在11月17日发布的专访中,SAP全球高级副总裁、全球研发网络总裁柯曼博士(Prof. Dr. Clas Neumann)与SAP中国研究院院长、全球副总裁蔡彦斌博士指出,AI Agent在企业落地面临业务语义断层、系统异构集成与生产环境鲁棒性三大瓶颈。蔡彦斌直言:“POC非常成功,领导都非常高兴,说我们就去干吧。可真正做起来,效果完全不一样,数据不准确,其他问题也都出来了。”
企业业务系统往往经过多年建设,数据分散在不同平台,系统之间存在复杂依赖,业务规则也并不总是一致。蔡彦斌举例称,一位经营自行车贴牌加工厂的朋友曾让两个Agent制定产品定价策略,模型给出的分析看似完整却无法直接使用,因为它不了解具体产品,也不清楚企业的客户情况。模型能够理解行业知识,却未必知道一家企业究竟如何经营。
在日前落幕的SAP TechEd 2026上,AI Agent进入企业核心业务流程成为重要议题。SAP提出“自主运营企业”(Autonomous Enterprise)愿景,希望让AI从辅助工具逐渐进入企业核心业务,承担更多流程编排和执行工作。柯曼认为,企业AI的目标应是能够根据业务意图自主采取行动,例如在供应商关键零部件延迟交付时,系统不仅识别风险,还要判断对生产和供应链的影响并采取补救措施。
蔡彦斌表示,企业内部不同系统可能对同一业务概念采用不同定义,例如“客户”在一个系统中指签订合同的主体,在另一个系统中则按实际收货或结算对象管理。“企业里面有两个系统,到底应该遵循哪一个系统的规则?这个事情,智能体自己解决不了。”他认为,部署Agent首先需要做好“干净的数字化核心”(Clean Core),包括数据标准化、流程标准化和主数据治理,在此基础上实现“语义就绪”。
SAP正将长期积累的业务数据和管理流程整合进知识图谱,其ERP系统积累了700多万个字段、50多万张数据表和超过15000个业务流程。以财务预算为例,财务人员向Joule Work提出任务:第四季度电价预计上涨20%,需分析哪些部门剩余预算可能不足。系统随后调用企业后台数据,找出六个成本中心,识别其中三个可能出现预算缺口,并提出核实电价生效时间、部门用电量和追加预算的处理建议。
扫码查看视频号
咨询
咨询