4月25日，以“AI拼才会盈”为主题的2025合思春季产品发布会在杭州正式召开，大会现场数百位企业CEO、CFO、CIO与主流媒体共同参会。大会现场，合思首席产品架构师佟佩泽发表主题演讲。
在佟佩泽看来，人们在AI是否能够适应更复杂的工作场景存在三个担忧：易出错、难落地、高成本。合思通过“可信数据源+任务编排”解决AI的幻觉问题；通过工作流将AI能力与现有产品 融合，解决AI落地难题；通过自研的模型调度算法，进一步降低AI在企业的应用成本，解决AI费用高等难题。决定AI应用效果的，并非AI本身，而是使用AI的人。产品发布现场采用工坊形式，让参与者亲身体验AI在无需报销、收支管理、电子会计档案三个产品中的应用场景。
以下为佟佩泽现场演讲实录（有精简）
01
AI的三种递进使用方式
正式发布新产品前，我想先做个调查：在座的嘉宾中，用过AI的人请举手。看来很多朋友已经使用过AI，我猜大多数人用的是——Deepseek或同类生成式对话产品。我们印象中AI最常见的用法：一个聊天框，你问它答。除了“服务器繁忙”的时候，大多时间，我们都觉得AI助手很好用。这里有一组数据：Deepseek以及其同类产品月活约9900万人，占中国互联网人口约9%，且渗透率还在不断提升。
然而，AI工具的用法远不止于此。例如，合思的产品经理们在搭建AI功能demo时，通过一个工作流，把AI作为流程的一个环节来使用。在活跃用户口径上，大约只有0.7%的人用过这种AI；还有一种使用场景，我们给AI一个买东西的指令，它会规划步骤，然后像人一样打开浏览器、访问购物网站、查询商品、加入购物车，直至等你付款。这种通过一个任务目标智能规划并执行的AI，大约只有0.2%的人用过。
如果将这三种AI使用方式划分代际：第一代以对话形式使用，通过对话的方式与AI交流获得答案，我们称之为对话增强型；第二代被放入流程作为节点使用，我们称之为流程嵌入型，例如我们已经可以让AI做一些确定性的工作，例如将海外小票里的金额找出来，与单据上的信息做比对；第三代属于给个任务就干活，我们称之为自主规划型，让AI是根据用户的目标诉求，不断探索尝试，如果失败它会想其他办法来解决——例如未找到发票票面金额，AI会调用图片检查工具，看发票是否拍得太模糊，如果是，它会发消息让用户提供一张更清晰的发票。
目前这三类AI的使用渗透率如图所示，每个原点代表一个人，这里有1000个原点，代表1000个人。其中蓝色为用过对话增强型，绿色是用过流程潜入型，红色是自主规划型。其中红色区域代表1000个人里只有2个人用过。因此，我们不难发现：你用的可能是满血Deepseek，但一定不是满血AI。
到了效率和可靠性要求更高、逻辑更复杂的工作场景，例如财务管理场景，满血AI好用吗？经过一年的走访，我们总结了大家的三个担心：担心AI出错、担心难落地、担心成本。
02
“可信数据源+任务编排”解决AI的幻觉
AI会不会出错？会，但人更会犯错。大模型确实会出现幻觉，例如爱因斯坦是因为相对论获得了诺贝尔奖。根据Vectara的报告，Deepseek的三个模型，智能程度越高反而幻觉率越高。更有意思的是根据Claude团队的一项研究，AI会为了讨好人类而撒谎。例如研究者让AI做一个余弦计算，并给了个答案4，问答案是否正确。而AI编了个假想过程，甚至刻意向前推算了几步，让这个过程更可信，但实际上AI并未进行任何计算。
如何解决幻觉问题？合思做了两件事情。一是给AI提供更高质量的可信数据。例如在行程规划时，如果让AI去互联网上搜索，它很容易被信息误导。比如让AI规划了一个去上海的行程，回程车次是G7588，但是实际上这趟车是杭州到上海。导致错误的原因是——AI找到的那篇网页是上海与杭州之间的所有高铁的列表，但没有标明方向。因此，我们将合思商旅的数据开放出来，让AI只能去合思商旅调取可控可靠的机酒火信息，进而避免因为信息失真导致的错误。
二是任务编排。合思并不直接使用大模型，而是在一个编排好的流程里使用。如此一来，一方面可以把问题拆小，让大模型聚焦解决某一具体问题；另一方面也可以在流程中增加检查逻辑，对大模型输出结果进行验证。例如在大模型进行行程编排时，用一个小模型对行程关键信息进行提取，用于行程闭环检查，验证大模型设计的行程是否符合用户差旅意图。
通过这一系列保障手段，合思将AI的幻觉压制到了一个较低水平——甚至比人的出错率还低。以AI审批为例，合思的AI审核准确率比人工高出8%。
03
AI与系统融合破解落地难
从技术上克服了幻觉，AI看起来可用，但落地难，尤其难在与企业现有系统的结合。AI教父杨立昆曾表示：“通常人工智能会失败的地方，不是在基础技术上，不是在那些花哨的演示上，而是在你真正需要部署它、应用它，并且让它足够可靠，能和现有系统整合的时候，这时候就会变得非常困难、非常昂贵，而且比预期要花更多时间。”
以AI填单为例，看上去只需要把发票跟描述给到AI，它就就能创建一张单据。但实际上，这里不仅有对大模型的应用，还有很多与合思费控的交互。例如在上传发票后，先通过合思发票模块的能力做OCR与验真查重，然后再通过大模型匹配合适的费用类型。这就需要使用AI的系统具备极高的AI友好性，即让AI能够轻松方便地调用系统中的各项能力。为此，合思专门设计了一款AI友好工具网关，基于MCP行业协议将合思系统的一系列能力开放给AI使用，而这也是合思在落地AI过程中最耗费研发资源的事情之一。
AI与系统的整合为何如此重要？当我们使用Deepseek时，它原本是一位得力的助理，可以帮我们打电话、约日程、提单据、订机票等。但是现在我们只能与它对话，将它当做聊天机器人用。这就好比企业招聘了一位聪明的员工，但是我们不让他进入办公室，也不让他访问任何企业办公系统，导致了它能贡献的产出非常有限。
如果将AI智能体的三个代际比作企业中的员工，第一代对话增强型是一位聪明的助理；第二代流程嵌入型是一位资深骨干，可以在业务流程中的一个确定的岗位角色上发光发热；第三代自主规划型，则像一个靠谱的团队。只需要给它OKR，它就就能帮你实现。其中，流程嵌入型的技术已经趋于成熟，将是接下来一段时间企业AI应用的主流方式。自主规划型看起来很美好，但是受限于模型智能水平，现在除了编程领域，可靠的应用还比较少，仍处于萌芽阶段。
因此，合思的选择不言而喻，通过工作流将AI的能力与现有产品相结合，在流程里使用AI，可以进一步提升AI的可靠性。同时，AI又可以借助于工作流调用合思系统中的各项能力，真正与系统 融合起来。
04
合思模型调度算法，显著降低AI成本
克服AI幻觉、解决AI与企业系统整合，就剩下最后一个担心——AI是不是很贵？坦率而言，今天的大模型价格从绝对值上看并不便宜。但是在很多场景中，AI的成本已经比人工便宜，且随着大模型技术的发展，AI正变得越来越便宜。
以海外票据的识别与解析为例，2023年为了达到90%以上的准确率，合思构建了非常复杂的智能体工作流，识别一张发票的成本高达20元；而如今，每识别一张海外票据的成本可以压缩到0.6元，每录入一张海外票据的人工成本约为2.4元。因此，从成本效率视角看，AI已经能够替代人类完成枯燥且重复的工作。
同时，合思在AI基建过程中采用“模型调度算法”，根据要执行的任务选择更契合的大模型。比如有些模型擅长推理，但工具调用能力较弱。合思的AI会选择先让该模型做规划，再让擅长调用的模型根据规划落地执行；此外，在完成基础任务时，也将自动选用参数量与成本更低的经济实用型模型。如此一来，在执行任务成功率更高、重试次数更少的基础上，合思进一步降低了AI在企业中的应用成本。
整体回顾合思与AI的结合，通过多模型调度策略，集百家之长，通过提供可信数据，以及在任务编排中使用大模型，最大程度规避了幻觉问题，让AI真正做到企业级可靠；同时为AI提供了一系列工具，让它的能力能够与企业业务结合，并在此基础上，构建了一系列原子化的能力，用于构建对话型智能体与流程嵌入型智能体，最终服务于多个财务场景。
尽管现在的AI距离理想中的阿拉丁神灯仍有很大提升空间，但AI在很多企业应用场景里的可靠性和ROI评判角度都已非常成熟。在这些技术成熟的场景下，决定AI应用效果的，并非AI本身，而是使用AI的人。合思发布的三大解决方案：无需报销+AI、收支管理+AI、电子会计档案+AI，将帮助企业凭借数智化工具挖出更多净利润。
