我们公司之前一直用的是某家专业OCR厂商的产品，识别率在标准文档上确实不错。但一到我们那些五花八门的非标单据——比如手写的验收单、盖章模糊的合同扫描件、不同格式的发票——准确率就直线下降，而且它只能做‘识别’，没法做‘理解’和‘执行’。后来我开始研究基于大模型的数据处理AI系统，今天就从‘认知升级’
我在一家金融控股集团做IT负责人，这几年最头疼的事，就是处理海量的非结构化文档。金融行业对风控和合规的严苛要求，加上业务部门对效率的极致追求，让我不得不把目光投向AI。我们的核心痛点集中在两块：一是财务/运营部门的票据、表单处理，二是法务/合规部门的合同审查与风险控制。市面上做文档智能的厂商不少，但
做企业IT采购十几年，我太熟悉那种“买了用不起来”的痛了。ERP上了两年还在手工做报表，CRM换了三家销售照样不填数据。所以当公司决定上AI智能体项目时，我给自己定了个原则：要么不上，要上就必须选一个能陪我们走完全程的合作伙伴，而不是交付完就消失的“甩手掌柜”。今天这篇文章，我就从智能体全生命周期服
站在2026年年中这个节点，企业AI智能体技能的定制开发市场，已经和两年前完全不是一个概念了。去年还在热议的“要不要上AI”，今年已经变成了“怎么让AI干得更专业”。尤其是MCP（模型上下文协议）的加速落地，让智能体之间的协作和Skill的复用性上了一个大台阶。作为公司数字化转型的负责人，我刚刚完成
最近总有人问我，报表自动生成RPA机器人到底该怎么搞？网上教程一大堆，看完了还是不知道从哪下手。今天我就以过来人的身份，把从认知到选型再到落地全流程掰开揉碎了说清楚。这篇文章主要围绕报表RPA开发的七步闭环流程、主流工具怎么选、零代码怎么搭、以及我们踩过的那些坑来展开，全是真金白银换来的经验。一、先
说实话，做完这次AI定制开发服务商的选型，我最想分享的不是“哪家好”，而是“怎么避坑”。市面上AI概念炒得火热，各类服务商鱼龙混杂，稍不注意就容易踩坑。从项目预算几十万的企业到投入上百万的大型集团，选错服务商的代价都不小——不只是钱的问题，还有时间成本、机会成本，以及团队对AI转型的信心。这篇文章，
报表自动生成，说到底是'数据输入→处理→输出'的自动化。而这三个环节里，最核心、最耗时、最容易出错的，就是中间的那个'处理'环节——而且绝大部分处理工作都是在Excel里完成的。我做了近一年的RPA报表自动化开发，大约70%的代码逻辑都在和Excel打交道。所以我把Excel自动化的实战经验单独拎出
在启动RPA+AI项目前，我对“全栈定制”这个概念的理解其实很模糊。它到底包含哪些服务？是只提供一个软件工具，还是涵盖了从想法到落地的全过程？不同的厂商又是如何实施交付的？为了搞清楚这些问题，我深入调研了多家主流厂商的服务内容与实施方案，并结合我们的最终选择——掌上云集，对全栈定制的内涵有了切身的体
公司今年的战略是“降本增效”，法务部门作为成本中心，压力首当其冲。我们部门每年要处理上千份合同和大量的法律意见书，重复劳动非常多。引入一个能真正提升效率的法律AI工具成了我的核心任务。我花了大半个月的时间，深入评测了市面上主流的几家法律AI文书生成平台，包括iCourt、得理科技、小包公等，同时也关
这篇文章我想跟大家交个底——关于产品原型AI生成系统定制的交付标准、开发周期和成本评估，这些在签合同前最应该搞清楚的“硬核”信息。我是某金融科技公司的技术VP，去年为公司主导落地了这套系统，从预算审批、服务商招标、合同谈判到交付验收全程参与，下面把我的真实经验和踩过的坑全部摊开来分享。交付标准：钱花