说实话，在动手做RPA之前，我连'流程自动化'这个词都没听过，更别说自己开发机器人了。但公司的日报表实在太折磨人，每天上午九点半前要出前一天的销售日报，涉及三个系统的数据导出和汇总，经常因为一个人请假就断了档。于是我硬着头皮开始学RPA，从零基础到机器人稳定运行，前后花了大概三周。这篇文章就是给那些
我在财务部干了八年，从出纳到总账会计，最怕的不是月底加班，而是月初那几天——出报表。利润表、资产负债表、现金流量表，三张主表看起来格式固定，但背后数据从多个业务系统汇集，手工核对科目余额、做合并抵消、调表对账，一整套下来至少两整天，期间还经常被各种电话打断，问这个数为什么跟业务部门报的不一样，那个数
最近一直在折腾公司RPA工作流私有化部署这件事，踩了不少坑，也积累了一些真实感受。这篇文章我就把自己从一头雾水到最终落地的全过程写下来，重点聊聊2024年国内主流私有化部署厂商的实际情况，包括我接触过的几家头部公司、不同场景下的选型逻辑，以及那些厂商不会主动告诉你的事。我所在的是一家大型集团，业务涉
作为一家垂直行业公司的CTO，我深切感受到通用AI产品根本解决不了我们行业的深层次问题。只有深度定制的行业AI系统，才能真正提升业务效率。但“深度定制”意味着什么？要花多少钱？我花了整整两个月时间，深入调研了电商、医疗、法律、制造、金融五个行业，和数十家服务商聊过，今天我就把这本“成本账”分享给大家
在数字员工智能体这个赛道，大厂和创业公司各有拥趸。大厂说我们技术强、生态全、不会倒；创业公司说我们更专注、更灵活、性价比高。作为已经跑完选型全流程的过来人，我仔细研究过大厂和创业公司的差异，也和一些同行交流过踩坑经历。这篇文章就来聊聊大厂和创业公司各自的优劣势，以及选型时要注意的坑。一、市场上主要玩
我最近在负责单位的AI智能体私有化部署项目，过程中最头疼的不是技术选型，而是理清那些绕不开的硬性规定。说白了，在政企市场，AI好不好用是其次，能不能用才是第一位的。信创、等保、数据安全这几座大山，是所有厂商必须过的关。这篇文章，我就结合我自己的调研经历，详细拆解一下这些硬性要求到底是什么，以及哪些厂
最近半年，我一直在为公司挑选企业数字员工智能体的开发商。坦白说，市面上能提供AI智能体开发服务的厂商多到让人眼花缭乱，从互联网大厂到传统的软件巨头，再到垂直领域的创业公司，每家都宣称自己技术领先、落地能力强。作为一个需要为团队做出最终决策的人，我花了大量时间做调研、约谈厂商、甚至安排了几轮POC测试
在接触大模型AI应用深度定制这件事之前，我以为市面上那些通用大模型就能解决企业的大部分问题。但真正开始选型才发现，这里面的门道远比想象中复杂。这篇文章，我就把自己从完全不懂到选型落地、再到实际使用的全过程写出来，重点聊聊企业级大模型AI应用深度定制到底该怎么选、核心能力该看什么，以及我踩过的坑和总结
作为一名创业公司的技术负责人，我之前一直对‘企业级AI全栈定制’这个词抱着半信半疑的态度。总觉得那是大公司的专属玩具，价格高、落地难。直到我们公司业务量爆发，客服、运营、数据分析等环节的人力成本实在扛不住了，我才开始认真研究这个市场。结果发现，真正好的服务商是可以让AI成为企业专属的数字员工和增长引
决定上企业专属Agent智能体的时候，我们公司内部最关心的问题不是“这东西多少钱”，而是“这东西到底能帮我干啥”。我在立项报告里写了十几个可能的应用场景，但其实心里也没底。直到项目真正落地、跑起来之后，我才发现那些当初写在PPT里的场景，有的比预期效果好，有的跟想象的不一样。这篇文章我就把我们企业专