建筑行业项目具有多而分散、地域广、银行账户数量多、资金受外部监管等特点,可使用银(财)企直联方式进行资金结算的业务占比不高,相当部分的资金支付仍需人工通过网银完成。为有效解决结算效率低、人力投入大、舞弊风险高等管理难题,中铁十二局集团有限公司财务共享中心以资金管控数字化转型为切入口,在传统财务共享模式的基础上,将 "RPA+Al+NLP"的财务数字化技术应用在资金结算管理中,自主研发了中国铁建第一个全部由财务机器人组成的“数字员工办公室”(以下简称系统),经第三方专业机构安全评估后,于2022年5月正式投用,成为中国铁建首个无人化办公室。目前集团在用银行账户 3000多个,涉及开户银行57家,除工农中建交等大型银行外,还有多家小型银行,分布在全国各地;且因施工地点因素,大部分开户银行位居偏远地区。
图:数字员工运行监控系统
系统基于“RPA+Al+NLP”技术进行代码编写,设计开发“数字员工”,自动操作财务软件,处理标准化会计业务。“双管齐下“彻底解决资金集中管控的难题,最终构建以“安全、高效”为核心的“四全“财务结算体系。
系统主要包含三大业务:
其一,常规付款业务。“数字员工”根据资金系统单据信息自动登录企业网银,按照设定的资金划线,执行付款申请单据的信息录入,生成资金支付申请单;同时,嵌入智能算法,按照预先设定的支付规则,计算最优组合,安排付款优先级;支付指令发出后,“数字员工”可通过连接各个银行的操作系统自动查询并反馈支付结果。
其二,代发工资业务。用户将按照既定模板制作的代发工资信息上传至客户端程序,由 “数字员工”对数据中的账号、户名、金额等信息的合规性进行校验。若不匹配,则退回至提单人处修改,减轻了财务人员信息核对、退款重复等工作负担,且整个过程无需落地,便捷高效的同时防范操作风险。
其三,银(财)企直联业务。通过“数字员工”将数据校验过程前置,提高了工作效率,确保了财务系统与银行综合业务系统账户信息的一致性。
系统主要构建四大能力:
其一,高效服务,降本增效:集团全年资金结算业务量高达56万笔,日均单量近2300笔,“数字员工办公室”的投用使业务处理效率提升10倍以上,资金结算业务可替代80%的人工,数据处理准确率达100%。同时,可实现7*24小时不间断高效作业,起到了提高效率、节省人力、节约成本的作用。
其二,操作可视,防范风险:“数字员工”严格按照预先设置的标准流程操作,从根本上杜绝了资金舞弊风险隐患;作业操作能够通过监控器进行追踪,实现随时调阅操作轨迹,流程可视、可控、可跟踪,防范人为舞弊;通过网银盾集中管控,实现严格的分级分岗物理隔离,保证不相容岗位分离,保障资金结算安全。
其三,创新优化,促进转型:作为集团数字化、智能化转型过程中的重要角色,“数字员工”办公室”的投用,优化了人员配置,促进财务转型,充分发挥财务职能、深入管理。财务人员工作积极性得到有效调动,现有财务人员将转向管理会计和业财融合会计,从事更高附加值工作,创造更大价值。
其四,智能驱动,品质发展:以“数字员工”作为集团数字化、智能化转型的重要抓手,驱动财务端、业务端、技术端、服务端进行多维度智能化升级,为集团高质量发展提供解决思路、技术积累和人才储备。未来将进一步加快促进“数字员工”与业务端管理的融合,继续挖掘“数字员工”服务潜能,为集团管理信息化、数字化及风险管控智能化发展提供强有力支撑,为集团高质量发展赋能助力。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。