AI 非共识实验室第二期：AI 进“脏活累活”

从AI审计、供应链到企业中后台，这一次，我们没有从模型参数聊起，而是把问题带回那些“没人愿意干、但必须有人干”的真实工作。

现场 · AI非共识实验室第二期

8月16日，财AI客厅与创小融共同举办「AI非共识实验室」第二期活动。

8月16日下午，财AI客厅与创小融一起举办了第二期「AI非共识实验室」。长桌旁，坐着来自AI审计、AI供应链、AI投研、FDE顾问和产业投资等不同领域的伙伴。

大家没有从模型参数和技术榜单聊起。开场只有一个要求：

这些场景有一个共同点：没人愿意干，但客户必须付钱。

这也是我们和创小融为第二期「AI非共识实验室」定下的主题——AI进“脏活累活”。一下午聊下来，有几个片段值得记录。

锐意知能创始人杜思康讲了一个细节：审计报告已经印刷完成，里面却有个地方写着“TBD”——这意味着数字还没定。最后一版其实已经改好，但发给印刷厂的是旧版本。

“最终版_v3_确认版_真的最终版”——这种文件名，做财务的人都懂。

可为什么Excel四十年没有被替代？因为Excel做对了一件事：所算即所得。你不仅能看到数字，也能看到公式。审计师复核时，不只看结果，还要点进去看公式怎么算。

现场有人提出一个方向：把Excel拆开。数据用CSV存，运算逻辑用Python写，排版用HTML展示。AI生成代码的同时，也生成一个可视化的解释层。

审计师不需要看懂Python。鼠标悬停在数字上，就能看到一行中文解释：“净利率=净利润/收入”。工具可以保留，但承载底稿的格式需要被重新设计。

AI原生供应链Hoop AI创始人刘志彬分享了他们的做法：产品上线前不收客户一分钱；面对餐饮行业客户，按年收费、封顶10万元，用效果说话。

凭什么敢这么收？因为供应链是成本中心，省钱就是硬道理。AI能主动发现“仓库存货放了两个月还没发出去”这类问题，不用等人上报。

现场有人问：“谁买单？CEO还是CTO？”

这句话点出了一个关键差异：AI进“脏活累活”，买单的人不一定是技术决策者，而是业务负责人。

如果卖的是一个“多了几个按钮的系统”，预算往往走IT部门；如果卖的是“缺货率下降了5%”，预算走的是业务线。客户愿不愿意续费，最终看的是结果。

供应链是前台业务，财务审计是专业服务。那人事、法务、财税这些中后台呢？

知办AI创始人李强分享了一个观察：很多企业做AI落地，眼睛都盯着销售、生产和供应链，但中后台部门才是“脏活累活”的重灾区。

HR每天要翻三四个招聘网站，手动筛简历、约面试、改时间；法务拿到合同，要逐条看条款、标风险、查对方营业执照存续状态；财务月底对账，科目、凭证、税金，一张张表来回核对。

这些工作有三个共同点：可以标准化、需要重复做、高度依赖资料。

知办AI的做法，是给每个中后台岗位配一个“数字员工”。它不是简单的对话机器人，而是把岗位的完整工作流接进来。

这与供应链团队“谁对缺货率负责，谁买单”的逻辑如出一辙：AI创业的价值，不在于多卖一个工具，而在于把一件具体的事从“人做”变成“系统做”，再对结果负责。

这句话被至少三个人在不同语境下重复过。

刘志彬现场算了一笔账：模型一天调用2亿token，花在语料上的钱仍然比花在模型上的钱多。

“语料需要上下文。‘来个可乐’四个字，AI要知道说话的人是店长还是店长助理，才知道他到底要干什么。”

李强也分享了一个观察：市面上很多AI落地项目，做完了就是做完了，无法复用。真正的核心，是把特定企业的业务场景沉淀成可复用的SOP、模板和标准产品。

壁垒不是模型能力，而是行业理解、数据积累，以及可以反复复用的交付能力。

如果你手里有一个真实业务场景、一条非共识判断，或者一个还没有解决的问题；如果你也对这些“非主流”话题感兴趣，欢迎留言告诉我们。

关注财AI客厅，一起探索AI工具应用与效率提升。