4 月 25 日，以“AI 拼才会盈”为主题的 2025 合思春季产品发布会在杭州正式召开，大会现场数百位企业 CEO、CFO、CIO 与主流媒体共同参会。大会现场，合思首席产品架构师佟佩泽发表主题演讲。
在佟佩泽看来，人们在 AI 是否能够适应更复杂的工作场景存在三个担忧：易出错、难落地、高成本。合思通过“可信数据源 + 任务编排”解决 AI 的幻觉问题；通过工作流将 AI 能力与现有产品深度融合，解决 AI 落地难题；通过自研的模型调度算法，进一步降低 AI 在企业的应用成本，解决 AI 费用高等难题。决定 AI 应用效果的，并非 AI 本身，而是使用 AI 的人。产品发布现场采用工坊形式，让参与者亲身体验 AI 在无需报销、收支管理、电子会计档案三个产品中的应用场景。
以下为佟佩泽现场演讲实录（有精简）
01
AI 的三种递进使用方式
正式发布新产品前，我想先做个调查：在座的嘉宾中，用过 AI 的人请举手。看来很多朋友已经使用过 AI，我猜大多数人用的是 ——Deepseek 或同类生成式对话产品。我们印象中 AI 最常见的用法：一个聊天框，你问它答。除了“服务器繁忙”的时候，大多时间，我们都觉得 AI 助手很好用。这里有一组数据：Deepseek 以及其同类产品月活约 9900 万人，占中国互联网人口约 9%，且渗透率还在不断提升。
然而，AI 工具的用法远不止于此。例如，合思的产品经理们在搭建 AI 功能 demo 时，通过一个工作流，把 AI 作为流程的一个环节来使用。在活跃用户口径上，大约只有 0.7% 的人用过这种 AI；还有一种使用场景，我们给 AI 一个买东西的指令，它会规划步骤，然后像人一样打开浏览器、访问购物网站、查询商品、加入购物车，直至等你付款。这种通过一个任务目标智能规划并执行的 AI，大约只有 0.2% 的人用过。
如果将这三种 AI 使用方式划分代际：第一代以对话形式使用，通过对话的方式与 AI 交流获得答案，我们称之为对话增强型；第二代被放入流程作为节点使用，我们称之为流程嵌入型，例如我们已经可以让 AI 做一些确定性的工作，例如将海外小票里的金额找出来，与单据上的信息做比对；第三代属于给个任务就干活，我们称之为自主规划型，让 AI 是根据用户的目标诉求，不断探索尝试，如果失败它会想其他办法来解决 —— 例如未找到发票票面金额，AI 会调用图片检查工具，看发票是否拍得太模糊，如果是，它会发消息让用户提供一张更清晰的发票。
目前这三类 AI 的使用渗透率如图所示，每个原点代表一个人，这里有 1000 个原点，代表 1000 个人。其中蓝色为用过对话增强型，绿色是用过流程潜入型，红色是自主规划型。其中红色区域代表 1000 个人里只有 2 个人用过。因此，我们不难发现：你用的可能是满血 Deepseek，但一定不是满血 AI。
到了效率和可靠性要求更高、逻辑更复杂的工作场景，例如财务管理场景，满血 AI 好用吗？经过一年的走访，我们总结了大家的三个担心：担心 AI 出错、担心难落地、担心成本。
02
“可信数据源 + 任务编排”解决 AI 的幻觉
AI 会不会出错？会，但人更会犯错。大模型确实会出现幻觉，例如爱因斯坦是因为相对论获得了诺贝尔奖。根据 Vectara 的报告，Deepseek 的三个模型，智能程度越高反而幻觉率越高。更有意思的是根据 Claude 团队的一项研究，AI 会为了讨好人类而撒谎。例如研究者让 AI 做一个余弦计算，并给了个答案 4，问答案是否正确。而 AI 编了个假想过程，甚至刻意向前推算了几步，让这个过程更可信，但实际上 AI 并未进行任何计算。
如何解决幻觉问题？合思做了两件事情。一是给 AI 提供更高质量的可信数据。例如在行程规划时，如果让 AI 去互联网上搜索，它很容易被信息误导。比如让 AI 规划了一个去上海的行程，回程车次是 G7588，但是实际上这趟车是杭州到上海。导致错误的原因是 ——AI 找到的那篇网页是上海与杭州之间的所有高铁的列表，但没有标明方向。因此，我们将合思商旅的数据开放出来，让 AI 只能去合思商旅调取可控可靠的机酒火信息，进而避免因为信息失真导致的错误。
二是任务编排。合思并不直接使用大模型，而是在一个编排好的流程里使用。如此一来，一方面可以把问题拆小，让大模型聚焦解决某一具体问题；另一方面也可以在流程中增加检查逻辑，对大模型输出结果进行验证。例如在大模型进行行程编排时，用一个小模型对行程关键信息进行提取，用于行程闭环检查，验证大模型设计的行程是否符合用户差旅意图。
通过这一系列保障手段，合思将 AI 的幻觉压制到了一个较低水平 —— 甚至比人的出错率还低。以 AI 审批为例，合思的 AI 审核准确率比人工高出 8%。
03
AI 与系统融合破解落地难
从技术上克服了幻觉，AI 看起来可用，但落地难，尤其难在与企业现有系统的结合。AI 教父杨立昆曾表示：“通常人工智能会失败的地方，不是在基础技术上，不是在那些花哨的演示上，而是在你真正需要部署它、应用它，并且让它足够可靠，能和现有系统整合的时候，这时候就会变得非常困难、非常昂贵，而且比预期要花更多时间。”
以 AI 填单为例，看上去只需要把发票跟描述给到 AI，它就就能创建一张单据。但实际上，这里不仅有对大模型的应用，还有很多与合思费控的交互。例如在上传发票后，先通过合思发票模块的能力做 OCR 与验真查重，然后再通过大模型匹配合适的费用类型。这就需要使用 AI 的系统具备极高的 AI 友好性，即让 AI 能够轻松方便地调用系统中的各项能力。为此，合思专门设计了一款 AI 友好工具网关，基于 MCP 行业协议将合思系统的一系列能力开放给 AI 使用，而这也是合思在落地 AI 过程中最耗费研发资源的事情之一。
AI 与系统的整合为何如此重要？当我们使用 Deepseek 时，它原本是一位得力的助理，可以帮我们打电话、约日程、提单据、订机票等。但是现在我们只能与它对话，将它当做聊天机器人用。这就好比企业招聘了一位聪明的员工，但是我们不让他进入办公室，也不让他访问任何企业办公系统，导致了它能贡献的产出非常有限。
如果将 AI 智能体的三个代际比作企业中的员工，第一代对话增强型是一位聪明的助理；第二代流程嵌入型是一位资深骨干，可以在业务流程中的一个确定的岗位角色上发光发热；第三代自主规划型，则像一个靠谱的团队。只需要给它 OKR，它就就能帮你实现。其中，流程嵌入型的技术已经趋于成熟，将是接下来一段时间企业 AI 应用的主流方式。自主规划型看起来很美好，但是受限于模型智能水平，现在除了编程领域，可靠的应用还比较少，仍处于萌芽阶段。
因此，合思的选择不言而喻，通过工作流将 AI 的能力与现有产品相结合，在流程里使用 AI，可以进一步提升 AI 的可靠性。同时，AI 又可以借助于工作流调用合思系统中的各项能力，真正与系统深度融合起来。
04
合思模型调度算法，显著降低 AI 成本
克服 AI 幻觉、解决 AI 与企业系统整合，就剩下最后一个担心 ——AI 是不是很贵？坦率而言，今天的大模型价格从绝对值上看并不便宜。但是在很多场景中，AI 的成本已经比人工便宜，且随着大模型技术的发展，AI 正变得越来越便宜。
以海外票据的识别与解析为例，2023 年为了达到 90% 以上的准确率，合思构建了非常复杂的智能体工作流，识别一张发票的成本高达 20 元；而如今，每识别一张海外票据的成本可以压缩到 0.6 元，每录入一张海外票据的人工成本约为 2.4 元。因此，从成本效率视角看，AI 已经能够替代人类完成枯燥且重复的工作。
同时，合思在 AI 基建过程中采用“模型调度算法”，根据要执行的任务选择更契合的大模型。比如有些模型擅长推理，但工具调用能力较弱。合思的 AI 会选择先让该模型做规划，再让擅长调用的模型根据规划落地执行；此外，在完成基础任务时，也将自动选用参数量与成本更低的经济实用型模型。如此一来，在执行任务成功率更高、重试次数更少的基础上，合思进一步降低了 AI 在企业中的应用成本。
整体回顾合思与 AI 的结合，通过多模型调度策略，集百家之长，通过提供可信数据，以及在任务编排中使用大模型，最大程度规避了幻觉问题，让 AI 真正做到企业级可靠；同时为 AI 提供了一系列工具，让它的能力能够与企业业务结合，并在此基础上，构建了一系列原子化的能力，用于构建对话型智能体与流程嵌入型智能体，最终服务于多个财务场景。
尽管现在的 AI 距离理想中的阿拉丁神灯仍有很大提升空间，但 AI 在很多企业应用场景里的可靠性和 ROI 评判角度都已非常成熟。在这些技术成熟的场景下，决定 AI 应用效果的，并非 AI 本身，而是使用 AI 的人。合思发布的三大解决方案：无需报销 + AI、收支管理 + AI、电子会计档案 + AI，将帮助企业凭借数智化工具挖出更多净利润。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。