AI超越電子表格成為頂級商業報告工具:6大原因
商業界對人工智慧(AI)的熱潮比以往任何時候都要高漲,根據Salesforce的最新研究,高達83%的決策者計劃在來年增加對AI的投資。顯而易見,服務組織不僅僅是在試水;他們正全力投入AI與自動化的世界,仔細審視當前工具,以優化業務運營。事實上,這些組織中的絕大多數已經在投入資源於AI,只有極少的6%袖手旁觀,沒有計劃參與這項技術。
生成式AI也在掀起波瀾,24%的服務員工已經在使用它。效益?這很難被忽視。超過90%使用AI的組織報告在時間和成本上都有顯著節省。AI轉型服務的五大方式包括面向客戶的智能助理、自動化摘要和報告、服務回應、面向代理的智能助理,以及智能優惠和推薦。不僅僅是服務;AI在預測和報告方面也取得了進展,特別是在專業服務領域,93%在投資AI的組織中的專業人士表示,這項技術對效率來說是個遊戲改變者。

全球分析傳道者Joe Thomas分享了他對專業服務從試算表轉向AI的見解。他指出,試算表一直是從計費利用率計算到收入預測等一切事務的首選工具。但隨著數據複雜性的增加,這些老式工具難以跟上步伐。Joe預測,到2027年,AI將取代試算表,成為利用率報告和收入預測的首選方法,甚至可能更快發生。原因如下:
試算表不是答案
讓我們面對現實:試算表是過時的遺物。它們無法處理現代服務企業生成的數據量和多樣性。試圖用試算表進行預測需要從各個系統拼湊數據,這不僅耗時,還充滿錯誤。最近Forrester對600多位專業服務領導者的調查顯示,他們面臨的前五大挑戰中有四個與試算表有關。另一方面,AI不知疲倦地工作,處理即時數據,提供實時洞察,無需手動更新的麻煩。
利用率是個移動目標
在專業服務中,密切關注利用率至關重要,幾乎所有組織都認為可以改善利用率。但傳統報告方法僅顯示已發生的事情,而非未來的情況。AI通過分析即時數據改變了這一點,預測利用率下降的可能性,並允許領導者採取主動措施。例如,AI可以在高計費顧問即將完成項目但尚未安排新項目時提醒經理,實現及時行動。
收入預測需要細緻
預測服務收入遠非簡單;它涉及多個變數,如項目勝率、客戶行為和市場條件。試算表難以應對這種複雜性,常常依賴過時數據。然而,AI擅長處理這些變數,從過去經驗中學習,並持續優化預測。它甚至能發現人類可能錯過的模式,使其成為更精細預測的卓越工具。
服務團隊沒有時間
服務運營負責人每週花費大量時間追蹤、清理和驗證數據,只為了生成報告。這種手動流程既不可持續也不高效。將AI整合到PSA、ERP和CRM等運營系統後,數據流動無縫,關鍵指標可通過自然語言查詢訪問,從而釋放更多時間用於戰略任務。
AI帶來洞察
雖然試算表能告訴你發生了什麼,但AI更進一步,解釋為什麼會發生,並預測接下來可能發生什麼。現代AI工具使用可解釋的機器學習提供預測的背景,幫助領導者理解利用率下降或收入預測背後的原因。此外,AI還能運行“假設情景”分析,在問題出現前提供解決方案。
試算表是合規風險
不準確的預測可能導致嚴重後果,如錯過收益目標或預算超支。試算表難以審計且易於操縱,構成合規風險。然而,基於AI的平台提供完整的數據溯源和審計追蹤,使其成為受監管行業的更安全選擇。
行業的下一步
領先的PSA、CRM和ERP供應商已經將AI整合到其預測和規劃工具中。仍依賴試算表進行規劃和預測的80%企業很快將發現自己處於競爭劣勢。未來屬於那些將預測和報告視為智能、自主能力的企業。
要充分利用AI的力量,組織需要專注於數據和AI素養。領導者必須投資於整合策略和員工培訓,以確保AI能訪問可靠數據。試算表主導的時代正在消退,AI正逐步使業務流程更智能、更具預測性。擁抱這一轉變的專業服務公司將獲得難以輕易複製的戰略優勢。
本文由Certinia的企業解決方案總監暨全球分析傳道者Joe Thomas共同撰寫。
相關文章
前 Ramp 工程師在從首個產品轉型後,為 Melius 平臺籌集了 2000 萬美元
Melius,一個由人工智慧驅動的廣告活動、圖片和影片建立平臺,於週二宣佈已獲得總計 2500 萬美元的資金。其中包括由 CRV 領投的 2000 萬美元 A 輪融資,以及由 General Catalyst 支援的 500 萬美元種子輪融資。儘管這家初創公司在今年 7 月結束隱身期後的短短兩個月內就實現了超過 100 萬美元的年化收入,但聯合創始人金周元(右圖)承認,Melius 並未立即取得成功。這家總部位於紐約的公司一年多前成立時,金周元及其聯合創始人金英(左圖)和阿爾納夫·拉穆(中圖
WeRide 釋出 WIIT,一種物理 AI 感知模型,用於解碼現實世界
在2026世界人工智慧大會(WAIC)上,WeRide釋出了WIIT,這是一個物理AI認知基礎模型,為人工智慧開闢了新的發展路徑,將焦點從資料解讀轉向現實世界的認知。WIIT引入了源自真實場景的“最小物理事實單元”概念。它將動態環境分解為可識別、可驗證的基本單元,從而建立起理解物理世界的穩健AI框架。藉助這些物理事實,WIIT提供了四項核心能力:事實提取、推理、驗證和編排。事實提取用於識別複雜環境中的關鍵要素,而事實驗證則釐清不同事實之間的關係。事實驗證增強了AI評估現實世界資訊準確性的能力
Anthropic執行長Amodei駁斥悲觀觀點,將AI信任危機歸咎於未兌現的承諾
在公眾關於人工智慧風險與監管的討論日益激烈的背景下,Anthropic 執行長 Dario Amodei 反駁了那些聲稱其言論過於悲觀的說法。這一澄清直接回應了投資者 Gavin Baker 的批評,後者在 All-In 播客和 X 平臺上表示,Amodei 關於人工智慧危險的警告加劇了公眾對美國人工智慧基礎設施(如資料中心)的抵制。Baker 認為 Amodei 實際上“輸掉”了監管辯論,並敦促他作為行業領導者採取更具建設性的立場。Amodei 否認其溝通具有負面性質,指出他的文章《充滿愛
相關專題推薦
評論 (2)
0/500
Pas étonnant que les gens se ruent vers l'IA pour leurs rapports ! Même si ça semble révolutionnaire, je me demande toujours comment on assurera la fiabilité des données. Un mauvais entrainement du modèle pourrait être catastrophique pour les décisions business. Espérons que cette course à l'IA n'oublie pas le 'fact-checking' humain 😅
商業界對人工智慧(AI)的熱潮比以往任何時候都要高漲,根據Salesforce的最新研究,高達83%的決策者計劃在來年增加對AI的投資。顯而易見,服務組織不僅僅是在試水;他們正全力投入AI與自動化的世界,仔細審視當前工具,以優化業務運營。事實上,這些組織中的絕大多數已經在投入資源於AI,只有極少的6%袖手旁觀,沒有計劃參與這項技術。
生成式AI也在掀起波瀾,24%的服務員工已經在使用它。效益?這很難被忽視。超過90%使用AI的組織報告在時間和成本上都有顯著節省。AI轉型服務的五大方式包括面向客戶的智能助理、自動化摘要和報告、服務回應、面向代理的智能助理,以及智能優惠和推薦。不僅僅是服務;AI在預測和報告方面也取得了進展,特別是在專業服務領域,93%在投資AI的組織中的專業人士表示,這項技術對效率來說是個遊戲改變者。
全球分析傳道者Joe Thomas分享了他對專業服務從試算表轉向AI的見解。他指出,試算表一直是從計費利用率計算到收入預測等一切事務的首選工具。但隨著數據複雜性的增加,這些老式工具難以跟上步伐。Joe預測,到2027年,AI將取代試算表,成為利用率報告和收入預測的首選方法,甚至可能更快發生。原因如下:
試算表不是答案
讓我們面對現實:試算表是過時的遺物。它們無法處理現代服務企業生成的數據量和多樣性。試圖用試算表進行預測需要從各個系統拼湊數據,這不僅耗時,還充滿錯誤。最近Forrester對600多位專業服務領導者的調查顯示,他們面臨的前五大挑戰中有四個與試算表有關。另一方面,AI不知疲倦地工作,處理即時數據,提供實時洞察,無需手動更新的麻煩。
利用率是個移動目標
在專業服務中,密切關注利用率至關重要,幾乎所有組織都認為可以改善利用率。但傳統報告方法僅顯示已發生的事情,而非未來的情況。AI通過分析即時數據改變了這一點,預測利用率下降的可能性,並允許領導者採取主動措施。例如,AI可以在高計費顧問即將完成項目但尚未安排新項目時提醒經理,實現及時行動。
收入預測需要細緻
預測服務收入遠非簡單;它涉及多個變數,如項目勝率、客戶行為和市場條件。試算表難以應對這種複雜性,常常依賴過時數據。然而,AI擅長處理這些變數,從過去經驗中學習,並持續優化預測。它甚至能發現人類可能錯過的模式,使其成為更精細預測的卓越工具。
服務團隊沒有時間
服務運營負責人每週花費大量時間追蹤、清理和驗證數據,只為了生成報告。這種手動流程既不可持續也不高效。將AI整合到PSA、ERP和CRM等運營系統後,數據流動無縫,關鍵指標可通過自然語言查詢訪問,從而釋放更多時間用於戰略任務。
AI帶來洞察
雖然試算表能告訴你發生了什麼,但AI更進一步,解釋為什麼會發生,並預測接下來可能發生什麼。現代AI工具使用可解釋的機器學習提供預測的背景,幫助領導者理解利用率下降或收入預測背後的原因。此外,AI還能運行“假設情景”分析,在問題出現前提供解決方案。
試算表是合規風險
不準確的預測可能導致嚴重後果,如錯過收益目標或預算超支。試算表難以審計且易於操縱,構成合規風險。然而,基於AI的平台提供完整的數據溯源和審計追蹤,使其成為受監管行業的更安全選擇。
行業的下一步
領先的PSA、CRM和ERP供應商已經將AI整合到其預測和規劃工具中。仍依賴試算表進行規劃和預測的80%企業很快將發現自己處於競爭劣勢。未來屬於那些將預測和報告視為智能、自主能力的企業。
要充分利用AI的力量,組織需要專注於數據和AI素養。領導者必須投資於整合策略和員工培訓,以確保AI能訪問可靠數據。試算表主導的時代正在消退,AI正逐步使業務流程更智能、更具預測性。擁抱這一轉變的專業服務公司將獲得難以輕易複製的戰略優勢。
本文由Certinia的企業解決方案總監暨全球分析傳道者Joe Thomas共同撰寫。
前 Ramp 工程師在從首個產品轉型後,為 Melius 平臺籌集了 2000 萬美元
Melius,一個由人工智慧驅動的廣告活動、圖片和影片建立平臺,於週二宣佈已獲得總計 2500 萬美元的資金。其中包括由 CRV 領投的 2000 萬美元 A 輪融資,以及由 General Catalyst 支援的 500 萬美元種子輪融資。儘管這家初創公司在今年 7 月結束隱身期後的短短兩個月內就實現了超過 100 萬美元的年化收入,但聯合創始人金周元(右圖)承認,Melius 並未立即取得成功。這家總部位於紐約的公司一年多前成立時,金周元及其聯合創始人金英(左圖)和阿爾納夫·拉穆(中圖
WeRide 釋出 WIIT,一種物理 AI 感知模型,用於解碼現實世界
在2026世界人工智慧大會(WAIC)上,WeRide釋出了WIIT,這是一個物理AI認知基礎模型,為人工智慧開闢了新的發展路徑,將焦點從資料解讀轉向現實世界的認知。WIIT引入了源自真實場景的“最小物理事實單元”概念。它將動態環境分解為可識別、可驗證的基本單元,從而建立起理解物理世界的穩健AI框架。藉助這些物理事實,WIIT提供了四項核心能力:事實提取、推理、驗證和編排。事實提取用於識別複雜環境中的關鍵要素,而事實驗證則釐清不同事實之間的關係。事實驗證增強了AI評估現實世界資訊準確性的能力
Anthropic執行長Amodei駁斥悲觀觀點,將AI信任危機歸咎於未兌現的承諾
在公眾關於人工智慧風險與監管的討論日益激烈的背景下,Anthropic 執行長 Dario Amodei 反駁了那些聲稱其言論過於悲觀的說法。這一澄清直接回應了投資者 Gavin Baker 的批評,後者在 All-In 播客和 X 平臺上表示,Amodei 關於人工智慧危險的警告加劇了公眾對美國人工智慧基礎設施(如資料中心)的抵制。Baker 認為 Amodei 實際上“輸掉”了監管辯論,並敦促他作為行業領導者採取更具建設性的立場。Amodei 否認其溝通具有負面性質,指出他的文章《充滿愛
Pas étonnant que les gens se ruent vers l'IA pour leurs rapports ! Même si ça semble révolutionnaire, je me demande toujours comment on assurera la fiabilité des données. Un mauvais entrainement du modèle pourrait être catastrophique pour les décisions business. Espérons que cette course à l'IA n'oublie pas le 'fact-checking' humain 😅





首頁






