一、一个被反复验证的教训

金蝶的 AI 尝试早于现在的产品线。2023 年 8 月他们发布苍穹 GPT，思路是把大模型能力嵌进 ERP 与财务场景，做预算规划、代码生成这类助手。2024 年，苍穹升级为新一代企业级 AI 平台。

这一阶段验证了 AI 在企业管理场景的可行性，但同时暴露一个问题：Agent 如果没有企业既有的业务逻辑和上下文，很难真正干活。

二、记录系统 vs 行动系统

ERP 可以理解为"记录系统"——把事情记下来。但人要成为核心生产力，还需要在记录系统之上构建一套"行动系统"——把事情推进下去。

这个划分很关键：很多企业买了 AI，却只停在"记录"层，因为没人把"行动"那一层搭起来。

三、上下文里到底有什么

ERP 里沉淀的不只是数据，还有四样东西，它们才是 Agent 能干活的前提：

1. 业务对象之间的关系：一个订单关联哪些客户、库存、发票。
2. 审批流转的规则：什么事要谁批、卡在哪个节点。
3. 权限边界：谁能看什么、谁能改什么。
4. 历史处理习惯：以前这类问题是怎么解决的。

没有这四样，Agent 只能"从零开始猜"，猜出来的东西自然不能用。

四、他们怎么落地的

做法有一个细节值得学：产品被嵌到客户所有 ERP 系统的首页，员工打开 ERP 就能看到它。这解决的是"用不起来"的问题——不改变工作入口，就不需要改变工作习惯。

能力开放上也做了取舍：核心是开放数据查询能力。理由很实在——把一个复杂系统和一个 AI 平台结合起来让它完整干活，是极复杂的事；而在所有能力里，查询对客户系统的伤害最小。

换句话说：先从只读开始，再谈写入。这条原则适用于任何要在真实业务系统上动 AI 的团队。

五、数字与预期管理

但同时要看到另一面：产品发布仅五个月，技术上成立，客户价值的可信度、人机交互的边界，仍要靠工程能力和客户校验一起推进。

还有一个行业常识值得记住：任何新软件通常要 12 到 18 个月，才能从试用过渡到在关键业务系统中运行。Agent 也不例外。很多 Agent 产品推不开，不是概念不行，是产品本身还不够完善。

六、给企业落地 AI 的四条建议

1. 先整理上下文，再选模型。规则、权限、历史案例没梳理清楚，换多强的模型都白搭。
2. 从只读场景切入：查询、分析、归因，风险最低、见效最快。
3. 不改变入口：嵌在员工本来就在用的系统里，比新建一个平台更容易活下来。
4. 给足时间：按 12-18 个月的节奏做预期，别指望三个月看到全面替代。

一句话收束：AI 进企业，难的从来不是接入模型，是让模型看懂这家公司怎么运转。