己去做 要节省很多很多时间 对于管理层来说也是更清晰更明确 这个后面也可以把它打印出来 打印出来直接交给管理层去看 也是可以的 可能有一些 领导他不太喜欢看这些东西 就是在电脑上看 把它打印成纸质的 你看纸质报告也是非常漂亮的 谢谢大家 今天的分享就到这里