企业AI的下一个机会，藏在“人说的话”里——写给软件代理商

当客户用大白话向系统提问，最先对不上的，往往是词。

过去一年，我们见过太多企业把大模型买回去，又悄悄放下的案例。

不是模型不够强，而是用起来总“差点意思”：问出的答案不对味、检索到的知识不对路、各部门对同一件事的说法对不上。

这篇文章想跟软件生态的伙伴们分享一个行业判断：企业AI的下一轮增长，正在从“模型能力”转移到“人的表达”和“企业知识”上。谁能帮客户把这件事落地，谁就握住了未来两三年最确定的机会。

01 行业变化：企业AI的瓶颈，不是模型，而是人

企业推动AI落地时，几乎把全部注意力都投向了“AI这一端”：提示词工程、检索增强、本体工程、智能体框架、上下文工程。

这些工作当然重要。但它们有一个共同的隐含假设：人的表达是给定的、可信的输入——大家默认“人会好好提问”，然后集中精力优化“AI如何理解问题”。

这个前提一旦不成立，后面的一切都会失效。AI的交付效能，约等于模型能力和使用者能力的乘积。模型这一端能提升的幅度越来越有限，人这一端的差距，正在成为决定企业AI成败的主战场。

02 金蝶客户上AI，卡在最朴素的环节：说不清

同一个词，四种含义：ERP把流程管住了，语义的账还没人算。

金蝶把客户企业的流程、科目、单据管得清清楚楚——ERP里的字段是锁死的，语义是权威的，这正是“削足适履、先固化再优化”换来的严谨。

但当客户开始用自然语言向AI提问，问题就来了：ERP里的“客户”是往来单位档案，业务员嘴里的“客户”可能是任何打过交道的公司；财务说的“回款”和销售说的“回款”，统计口径可能完全不同。两套语义在AI这里打架，再聪明的模型也答不对。

我们的判断是：绝大多数企业AI项目失败，不是死在技术上，而是死在这一层——人没有一套受控、共享的语言。

03 新的基础设施正在形成：受控词汇表与企业知识库

工业时代的公共品是电力和道路，互联网时代的公共品是协议和标准；大语言模型时代，受控的企业知识术语表与开源的知识本体，正在成为保障AI有效性的新型公共品。

参照开源软件的机制，企业知识正在走向“开源”：标准化的知识资产跨企业流动复用、词表随实践共识版本化更新、由行业协会和龙头企业以同行评审的方式治理。一旦形成社会性的“人类本体”，微调、RAG、提示词这些AI工程，才能从“替人猜意图”回到本职。

04 软件生态的互补空白：ERP管流程，谁来管“语义”？

ERP解决的是“流程怎么走”，但AI落地需要先解决“话怎么说”。这正是软件生态里一块明显的互补空白。

以知识库为核心的产品方案，正是补上这一层：把企业里“人要说的话”和“AI要懂的知识”，放进同一个受控体系。

统一知识库底座——将术语表、业务规则、制度文档沉淀为结构化知识资产；受控词汇表与本体建模——为“客户、订单、供应商”等核心概念建立权威定义；人机语义对齐机制——配套通俗释义与培训，并在AI交互入口校验用词；知识版本治理——权威定义可追溯、可评审；与AI工程无缝对接——直接作为RAG底座、微调语料与智能体边界。

它与软件ERP天然互补：不替代ERP，而是让客户沉淀了几年的业务数据与制度知识，真正变成AI能听懂、能用好的资产。

05 对代理商，这意味着什么

对软件生态的伙伴来说，这不仅是趋势，更是生意。三个机会值得关注：

一是老客户增值。服务多年的ERP客户普遍有AI需求，但大多不知道从哪入手。以知识库切入，门槛低、见效快，是从“卖系统”到“卖价值”的升级路径。

二是新签单入口。AI时代，客户越来越先问“你能不能让我用大白话跟系统对话”。手握知识库产品，就是一张差异化的入场券。

三是持续服务收入。知识资产需要持续治理、版本更新和人员培训，天然带来服务型收入，而不只是一锤子买卖。

06 判断与行动：现在就可以做的事

判断一个AI相关产品值不值得代理，可以看三件事：客户有没有“说不清”的痛点——几乎都有；产品能不能与生态无缝衔接——补位而不是添乱；知识资产能不能持续增值——决定收入结构。

行动建议只有一条：别等趋势成熟。选一到两个老客户试点，先把“客户、订单、供应商”这几个词对齐，让AI先在一个场景里答对问题，你就已经跑赢了大多数同行。

企业AI能走多远，不取决于模型多聪明，而取决于使用模型的人，能不能在一套共享、受控的词汇体系下，说出精确、一致、可被机器和同事共同理解的话。

对软件生态的伙伴来说，这句话既是判断，也是机会。