当 AI 走进 ERP,企业软件如何变化?

当 AI 走进 ERP，企业软件开始从“记录业务”走向“参与业务”

一张供应商送货单，仓库人员拍照上传后，系统自动识别商品、规格、数量和批次，匹配采购订单，生成一张待审核入库单。

审核人打开单据，左边是原始图片，右边是识别后的明细。商品是否匹配、数量是否超收、单位是否需要换算，系统已经标出。确认无误后，按原有流程审核生效。

整个过程中，用户不需要学习提示词，也不必知道背后调用了哪个模型。他感受到的变化很直接：少填了一张单，少切换了几个窗口，也少了一些重复核对。

这样的场景，可能正是企业 AI 最有生命力的落点。

当人们热衷讨论 AI Agent 能否成为数字员工时，一个更值得关注的问题是：AI 怎样进入真实业务流程，把一项工作准确地做完？

企业 AI 的价值，最终要落在业务结果上

通用 AI 已经能够写文章、整理文档、分析图片、生成表格。这些能力可以提高个人效率。

但进入企业经营场景，问题会很快发生变化。

客户发来一份询价单，AI 可以识别里面的商品，却还需要知道：内部对应哪个编码？有没有可销售库存？这个客户适用什么价格？折扣是否需要审批？

供应商发来一张送货单，AI 可以读出数量，却还需要确认：对应哪张采购订单？是否已经入库？“箱”和“件”如何换算？实际验收数量是多少？

从看懂材料到完成业务，中间隔着企业的数据、规则和执行能力。

缺少这些条件，AI 可以给出建议，却很难交付可靠的经营结果。而这些条件，恰恰长期沉淀在 ERP 及其关联业务系统中。

ERP 与 Agent，会越来越紧密地结合

ERP 内嵌 AI，与开发 Agent，并不是两条互斥的路线。

AI内嵌于ERP，说明能力在哪里提供；Agent说明任务如何执行。一个运行在 ERP 中的采购助手，可以是 Agent；一个独立部署、连接 ERP、CRM 和仓储系统的助手，也可以形成完整业务流程。

两者的区别，更多体现在任务是否需要动态选择步骤。

例如，“上传送货单，生成待审核入库单”，流程明确，使用固定的 AI 工作流就能解决。

而“处理今天的客户询价，有货的报价，缺货的查在途，规格不清的整理待确认问题”，需要根据执行结果选择后续动作，Agent 就有了更大的发挥空间。

微软 Business Central 的 Sales Order Agent，已经将客户邮件、商品可用性查询、报价和销售订单处理连接起来，并配合人员审核、权限及任务记录。这体现了一个明确方向：Agent 正在进入具体业务流程。微软官方说明

企业选择技术路线时，真正应该问的是：任务需要多少自主判断？哪些步骤可以固定？结果怎样验证？失败以后怎样恢复？

有企业数据，还需要让 AI 理解业务含义

给 AI 一个数据库账号，并不意味着它就懂了企业。

同样是库存，可能分别指账面库存、可用库存、冻结库存和待检库存。同样是一张订单，草稿、已审核、已关闭、已作废，对后续操作的意义完全不同。

如果这些含义不清楚，AI 即使查到了数据，也可能给出错误结论。

因此，ERP 面向 AI 开放能力时，更适合提供明确的业务操作：

“查询可销售库存”“按客户计算报价”“创建待审核入库单”“查询订单剩余收货量”。

这些接口背后继续执行既有的权限、计算和校验规则，AI 负责理解需求、组织信息和选择调用。

企业的业务也不只在 ERP 中，合同里的特殊条款、邮件中的交期承诺、客户沟通中的规格变更，都可能影响业务决策。

未来的重要能力，是让这些分散信息能够关联到正确的客户、商品、订单和业务状态。

未来的企业 AI，可能以三种形态同时存在

第一种，是嵌入日常页面的 AI 功能。

上传附件自动制单，导入询价表自动匹配商品，审核时自动提示差异，查看报表时自动解释异常。用户不需要主动使用 AI，只需要照常工作。

这类能力离现有业务最近，也容易衡量实际收益。

第二种，是围绕业务事件运行的任务助手。

收到询价邮件后建立任务，供应商修改交期后检查受影响订单，收货出现差异后整理相关依据。

用户面对的将是一个工作报告台：哪些工作已经完成，哪些还缺资料，哪些需要确认，哪些发生了异常。

第三种，是跨系统完成目标的业务 Agent。

例如，要求系统检查下周可能延期的订单，并提出可以执行的处理方案。它需要联合订单、库存、采购、产能和物流信息，分析原因，再形成调整建议或待审批任务。

这类应用价值更高，也更依赖数据质量、系统接口和业务规则。它的成熟需要持续验证，不能仅凭一次演示判断。

这三种形态很可能长期并存。对话适合表达目标，表格适合批量核对，单据适合查看细节，看板适合追踪进展。未来企业软件的交互方式会更加丰富。

自动制单之后，企业还要解决审核效率

在已有审核机制的 ERP 中，让 AI 生成待审核单据，是一条务实的落地路径。

它既能减少人工录入，也可以沿用企业熟悉的责任和审批流程。

不过，随着自动制单量增加，审核可能成为新的瓶颈。如果审核人仍需逐字段重新录入式核对，原本节省下来的时间，就会转移到另一个环节。

因此，审核页面也需要同步升级：

- 点击字段，即可定位原始图片中的对应位置。

- 展示商品、数量、价格与关联订单的差异。

- 突出缺失、冲突和不确定信息。

- 保存识别结果、人工修改和审核记录。

对于已经验证稳定、规则明确的场景，可以逐步提高自动处理程度；对于例外情况，则及时交由人员判断。

人工的工作重心，会逐渐从重复录入转向确认事实、处理异常和承担决策责任。

ERP 厂商的机会，在于把业务积累变成 AI 可调用的能力

拥有 ERP 产品和实施经验的团队，有一个重要起点：知道客户实际怎样采购、收货、报价、发货和结算，也知道异常通常发生在哪里。

但这种优势需要转化。

主数据是否规范？业务接口是否清晰？权限能否准确继承？操作是否可以追溯？失败重试会不会重复建单？这些问题，决定 AI 能否稳定进入生产流程。

更值得投入的建设顺序，是先做识别制单等高频场景，再完善公共的业务查询和操作能力，随后扩展审核辅助、异常处理和跨系统任务。

效果也应回到业务指标：每张单据节省多少时间，审核修改量减少多少，订单响应加快多少，错误与返工是否下降。

企业软件正在从帮助人记录业务，逐步走向帮助人完成业务。

在这一过程中，AI 提供理解和协调能力，ERP 提供可信的业务状态与执行规则，人员掌握授权、判断和责任。

对企业而言，最有价值的 AI，可能并不总是那个最醒目的聊天窗口，而是每天替员工准确完成一部分工作、让业务运转更加顺畅的系统能力。

如何你的企业，想更深入的了解AI如何走进你的ERP系统，欢迎关注，联系我们！