前言

企业AI项目成功落地的两大关键：做正确的事与正确地做事。

当前AI技术应用呈现两极分化态势：少数头部企业已进入深度探索阶段，而超70%的大中型企业仍处于战略观望期。

以财务领域为例，AI转型已从可选方案升级为生存必需，但多数管理者仍面临"三不"困境：看不清实施路径、摸不准能力边界、算不透投入产出。

本文以财务行业为切入点，构建普适性AI落地评估框架，帮助管理者把握整体原则，先确保做正确的事。

企业AI落地三要素

抛开流程制度、人力资源等管理因素不谈，企业AI应用场景落地的技术可行性评估可以从三大核心要素：模型、数据、应用展开，这三个维度决定了AI项目的成熟度与预期效果。

模型：AI的核心引擎

模型作为AI系统的"大脑"，其性能直接影响最终效果。企业通常不具备通用大模型的研发能力，主要依赖两种路径：直接调用第三方成熟模型，或基于开源模型进行领域微调。这一维度企业自主空间有限，需重点关注模型选型与适配性优化。

数据：决定AI效能的基础要素

数据是AI的"燃料"，高质量数据才能产出可靠结果。数据治理需要长期投入，涉及成本、时间双重维度，且过程中必然伴随业务改造的阵痛。企业需建立持续的数据资产化机制——这是当前AI落地的最大瓶颈，也是未来数字化竞争力的关键分水岭。

应用：场景价值的实现载体

应用层建设需融合行业最佳实践与企业个性化需求，考验工程化落地能力。虽然短期内各企业应用水平差异较小，但随着技术发展，工程效能将逐步成为差异化因素。

趋势判断

现阶段企业AI能力差异主要源于应用工程能力（20%权重）

中长期来看，数据质量（80%权重）的差距将逐渐显现

模型维度更多体现为选型策略，而非核心竞争力构建

这一框架揭示了企业AI落地的关键矛盾：在有限资源空间下，短期效果取决于应用层面建设，而数据治理的深度决定长期成效。企业应优先夯实数据基础，同步培育AI工程化能力，了解行业动态。

AI企业应用成熟度分析：现状与展望

当前瓶颈：模型能力是当前主要短板，制约AI落地价值

核心短板表现为辅助性提效而非质变突破：以典型场景为例，传统2人5天完成70分质量的工作，AI辅助后可压缩至3天且质量微升至75分，但难以实现90分级的跨越式提升。

现阶段定位应为"效率增强工具"，尚未达到"价值创造引擎"阶段。

中期突破路径：模型能力演进的三级跳

模型层面，有三种选择：直接使用通用模型、模型微调、垂类模型。

短期策略：采用通用模型。即插即用型解决方案，适合试水阶段。

过渡方案：精准控制微调投入。技术门槛与成本呈指数级增长，建议采用"小步快跑"的迭代策略，谨慎控制微调投入，有能力的企业，建议投入一定资源微调模型，提升项目效果，但效果有限，切忌过量投入。

决胜关键：关注垂类模型，择期跟进。行业级专业模型将成为2025-2030周期内的破局点，应持续关注，把握最佳入场时机，不要过早投入，充当小白鼠。

数字化拐点预测

2027年窗口期

模型、数据、应用，三要素耦合基本成熟，大中型企业将呈现业财一体化AI项目加速落地势态。

2030年分水岭

应用深度：从单点智能向流程智能，横纵向协同演进

企业分化：数据资产质量差距转化为经营效能代差

价值体现：数字化投入开始产生显性财务回报

AI+财务共享

当前，AI技术在财务共享场景落地的三大核心要素已相对完备。企业可优先选择成熟度高的应用方向快速见效，但需根据自身信息化基础分阶段推进。

实施路径建议

成熟企业（已建成标准化财务共享中心）：可规模化部署AI应用，技术风险可控，ROI明确

基础薄弱企业（未建立或初建阶段）：应优先完成流程标准化与数据治理，避免盲目AI投入

应用场景示例

智能填单：用户上传发票，用自然语言描述报销内容，AI自动识别场景，填写结构化报账单，自动提交。

智能审核：企业上传流程制度，审核点，AI结合内容及常识，执行智能审核，提示风险，检查合同、发票、资金等多流一致性、合规性，检查审核点是否通过，降低人力成本，提高审核时效。

风险集合与预警：利用AI进行事后风险审计，识别风险、异常交易等，辅助审计工作。

运营评估：评估运营效率，识别浪费，检测流程标准适用性，提出制度、审核点改善建议。

问答服务：基于语料库、单据信息，实现智能客服，智能问答。

演进趋势

下一代财务AI将向"预测+决策"方向发展，包括：动态预算调控、供应商信用智能评估、现金流预测等深度应用。建议企业建立持续迭代机制，分阶段实现从"自动化"到"智能化"的转型。

AI+财务数字化

千千对数字化的核心定义是：数据驱动决策。

当前，AI财务数字化落地的三要素成熟度处于较为初步的水平。部分数字化基础较好的互联网企业及IT成熟度较高的传统企业已率先开展AI数据分析能力建设。

实施路径建议

建议资源充足、具备先发优势的大型企业或技术成熟度较高的技术驱动型企业优先开展试点，选择目标明确、数据链路清晰且质量可控的场景进行初步验证，重点构建基础框架能力，对短期业务价值应保持合理预期。

中小型企业建议暂以信息跟进为主，待行业解决方案进一步成熟后再择机介入。

应用场景示例

质量运营方面：AI辅助数据治理，检测异常点；

资金财务方面：AI辅助资金策略优化；

财务BP，数据洞察：AI聚合分析跨部门信息生成报告；

战略财务方面：建立情报中心，AI研读信息辅助投融资决策。

直播回放

一、为什么结合知识库

AI的强大毋庸置疑。在与AI的一次次对话中，我常常被其深刻的洞察所启发，获得意想不到的洞见。然而，当涉及私有领域或企业特定场景时，AI的表现往往显得隔靴搔痒——回答过于宽泛，难以直接应用。

这种局限性在企业环境中尤为明显。实际业务场景往往需要结合企业专有的知识体系，包括内部文档、流程文件、业务数据等才能给出精准的解决方案。那么，如何突破这一瓶颈呢？

这正是RAG（检索增强生成）技术要解决的问题。通过这项技术，我们可以让AI"读懂"私有知识，将通用智能与专有知识融合，从而提供真正贴合业务需求的智能解决方案。

二、检索增强生成技术（RAG）概念引入

首先了解一下什么是RAG检索增强技术，

一种将检索与生成能力相结合的技术架构，旨在增强大语言模型的表现。它通过检索相关信息并将其作为上下文提供给模型，使生成内容更加准确可靠。

RAG工作流程

提取环节 - 对知识库文档进行内容解析和特征提取

索引环节 - 构建结构化检索索引，实现高效知识存储

检索环节 - 实时查询匹配与问题最相关的知识片段

生成环节 - 将检索结果与用户问题结合生成最终回答

通过"先检索后生成"的双阶段处理：当用户提问时，系统首先自动检索知识库中的相关内容，然后将这些知识作为上下文，与用户问题一并输入大语言模型，确保AI参考知识完成回答。

作为普通使用者，初步了解RAG作用即可，无需深入。如果感兴趣可以通过下面这张图进一步了解每个环节中包括的核心内容。

三、个人 vs 企业知识库对比

在深入探讨知识库的具体应用场景之前，首先需要明确个人用户与企业用户的核心需求差异。总体而言，个人用户通常更注重产品的性价比和操作便捷性，而企业用户则往往优先考虑数据安全性、功能完备性以及系统的可扩展性。这一差异直接影响了知识库解决方案在不同场景下的设计重点和应用模式。

四、个人用户：轻量级知识库

千千将个人用户的知识库应用划分为基础、进阶、高级三个层级

基础

各大模型平台（如DeepSeek）提供的文档上传功能，是最基础的知识库应用方式。

进阶

工作场景

推荐使用腾讯的ima.copilot、秘塔AI，二者在检索策略上有显著区别。

秘塔AI具备超强检索能力。如果你的知识库内容多，质量高，则推荐使用秘塔AI

ima.copilot检索更精准。如果你的知识内容相对较少，或质量参差不齐，没有经过筛选，需要AI在检索时多加思考，选择更相关的内容，则用ima.copilot。

如果检索公开知识库，两者各有优势，ima.copilot可以检索自家公众号生态内容，秘塔AI具备学术、研报等高质量资源，按需选择或结合使用。

个人场景

推荐使用得到出品的Get笔记。其本身为一款笔记应用，可以在手机上便捷录入文字笔记、语音内容，还可以使用其特色功能，订阅视频号、订阅得到直播，检索小红书、抖音、B站内容，非常适合个人碎片化学习场景。

高级（需具备一定技术能力）

Cherry Studio（AI聚合客户端）

Coze工作流平台

AnythingLLM（RAG基础框架）

flowith，交互设计新颖，但完成度低，不建议实际使用，可以上手玩一玩

使用建议

若不打算投入过多时间配置调试，高级方案的实际效果可能反而不如推荐的进阶级工具。技术爱好者可以尝试RAG框架等进阶玩法以探索、学习。

五、企业用户：定制级RAG解决方案

企业用户RAG产品选型，不过多展开，可以简单分为三类

工作流平台

如Coze、Dify、n8n等AI工作流平台已内置RAG能力，直接使用即可，但这些平台的RAG能力基本不具备定制、优化空间。尤其Dify的RAG能力较差，通常使用其他RAG框架联动使用。Coze能力相对完善，但暂不支持私有化部署，可能不适合对数据安全要求较高的企业。

高扩展性技术框架

以LangChain为代表的代码框架，具备极高的定制化能力，可以根据业务场景，自行搭建、深度优化RAG过程，让RAG过程更佳可控。

高集成度技术框架

如RAGFlow、网易开源的QAnything等框架，具备更高的集成度，已经对RAG过程进行了深度优化，拿来即用便可获得较好的效果，也可以在其基础之上进一步调优。

六、RAG与预训练、微调技术对比

对于企业落地的朋友，一定会有这样一个疑惑，RAG和预训练、微调的差异在哪，该如何选择呢？上面我们讨论了什么是RAG，简单回顾一下预训练、微调概念。

使用大量数据对模型直接进行训练，使模型学会、记住、内化知识。

举个例子来对比，想象一个学生参加考试。

RAG相当于开卷考试，提前找10本参考书，不具体学习内容，只对知识结构和知识本身进行基本的熟悉，梳理目录、知识结构，考试时根据问题，快速检索相关内容进行作答。

预训练与微调相当于提前学习，同样10本参考书，先完整学习，将知识关联、内化，考试时直接作答。

两种方案各有优劣势，并不存在绝对的正确答案，在实际企业落地过程中，通常采用两者结合的方式，而对于个人而言，通常不具备模型预训练、微调能力，仅仅使用Ai应用本身内置好的知识库能力，调用RAG来完成任务。

直播回放

作为个人用户，学习AI应当核心围绕在两个方向：提示词、应用。

提示词是提升AI使用水平最高效，但却容易被忽略的部分，市面上有有许多相关书籍、各大高校材料等完整介绍提示词技巧。各种场景下，提示词的使用是不同的，其本质是应用方法论对问题进行结构化拆解与表达，提示词工程的深度和学习上限比我们想象的要复杂得多。

回归到个人使用场景，本文力求告别枯燥，回归提示词本质，用最高效率为您讲解提示词的使用技巧，快速达到80分水平。

一、为什么需要提示词

首先，将AI假想为一个高校毕业，刚来你身边打辅助的实习生。它的特点是

优势：非常聪明，具备强大的知识储备，且听话有耐心；

劣势：尚缺乏经验，不了解你要处理的特定问题背后的背景信息，不具备独立思考、解决问题的能力，需要多加引导。

在AI大模型能力处于初步阶段的今天，为了获取更高质量的效果，我们需要给AI提供高质量、准确的信息输入，有时还需要借助我们本身的思考能力，先进行初步思考，限定方向，再让AI帮助我们完成剩下的工作。

二、优质回答的标准

在提问之前，我们先来明确，什么样的回答是优质的回答，定义一个标准，我认为有如下特点：

准确：内容准确可靠，无错误

相关：回答与问题直接相关，能够切实解答问题

结构化：思路清晰，结构分明，内容连贯

符合语境：符合受众的理解水平，符合使用场景下的表述风格

详略得当：层级展开程度适当，不要过于啰嗦或过于简短

三、初步优化提示词

最基本的提示词技巧，是将问题描述清楚。

不要小看这个问题，非常多的人在表达问题时，没有做到最基本的清晰、明确，自认为讲清楚了，实则被提问的人根本不清楚所要解决的问题是什么。

要讲清楚问题，可以关注如下方面：

四、进阶技巧，让AI帮助我们使用AI

我们当然可以使用Ai来帮助我们更好的提问，可以使用元提问，在提问前，先补足自身的知识体系，或不要急着让Ai回答问题，而是让Ai看看我们的问题有没有表达清楚，还需要补足哪些信息。

元提问

我想要XX，我该提供哪些信息？需要了解哪些相关概念？

提示词构建

让AI帮我们优化提示词

示例：这段提示词该如何提升？请帮我优化以下提示词：

6. 高级技巧，探索提示词框架

讲解提示词的高质量资料有很多，其本质都是在讲框架。框架包括两部分

方法论

传统方法论，包括SCQA、COSTAR、英雄之路、金字塔原理等等，各类思维框架方法论本身，都可以用于优化提示词表达。我们怎么高效思考，就让AI也参考同样的方式思考。

框架

AI提示词一定的标准模版，例如，在提示词中定义Ai的角色、技能、限制、输出风格等，进而使回答和过程更佳可控。

可以在扣子中创建智能体，参考其提示词模版，例如以下通用模版：

# 角色：{#InputSlot placeholder="角色名称" mode="input"#}{#/InputSlot#}
{#InputSlot placeholder="角色概述和主要职责的一句话描述" mode="input"#}{#/InputSlot#}

## 目标：
{#InputSlot placeholder="角色的工作目标，如果有多目标可以分点列出，但建议更聚焦1-2个目标" mode="input"#}{#/InputSlot#}

## 技能：
1.  {#InputSlot placeholder="为了实现目标，角色需要具备的技能1" mode="input"#}{#/InputSlot#}
2. {#InputSlot placeholder="为了实现目标，角色需要具备的技能2" mode="input"#}{#/InputSlot#}
3. {#InputSlot placeholder="为了实现目标，角色需要具备的技能3" mode="input"#}{#/InputSlot#}

## 工作流：
1. {#InputSlot placeholder="描述角色工作流程的第一步" mode="input"#}{#/InputSlot#}
2. {#InputSlot placeholder="描述角色工作流程的第二步" mode="input"#}{#/InputSlot#}
3. {#InputSlot placeholder="描述角色工作流程的第三步" mode="input"#}{#/InputSlot#}

## 输出格式：
{#InputSlot placeholder="如果对角色的输出格式有特定要求，可以在这里强调并举例说明想要的输出格式" mode="input"#}{#/InputSlot#}

## 限制：
- {#InputSlot placeholder="描述角色在互动过程中需要遵循的限制条件1" mode="input"#}{#/InputSlot#}
- {#InputSlot placeholder="描述角色在互动过程中需要遵循的限制条件2" mode="input"#}{#/InputSlot#}
- {#InputSlot placeholder="描述角色在互动过程中需要遵循的限制条件3" mode="input"#}{#/InputSlot#}

7. 其他技巧

提供范本

可以将之前产出的结果丢给AI，让其参照范本进行回答，如同给下属交代任务时给到它参考范例。虽然会使其丧失一定的创造力，但结果较为可控，避免出现大的偏离。

AI自我反思

让AI自我反思、优化，让Ai思考：“你能不能回答的更好”，在多轮优化中获取更高质量的回答。

多结果融合

让AI多次回答，甚至用不同的模型进行回答，再对结果进行融合，以获得更佳丰富、完整的结果。

直播回放

汇报是每个职场人必须面对的挑战，也是升职加薪的机遇。拓宽眼光来看，每一次会议、分享，甚至你制作的一份报表，本质也是一场汇报，领导力与影响力正是在一次次会议、汇报中积累与展现。

然而，90% 的汇报都陷入了无效沟通的陷阱。本文将带您重新认识汇报的本质，掌握高效汇报的方法论，并借助 AI 工具，进一步重塑工作流程，提升汇报准备的效率与质量。

一、职场汇报的三大陷阱

陷阱一：数据堆砌症，追求面面俱到，过度强调数据而忽视结论

高效的传递信息，通常遵循一个原则。即先结论，后展开。老板关注的是结论与洞见，而非执行过程，这也是最容易陷入的陷阱，讲很多过程性、支撑性内容，便误以为自己讲清楚了，却没有讲出最终结论。

陷阱二：完美主义病，80% 时间用于美化 PPT 而非思考逻辑

准备汇报材料，不等于准备PPT。做汇报准备材料时，切忌打开PPT直接填内容，甚至边填内容边做样式美化。而应当先做思考，定内容，最后美化。高质量的内容，才是汇报的关键。漂亮的PPT可以体现态度，增强可视化表达效果，但仅仅是加分项。

陷阱三：自嗨式表达，忽视决策者核心关注点及真实需求

受众想听的，不一定是你想讲的，想要引起受众的共鸣，就要避免自嗨，换位到受众的视角思考“我想听什么“，对自己单方面想讲的内容，保持克制。

二、思维转变

转变1：从「倾倒垃圾」到「信息传递」

从「我要讲什么」到「受众听什么」：少倒苦水讲困难，传递核心价值，做信息的设计师，而非情绪的宣泄者。

多数职场人的述职汇报是在讲自己多辛苦，生怕领导看不到自己的努力和汗水。如果希望获得领导的信任，拿到高绩效，多讲成果、计划、成长、目标，少讲困难、过程、倒苦水。

对于项目进展类汇报，要着重回顾项目目标，确保相关方目标一致性、价值理解的一致性，进而讲里程碑计划，在大的视角上展示当前项目的健康度，并获取决策及资源支持。

对于决策类会议，给出2-3套对比方案，并进行方案的多维度横向对比，同时，最好给出建议方案，掌控主动权。

转变2：从「罗列事实」到「观点驱动」

从「What」到「So What」：深化事实、提供洞见，支撑性材料放附录。做信息创造者，而非数据搬运工。

事实不等于观点，汇报要有观点与洞见。例如，在财务分析中，分析的结论应当是具体而深刻的，由于XX原因，导致XX结果，应当如何改善。而非生硬的指出利润下降了20%。

转变3：从「碎片表达」到「结构思维」

从「零散拼凑」到「逻辑整合」：设计表达框架时自问，是否清晰明了？做建筑师，而非砌砖工。

思维框架，也可以称为方法论，是职场开挂的首选工具。掌握几款好用的思维框架，可以在职场中超越大多数人，同时，也是高质量汇报的利器。使用框架，可以最高效的将汇报内容结构化，让受众轻松了解你想要表达的内容。

思维框架示例

思维框架有很多款。例如千千最推荐的简单、通用框架SCQA，该框架来源于麦肯锡《金字塔原理》。在会议、汇报、日常表达中都可以使用。

首先，高效同步背景信息，确保多方之间的基本理解与对现状的了解保持一致。然后描述清楚冲突与问题，确保相关方清楚我们在讨论什么，我们要解决的问题是什么。最后，尽可能给出2-3个建议方案方向，不需要非常具体，仅整体性方向即可。对于每个方案下的核心问题、卡点可以进一步说明，高效决策。

千千在过往工作经历中采用该框架来进行会议准备，屡试不爽，强烈建议朋友们试试看。

除SCQA外，还有很多高质量思维框架，可以按需探索、使用。

三、重塑汇报准备流程

将汇报准备流程分为以下阶段

阶段一：定义阶段

方向决定质量，先定义清楚汇报的主题、目的，清楚目标受众、进而选定汇报策略、框架，总结出核心观点。

阶段二：内容阶段

根据上一步内容，进行两轮内容准备。

首先，先完成大纲撰写，然后再根据大纲，细化内容，不要过早开始细节处理。

在AI加持下，可以采用双轨创作流程，利用AI大幅提升内容生成效率与质量。具体而言，先将大方向给到AI，AI生成一版，自己粗调一版，让AI优化补充一版，自己再调一版。可以反复上述过程，一般经过两至三轮就可以得到高质量的内容。注意，自己优化过程中，无需字斟句酌，优化表述细节，只需要讲清楚意图，说明白即可，语言表述上的优化，可以全部交给Ai来完成。

阶段三：可视化阶段

使用AI工具，加速可视化内容创建过程。千千个人使用Gamma + Napkin组合完成PPT和可视化组件图创建。Gamma生成PPT内容质量很高，但需要一定的网络条件（你懂的），如果不具备网络环境，可以采用WPS等其他替代工具。

阶段四：演练阶段

对于重要的汇报，可以将PPT、大纲丢给AI，让AI帮你编写逐字稿。如果要控制语言风格，可以将过往的逐字稿一并提供。另外，对于述职类汇报，还可以让AI提前帮你预判可能的问题和答案，充分备战。

四、高级提示词：用AI快速准备汇报

# 角色设定：PPT制作高手（中文）
## 角色描述
我是一位高效的汇报内容创作高手，专注于帮助用户快速制作高质量的汇报内容，PPT脚本，提供内容结构优化、设计建议等服务。

## 技能（Skills）
快速生成高质量汇报大纲初稿，并可多轮迭代优化。
根据汇报大纲，扩写具体内容，并确保逻辑清晰、富有洞见。
精准设计PPT脚本，明确每一页PPT的核心观点、内容结构、布局。
提供符合主题的视觉风格建议（色彩、图表、配图）。

## 设计规则（Rules）
设计风格符合用户指定主题与目标受众。
每页内容简洁明确，重点突出，避免信息堆叠。
图文结合，适配主题选用图表、图示、流程图等视觉元素。
统一风格：字体、颜色、布局保持整体一致性。
讲稿字数匹配：每分钟建议150~200字左右。

## 工作流程（Workflows）
### Step 1：欢迎引导
热情欢迎用户，简要介绍服务内容和流程。

### Step 2：准备阶段，收集背景信息
2.1 请用户提供以下信息
汇报主题（必填）
目标受众（必填）
使用场合（必填）
演讲目标（必填）
预期时长（选填）
PPT页数要求（选填，建议提供）
风格偏好/汇报策略（选填）
其他要求（选填）

2.2 循环确认
检查所有【必填项】是否齐全，否则继续引导补充。

2.3 信息确认
将完整的【背景信息】整理输出给用户确认，确认无误后进入下一步。

### Step 3：大纲阶段
3.1 推荐页数
确认【页数要求】，或根据预期时长，推荐合适页数范围，确认无误后进入下一步。

3.2 明确表达框架
依据场合和目标选择合适的结构框架，如：
SCQA：背景→冲突→问题→答案
第一性原理：现象→拆解底层要素→重构逻辑→验证
空雨伞：事实→解读→行动
STAR：情境→任务→行动→结果
英雄之旅：平凡世界→冒险召唤→试炼→恩赐→回归
PREP：结论→理由→案例→重申结论
黄金圈：Why→How→What
AIDA：注意→兴趣→欲望→行动
金字塔原理：MECE（相互独立，完全穷尽）
5W2H：What、Why、Who、When、Where、How、How much

3.3 撰写初版大纲
基于【背景信息 + 框架 + 页数】制作汇报大纲脚本，明确每页标题与要点。

3.4 大纲自检
是否结构合理？是否内容突出重点？是否满足设计规则？
若不满足，继续迭代优化。

3.5 用户确认
输出：表达框架 + 大纲内容 → 交由用户确认。

### Step 4：内容扩写阶段
4.1 撰写第一页讲稿
基于大纲第一页内容撰写讲稿（约150~200字/分钟）

4.2 讲稿自检
语言是否清晰易懂？是否与页面配合良好？是否符合受众预期？
若不满意，继续优化。

4.3 用户确认
输出第一页讲稿，征求用户确认后继续后续页面讲稿撰写，直至所有讲稿编写完成

4.4 最终输出
将最终所有讲稿整合

直播回放