报销从 5 天到 1 天，三单匹配少 89% 人工：企业智能体的账，终于有人算清了

10 月 23 日，2026 全球创见者大会在北京举行，全国 60 余个城市设了分会场。台上的主角不是模型参数，而是三样很朴素的东西：一个给管理者的入口、一套让智能体读懂企业的上下文、一批能真正操作 ERP 的连接器。

金蝶集团董事会主席兼 CEO 徐少春在会上讲了一句话，被多家媒体引用：「技术可以购买，算力可以租赁，模型可以调用，唯有认知，必须自己穿越。」这句话不是修辞，它点出了当前企业 AI 项目最常见的失败方式——钱花了，工具装了，流程没改，最后只剩一个演示视频。

他给的七个认知转变里，有三条对做业务的人最有参考价值：不要用 AI 优化旧流程，而要用 AI 消灭旧流程；不是围绕权力配置组织，而是围绕能力配置组织；一把手不能只做支持者，更要做首席实践官。

这三条指向同一个判断：智能体项目的成败，取决于流程被改到什么程度，而不是模型被调得多聪明。一个审批要过五道签字，智能体再快也只能陪着排队。

所以这场发布会真正值得看的，不是它发布了什么，而是它敢把「报销 5 天变 1 天」「三单匹配人工降 89%」这样的结果摆到台面上。这是可核算的口径，不是体验描述。

艾瑞咨询的研报给了一个不太好听但很有用的数字：国内 67.3% 的大中型企业 AI 智能体项目，仍处于探索试验阶段。大量应用停在文档总结、问答查询这类浅层场景，进不了财务、供应链、经营决策的核心流程。

这个比例和「采纳率高」并不矛盾。买账号、做培训、办比赛，这些都算采纳；但把一件事真正交给智能体去办，并且敢让它直接产生业务结果，是另一回事。

卡点通常有三个，而且都不在模型侧。

第一，数据不在系统里。审批意见写在线下纸条上、供应商资质存在业务员手机里、历史返工原因靠老员工记忆。智能体拿不到这些，只能给通用答案。

第二，判断标准没写下来。「这张发票能不能报」在人脑里是一条模糊的经验，在系统里必须是几条明确的规则。写不下来，就自动化不了。

第三，干完没留痕。智能体做了一百件事，只有结果没有过程，出了错无法复盘，也就没人敢把更重要的活交给它。

这三件事都不是技术问题，是管理问题。这也解释了为什么发布会要把「企业上下文」单独拿出来讲——它解决的是第一条，把散落的信息变成 AI 能读、能追溯的资产。

截至 10 月 23 日，灵基付费用户 3706 家。这是整场发布会里最容易被误读的一个数字。

先说要谨慎的地方。付费用户不等于全员上线，更不等于跑在核心流程上。一家企业买了 50 个账号，实际每天用的可能只有 5 个人。行业里公开的「服务客户数」通常比「付费用户数」大一个量级，原因就在这里。

再说它确实说明了什么。第一，这是付费口径，不是注册口径，意味着有人真的为它批了预算；第二，3706 是一个能撑起服务体系的规模，说明产品已经过了「只有标杆客户能用」的阶段；第三，它给出了一个可比参照——国内做企业智能体操作系统的厂商里，愿意公开付费数的并不多。

更值得对照的是另一组数字：中车、长安汽车、光大集团、华住等企业已启动相关项目建设，覆盖央企信创、穿透式监管、集团业财一体化等复杂场景。这些项目的共同点是系统多、口径乱、权限复杂，正好是「企业上下文」要解决的问题。

把两组数字放在一起看，能得出一个相对稳妥的判断：企业智能体已经从「要不要做」进入「怎么算得清」的阶段。而算得清的前提，是先把一条流程的账算清。

马来西亚振兴集团是个合适的样本。它拥有 6 家上市公司，横跨四大行业，原有四十余套异构系统，3000 名员工全员上线。改造之后，费用报销周期从 5 天压缩到 1 天，三单匹配环节的人工工作量下降 89%。

这三个数字要拆开看。报销 5 天，通常不是审批人慢，而是卡在三处：单据不合规被退回重填、跨系统核对采购单与入库单、审批人出差找不到人签字。前两处是规则问题，第三处是流程问题。

三单匹配（采购单、入库单、发票）是财务最典型的重复劳动。一张单子要核三份凭证的金额、数量、供应商、日期，任何一项对不上就要退回。这类工作规则明确、样本充足、结果可验证，正是智能体最容易做出效果的场景。

人工量降 89% 不等于人少了 89%。更常见的情况是：原来三个人整天核单，现在三个人里有一个专门处理异常单，另外两个转去做分析和供应商管理。这个区别很重要——如果项目目标是裁员，绝大多数一线员工会本能地抵触，数据也会被做假。

但必须提醒：这是单一客户案例，前提是四十余套系统已经打通、主数据已经统一。同样的智能体放到一家系统各自为政的企业里，第一步就会卡在「这张单子在哪个系统里」。

也就是说，报销提速的真正功臣不是模型，是前面那步系统统一。模型只是把最后一段「人对人核」变成了「机器对机器核」。

第二个样本是新能源服务商阳光智维。它围绕投标编制、票据审核、合同处理搭了 9 个智能体，标书编制周期从 6 天缩到 1.5 天，年处理 5 万余张票据、3000 余份合同，场景开发效率提升 70% 以上。

标书为什么先被攻下？因为它的结构极度稳定：资质文件、业绩清单、技术方案、报价表，每一份招标文件都要求类似的东西。企业手里又有大量历史标书，等于现成的训练与检索素材。

这类任务的价值不在「写得快」，在「不漏项」。一份三百页的标书，少一个资质附件就是废标。人工检查靠清单，清单靠人维护，人一忙就漏。智能体做这件事的优势是每次都从头核一遍，不会因为赶时间而跳步。

票据与合同同理。票据审核是典型的规则判断：抬头、税号、金额、日期、章。合同处理是典型的条款抽取：主体、金额、付款节点、违约条款。两者都有明确的验收标准，也都能留下可核对的记录。

反过来看，那些没有历史样本、没有稳定模板、没有明确验收标准的场景，落地会慢很多。这不是模型不行，是没法判断它做得对不对。

所以选第一个场景的方法很朴素：找一个「有模板、有历史文件、错了能立刻发现」的流程。它不一定最有价值，但一定最容易跑通，而跑通这件事本身就是最重要的资产。

这次发布里技术含量最高、也最不性感的部分，是 ERP 连接器：首批 70 个连接器、1127 个 Tool，覆盖金蝶 AI 套件、星瀚、星空、星辰与 AI HR 全系业务能力。

为什么说它是门槛？因为「能查数据」和「能执行业务」是两件事。查数据只要一个只读接口；执行业务要考虑权限、幂等、并发、回滚、审批链、科目对照。一个「提交付款申请」的 Tool，背后可能是七八张表的状态流转。

更麻烦的是口径。同一个「客户」，销售系统里叫客户编号，财务系统里叫往来单位编码，生产系统里叫收货方。智能体不懂这些，它只会照着字段名猜，猜错一次就是一张错单。

这也是「企业上下文」存在的理由：把 ERP、知识库、记忆、生态 MCP 与外部数据统一接入，沉淀成可理解、可追溯的资产。说白了，就是先把「我们公司里这些词到底指什么」讲清楚，再让智能体开始干活。

但 Tool 越多，权限风险越大。1127 个 Tool 摆在面前，如果按「全开」的方式接给智能体，等于给它一把万能钥匙。合理的做法是按角色收窄：报销助理只能碰报销相关的十几个 Tool，采购助理只能碰采购相关的，跨界的必须转人工。

这一条对自建的企业同样成立。与其一开始接二十个系统，不如先把一个系统的五个动作接稳，把权限、幂等、留痕做扎实，再往外扩。

会上发布的另一个东西容易被忽略：Lingee Bench，国内首个面向企业管理场景的 Agent 评测基准，分通用办公、财务、供应链、制造 4 套评测集，共 1400 余道业务题，同时发了一份白皮书。

通用榜单测不出企业最关心的东西。MMLU 考的是知识，SWE-bench 考的是改代码，Terminal-Bench 考的是终端操作。但企业想知道的是：这个智能体能不能在我们公司的 ERP 里把一张报销单从提交推到付款，中间不出错、留下记录。

所以这类基准的设计难点不在出题，在造环境：得有真实的系统、真实的权限、真实的脏数据。题目好写，环境难造，这也是为什么企业级基准一直比通用基准少。

对使用者来说，这类基准最大的价值不是排名，是给了一个拆解任务的模板。四套评测集等于四条业务线的任务清单，企业可以照着把自己的流程也拆成「可判定的小任务」。

自建评测集其实不难，难在坚持。做法是：从最近 30 个真实任务里抽一批，固定输入与期望输出，每次换模型或改提示都跑一遍，记录完成率、返工率、留痕完整度。三个指标都稳住，才谈得上扩大范围。

要提醒的是，厂商发布的基准天然带立场。它适合用来对齐「什么叫把活干完」，不适合用来证明「谁更强」。真要比，还是得用自己的任务跑。

灵基这类平台的客户是集团企业，中小企业照搬不了。但方法可以缩小规模复用，四个动作最实际。

第一，选一条单据密集、规则明确、有历史数据的流程。报销、采购申请、合同用印、门店巡检，都符合这个特征。别选「战略规划」「市场洞察」这种听起来高级但没法验收的。

第二，把判断标准写成检查表。不是写制度文件，是写一张能逐条打勾的表：发票抬头是否与合同主体一致、金额是否超过预算科目余额、附件是否包含验收单。这张表既是给智能体的指令，也是给新人的培训材料。

第三，留痕优先于自动化。哪怕第一步只是让智能体给建议、人来点确认，也要把「它建议了什么、人改了什么」记下来。三个月后，这份记录就是最好的优化依据——你会发现人改的那部分，正是规则没写清的地方。

第四，别一次性买全家桶。先做一条流程，跑三个月，算出人工时长、返工次数、异常率的实际变化，再决定第二条做什么。一次性铺开五个场景的项目，通常活不过半年。

最后补一条：先统一主数据。这条听起来最枯燥，却决定了后面所有事。同一家供应商在三个系统里有三个名字，任何智能体都救不了。