谁说AI要杀死ERP?AI正悄悄给ERP装上超级大脑!

一批原生AI ERP初创企业正掀起新热潮，将矛头指向多年来一直由甲骨文、SAP、微软、Infor、Epicor、QAD、Sage、NetSuite、IFS、Acumatica和Odoo主导的市场。投资者之所以支持这些公司，是因为尽管ERP市场规模庞大，但因其复杂性、高成本和漫长的实施流程而饱受诟病。

降低ERP的复杂性并不等同于取代ERP，目前市面上销售的大多数产品属于前者，而非后者，但这并不意味着它们无关紧要，只是企业需要明确要解决什么问题、涉及哪些风险，以及它们在整个运营模式中的定位。

这些初创企业深知ERP用户面临的挑战：实施周期长、界面陈旧，即便有自动化技术，财务和采购领域的手动工作流程依然存在。Rillet、Campfire和DualEntry等新生的AI原生ERP和会计平台，提供了更快的结账流程、更清晰的迁移路径和自动化对账服务。

挑战在于，工作流工具并非记录系统。ERP是企业的核心和交易支柱，它管理着会计科目表、采购控制、库存逻辑、生产依赖关系、供应承诺、薪资、合规性、财务结账，以及决定谁能在每笔交易中查看、更改或授权什么的安全与访问控制。在受监管的行业，这份清单还包括直接融入交易核心的文档记录、审计要求和行业特定流程控制。这不是工作流层，而是跨越业务部门、地理区域和监管环境的运营控制。

AI可以加速在特定环境中已定义的任务，但它无法取代支撑这些任务的基本治理，它不能替代审批流程、数据所有权、审计日志或职责分离。在ERP工作流中部署自主式AI，若没有严格的限制条件、不可变的审计日志和明确的安全态势，将是一种风险，而非能力。这种安全态势包括在代理层面强制实施基于角色的访问控制，以及遏制违规行为，防止被攻破的代理在相连系统中传播访问权限。

ERP中一个常被忽视的风险是直觉编码，即利用AI通过提示生成代码，而缺乏结构、治理或测试。这在原型或轻量级应用中或许可行，因为错误风险低且易于发现，但ERP则截然不同，糟糕的ERP逻辑可能在整个业务中引发财务、库存、采购、税务或报告问题。在受监管行业，风险更高。在制药行业，一个错误就可能违反美国食品药品监督管理局(FDA)的21 CFR Part 11法规。收入错误可能导致《萨班斯-奥克斯利法案》(SOX)合规问题，而数据管理不善则可能引发《通用数据保护条例》(GDPR)问题。在收入确认或财务控制中不加约束地引入AI，确实存在风险。ERP需要的是确定性、可重复性和可追溯性的流程。大体正确是不够的。

每个AI ERP供应商都强调速度，但数据规范决定了这种速度是带来更好的决策，还是更快的错误。当底层数据模型一致、治理良好且值得信赖时，ERP系统才能发挥最佳作用。当物料主数据不一致、供应商记录重复、成本结构混乱、流程所有权不明确时，AI可能会加剧这些问题，而非解决它们。以错误的决策加速前进，并不会让决策变得更好，反而会让错误的影响更大。在航空航天、国防、生命科学和食品饮料等有严格文档或可追溯性要求的行业，数据治理问题也是合规问题。在这些环境中，AI基于未分类或未治理的数据运行，不仅会产生不可靠的输出，还可能产生违反行业特定文档标准的输出，并引发需要数月才能解决的审计问题。

在2026年1月的《福布斯》分析中，我探讨了Salesforce对企业AI应用的研究，并指出，数据管理薄弱一直是阻碍AI创造实际运营价值的主要瓶颈之一。在我所关注的每个ERP密集型行业中，情况都是如此。瓶颈很少在于模型本身，而在于模型背后的数据质量、谱系、所有权、访问控制和策略执行。这些都是治理问题，必须在信任AI层采取行动之前解决。

在之前为《福布斯》撰写的《ERP数据如何融入企业数据生态系统》一文中，我提出ERP不再是企业数据生态系统的唯一核心。这一转变需要企业做出深思熟虑的架构选择，而许多企业尚未采纳。

Snowflake、Databricks、微软Fabric、Cloudera、Teradata、AWS、谷歌云、IBM、Salesforce和Informatica不再仅仅是分析基础设施，它们正成为连接ERP系统、供应链平台和构建在其上的AI服务的纽带。这不仅仅关乎仪表盘，更在于使运营数据得到治理、可共享，并能被分析和AI所利用。在2026年的FabCon大会上，微软明确表示，Fabric正超越分析领域，成为一个更广泛的数据控制平面，OneLake、数据库、治理和AI将作为一个更统一的平台运行。思爱普正朝着类似的方向发展，其业务数据云旨在成为连接更广泛数据资产中的应用上下文、治理和AI的桥梁。甲骨文也在进行类似的广泛布局，扩展其Fusion数据和AI堆栈，以更紧密地连接其云平台上的SaaS应用数据、分析和AI服务。

当企业将ERP的交易数据、制造系统的运营数据和CRM的商业数据整合到一个受治理的环境中时，AI应用就变得可靠了。需求预测得到改善，采购模式识别变得更加准确，财务结账中的异常检测使企业能够从事后调查问题转变为及时发现问题并采取行动。

Infor和QAD提供了围绕运营规范而非营销定位构建AI的范例。

Infor的自主企业框架认为，行业特定上下文必须先于自主自动化，而非之后。“在Infor，我们的代理基于微垂直流程目录和客户数据，”Infor负责产品管理、平台和技术的高级副总裁维格内什·苏布拉马尼安(Vignesh Subramanian)说，“它们知道食品饮料产量中的浪费、制造废料和临床废物之间的区别，这种精确性消除了幻觉，但仅有精确性是不够的。当代理自主执行业务工作流时，治理要求与人类执行相同工作时的要求相同。”

这种运营上下文使自动化与现实紧密相连，降低了产生幻觉的风险。与大多数原生AI ERP的推销方式相比，它与复杂制造、分销和供应链决策的制定方式更为契合。Infor的四阶段模型以受治理的速度收尾，将治理视为实现自主执行的控制层。其治理架构围绕集中身份管理、零常驻权限、不可变日志记录和嵌入式治理、风险管理和合规(GRC)服务构建，计划于2026年10月发布。这在Infor的核心垂直行业中至关重要，因为这些行业中的制造商需要遵守国际标准化组织(ISO)要求，食品饮料企业需要遵守美国食品药品监督管理局《食品安全现代化法案》(FSMA)，分销商需要管理贸易合规性，它们都需要支持可审计性、可追溯性和人工审查的治理，而不仅仅是一般的企业安全控制。

QAD则从不同的起点解决同样的问题，其收购Redzone将连接劳动力技术直接引入了QAD自适应ERP产品组合。Redzone实时捕捉一线工人的活动、生产数据和车间运营信号，制造领域的ERP一直难以弥合系统预期与车间实际发生情况之间的差距。Redzone可以在数据源头层面帮助缩小这一差距，因为只有数据源头的AI信号干净，其上构建的任何内容才值得信赖，其ChampionAI方法不仅限于车间，还利用AI自动化工作流、迁移和现代化。

QAD报告称，实施时间已缩短至原来的四分之一。“自主式AI功能强大，但仅凭它本身并不能使企业现代化，”QAD首席执行官桑杰·布拉马瓦(Sanjay Brahmawar)说，“你不能简单地将轻量级或直觉编码的代理添加到一个对错误零容忍且期望实现真正变革的记录系统中。真正的突破在于一个准备好应用AI的ERP基础，它能够强制执行流程规范、维护数据完整性，并将决策转化为行动，而不仅仅是提供见解。”这才是使AI在ERP中具有实际运营价值的模式，而不是在不一致的数据上叠加自动化。在汽车供应链中，国际汽车工作组(IATF)16949标准和客户特定要求要求实现完整的生产可追溯性，这种数据源头规范是一项认证要求。运营韧性意味着即使组件出现故障，系统也能产生值得信赖的信号。

声称自己是已建立系统的替代品的原生AI ERP初创企业，其可信度已得到认可，但它们能否证明自己能够控制局面、建立信任并在大规模上提供一致的结果呢?一个概念验证或中端市场部署(风险容忍度较低)并不是衡量标准。在大型企业中，财务结账、采购控制和合规报告等流程在很大程度上依赖于系统在不同季度和地区的可靠性。在受监管行业，标准更高。一个没有在FDA监管的制造、航空航天文档或金融服务合规方面有记录在案的业绩的初创ERP供应商，可能并不是已建立供应商的可信替代品，而已建立供应商已花费数年时间构建行业特定认证支持。在这些环境中，韧性和安全性是基本准入要求，而非差异化因素。

在企业部署中，AI正从边缘而非核心进入ERP，它增强了规划、自动化了对账、标记了异常并加速了手动工作流，但重要的是要记住，这并不能取代使企业在财务和运营上平稳运行的核心系统。

市场机遇在于围绕ERP构建互联生态系统，在这些设置中，高质量、受良好治理的数据从交易核心流向更广泛的平台，为AI提供可靠的输入。在未来五年内，理解这一关键差异的既有供应商和新供应商都将保持重要地位，ERP仍然是企业的核心，其数据质量、安全架构的强度以及行业特定合规性的稳健性，决定了其上的AI层是增加真正价值，还是仅仅放大了底层噪音。在这个基础上，不能走捷径。

如果您在企业IT、网络、通信行业的某一领域工作，并希望分享观点，欢迎给企业网D1net投稿。

投稿邮箱：

editor@d1net.com

合作电话：

010-58221588（北京公司）

021-51701588（上海公司） 

合作邮箱：

Sales@d1net.com