ERP、CRM、Salesforce 这类系统，本质上是企业的 System of Record，也就是事实记录系统。它们负责记录业务事实、规范业务流程、管理权限审批、沉淀结构化数据，并支撑报表和管理决策。比如 ERP 记录采购订单、库存、发票、供应商、成本中心和财务凭证；CRM / Salesforce 记录客户信息、销售机会、商机阶段、合同金额、客户跟进和服务工单。这些系统非常重要，但它们有一个天然限制：人必须先知道去哪里查、点哪个菜单、看哪个字段、跑哪个报表。传统企业系统很强，但它们是“以系统为中心”的。人要围着系统转。
二、中间件解决了什么？
中间件、ESB、API Gateway、iPaaS、ETL/ELT 解决的是系统和系统之间如何连接。比如 CRM 的客户主数据同步到 ERP，ERP 的订单数据同步到数据仓库，Salesforce 的商机数据进入 Power BI，ADF 把数据加载到 Data Lake。中间件关注接口、协议、数据格式、消息队列、系统集成、数据同步、监控和日志。它像企业系统之间的高速公路和路由器。但中间件不解决用户到底想问什么，也不会主动解释这个异常为什么发生、这个客户风险为什么变高、下一步应该找谁处理。它让系统之间可以对话，但并不真正理解人的意图。
三、RPA 解决了什么？
RPA 解决的是让机器模拟人的重复操作：打开网页、登录系统、点击按钮、复制字段、粘贴数据、下载报表、发送邮件。RPA 非常适合流程固定、页面稳定、规则明确、重复频繁、人工操作量大，或者系统没有 API 的场景。它像一个数字员工，能代替人做大量重复点击。但 RPA 的问题也很明显：页面一变容易失败，流程一变要重做，判断能力弱，不理解业务上下文，只能按预设脚本执行。RPA 可以“点得动”，但不一定“想得明白”。
四、AI Agent 到底新在哪里？
AI Agent 的新价值，不是连接系统，也不是模拟点击，而是把人的自然语言意图，转成跨系统查询、分析、解释和受控执行。用户不会说“请调用 Salesforce API，查询 Opportunity 表并关联最近一次会议纪要”。用户更可能说：“帮我看一下这个客户机会有没有延期风险。”这时候 AI Agent 要理解任务：这是销售风险分析问题，需要查 Salesforce 商机数据，需要查客户最近沟通记录，需要看阶段停留时间，需要看预计关闭日期，需要识别风险信号，需要输出下一步建议。传统系统是：人知道去哪儿查，人点菜单，人看字段，人做判断。AI Agent 是：人提出目标，Agent 理解意图，Agent 选择系统，Agent 查询证据，Agent 解释结果，Agent 建议行动。这是从流程驱动自动化到意图驱动自动化的变化。
比如业务用户问：“今天 Service Unit 数据质量怎么样？”传统方式可能是打开 Power BI 看 Dashboard，查 ADF Pipeline 有没有失败，查 Synapse 里的 DQ 结果表，看异常明细，对比昨天趋势，再写一段总结。如果是 AI Agent，它应该识别这是 DQ status question，调用 DQ 结果表，检查 ADF Pipeline 状态，读取异常明细，对比昨日和上周趋势，识别高风险国家、字段和表，生成业务可读报告，必要时建议通知 AMS 或创建工单。这里 Agent 的价值不是简单查询，而是把多个系统里的信息组织成一个人能理解的结论。
夜雨聆风
