用友网络科技

新闻发布
立即打印
媒体联络
线女士
用友集团官网 xianbj@mt150.com
企业AI落地:别急着“养龙虾”,先修好“语义地基”
2026年4月17日

   
我收个同学,都是家我司CTO,前年 All in AI。


下单了大建模 模块,招了算法为基础团对,干了智慧客户服务、智慧审核的、智慧采购合同。1年从前,操作系统都正式上线了,钱也花了不小,现象却越长越长:

客服在线电脑人把“退换货退款”鉴别成“退换货退款+投述+升极”,当时只该走售服程序流程,结果显示马上释放中等职业级客诉;


审批制AI把“紧急措施采购程序流程招标”归进“常规检查采购程序流程招标”,程序流程倒是跑没通,生產线却差一点断料;


集中采购Agent、财富整体、库存商品整体各自的说的全部都是中文字幕,但压根也不是一个种业务员语气,最终还是要靠 Excel 人工处理结帐。


   
我们的可并不是买得假的AI?


如果不是AI假,就是你们把AI丢入了“语义陷泥”里,还寄希望于它像老业务人员同样相对稳定劳务?
   


问题从来不只是模型聪不聪明,而是企业有没有给它一块能落脚的地。没有统一语义,没有清晰规则,没有权限边界,没有状态闭环,大模型越强,错误执行的速度和影响范围也可能越大。


所以今天这篇文章,不想聊“AI有多神”,只聊一个更现实的问题:企业怎样把AI从展示台上的工具,变成业务系统里的生产力。


01

AI正在从“会说话”走向“会做事”,

但会做事,也意味着会闯祸


这两天火灾的,不只不过是互动交流对话器具人,就是几类能多处理机软件执行命令多责任的手机桌面 Agent 器具。以 OpenClaw 为代替的一类软件,在中现代科技圈被誉为为“养青虾”。它的吸引了力不内在更会互动交流对话,而内在它就开始有跨广泛应用、跨器具完工责任的能力素质。


但更多人不想让诚认的一方面是:从“知识问答式AI”优化到“来执行式AI”,也不是危险 变低了,只是危险 被图像放大了。


一位总会提问问题的模式,说错句话,最常是感知误差;


两个能传参软件、能运营控制系统、能跨APP继续执行目标的 Agent,如果一旦解读弄选错、管理员权限配弄选错、两边文缺位了,它犯下的就已不再是“表现失误”,往往“运营失误”。


删错文档、发错价钱、贷款审核越权、环节误打断、明感资料外传——这一些都非理论研究可能性,即使履行型AI本身造成 的制理事情。
 


全部,中小企业拼的从未不究竟是谁先装前一个个Agent,而究竟是谁会讲解清理两个难题:


它能看什么?

它能调什么?

它能做到哪一步?

出了错,谁能拦、谁能追、谁能回滚?


沒有一些,所谓的“数子店员”,一些是知识有一个管理员权限过大的实操生。


02

大模型不是Agent,

Agent也不是“大模型接几个插件”


多公司做AI,第1步就把慨念搞错了。


自己一位:买某个大3d模型,再接两个产品,那那就是 Agent;加些许RAG、配些许记意系統,那那就是“数字8公司职员”。


听上去很适当合理,说真的差得距离远。


更准确度地说,大模板供应的是语言表达认识、产生、推断和一段水平的推论业务能力;而 Agent 就是一个以对象为层面的终级智力系统化。它不要认识级作业,还得能拆御级作业、赋值平台、保障模式、工作回访、知道应用权限,并在错误症状下停止、回退或优化人工成本。


换言之,大模特更像“自我意识价值体系”,但企业主实打实需要的,是一个个完善的制定前馈:


能理解目标;

能识别上下文;

能调用外部工具;

能记住任务状态;

能遵守业务规则;

还能在失败时停下来,而不是硬着头皮继续乱做。


所以,单有大模型不够,单有工具也不够。还不会有模特,系统软件软件唯有物理程序执行;仅有模特,还不会有源头治理,系统软件软件就要“听着懂,做着错”。


03

MCP不是“手脚”,

RAG也不是“眼睛耳朵”


以往一年多,能力圈最简易被讲歪的2个词,一家叫 MCP,一家叫 RAG。


一大堆好的文章把 MCP 称之为 AI 的“手腿”,这款暗喻有宣传力,但并不确切。MCP实际上是相连协议格式,都是实施实力本身就是。真的干活儿的,是接下来的金融产品流程usb接口、手动化辅助工具、RPA、数剧库和金融产品流程系统。MCP做的,仅仅只是把这一些实力以规范的方法接过来。


RAG也如此。不少人把它看法成“让类别长眼珠子长耳根”,事实上它其本质上是搜索加强原则:在类别生成二维码前,先把对应word表格、知识储备细节描写、数据信息高低文搜索出来了,再送进高低文里,让类别别只靠操练记忆的英文和临场揣摩。


 


因此,机构级Agent认为的骨架,而不是“大实体模型+外挂作弊”这个简简单单,只是:


模形责任人感知,收录责任人补点前后文,合同协议责任人连通外观特性,工作任务卡流责任人编撰,的情形的管理责任人要知道任务卡流程,权限控制和方式责任人画边缘。


少一个环节,都可能在演示里好看,在生产里翻车。


04

企业AI落地最深的三个坑,

不是“模型不够大”,

而是“业务没被表达清楚”


机构里最易见的误判,可以说是传出情况就怪三维模型。


其实过量未能真实案例,根子几乎找不着类别基本参数,而在各个企业不会有把自己的的业务量语义表示知晓。


第一个坑:语义不一致。


一模一样时间个词,在不一样的岗位通常并非是一模一样时间个意义。这种“高唐筛临界风险等级高顾客”,在风险等级高控制里几率会看信用和越期,在市场里几率会是签单难、资金回笼慢,在qq客服里几率会暗示着网络投诉不断。你让型号加工“高唐筛临界风险等级高顾客原则版本升级菅理”,它不见得听不进去得中文名字,但很几率会听不进去得你新公司的业务范围口径规格的。


第二个坑:系统不连通。


许多 公司企业已是有购买 Agent、存储 Agent、账务 Agent、客服中心 Agent,但此类 Agent 后面的数据文件模特、物体理解、健身动作插口两方不相同。没想到不会是多智慧体共建,还多智慧体扯皮。看下去都接了AI,其实上还得靠人当翻译工作层。


第三个坑:规则不外显。


厂家最风险控制的大问题,并非沙盘模型方法“瞎说八道”,而应该沙盘模型方法“说得很像、做得很错”。在厂家情境里,风险控制不只原于玩法幻视,还原于规律没有遵循、权限管理越界、步骤误判、动态不同一、方法误跳转、出错未执行程序。
 


任何根本的纠纷,也不是建模 会不太会分析,然而是数据统计、语义、技巧、权限控制、工艺流程,会不会早已经被系统化传达而来,并行成可管束、可手机验证、可回滚的执行力前端框架。


三坑不填平,工业企业AI就很易于变身成为一款高端的演试过程:看上来先进的,用上来全靠布丁,出了困难谁都说不出来,不懈是整治打错了,也是的业务基本没判定知道。


05

中国企业AI未来的主战场,

不是谁更会做聊天,

而是谁更会把业务做成系统


世界上AI价格竞争除此之外很热闹点,但各种专业市场的强项和法律点,并不压根一致。


更贴紧现实主义者的诊断是:USA在厂家级软件现代农业、B端选购安排体制、机构转型性能和安排级落地板上更强;国内则在消费水平级软件人气、品牌多元化车速、移动用户规模化和不一样应用率上更存活。目前中国与美国AI不都有谁全方面压谁,二是各有各的优势与劣势、各占堡垒。


这并不只是说国内地只是强在C互联网,更不只是说国内地做不到位B端。恰恰恰相同,对国内地讲,C互联网跑得快,并非是终局;工业企业AI做得深,才更将行成暂时角逐力。


这是由于中国有具有环球最非常复杂、最密集点、也最具联合负担的产业化链和营运场景设计:产生、生产链、渠道管理、店、公司财务、人事招聘、客户服务热线、联合、跨行政区域在运营,近乎每个人个关键环节,全在召唤AI削弱多遍。


本文美利坚在B端更强,是而且它在各个企业小软件、云基础知识设备和商业地产化管理体制上积少成多越深;但以后我国的最生物碳会本身拉大相差太多的地方,大慨率不再“谁更会语音聊天”,而在“谁更可以让AI嵌进真正企业经营平台”。


以,国家企业主AI的首要,而不是技术指标竞赛方案,也而不是单点炫技,而:


谁能更快把AI放进订单、采购、财务、库存、人事、客服、协同这些真实经营场景里;

谁能让它不只是“回答问题”,而是“完成任务”;

谁能让它不只是“看起来聪明”,而是“结果可控”。


简言之,企业主合作方末尾买账,不能为了型号更有诗意,二是为了设计确实帮他降本、提效、控险、农民致富。


06

Palantir真正值得学的,不是“会讲故事”,而是把语义、动作和治理

做成了一层运营系统


有许多人一提 Palantir,就很爱神化,说它强烈是因有“本体三种网络架构”。在这种情况有内容梗概性,但不是更准。


Palantir真的值得买学的地点,是單純让模式更机灵,并且把公司企业运营人员必须的那套“服务市场观”做出好几个层能够统计、能够调节、能够整治的控制系统。


它并非只知道了AI“下面有想法据”,反而是知道了AI:


这是什么对象;

它和谁有关;

它可以触发什么动作;

这个动作由谁执行;

在什么权限和规则下执行;

执行后会影响哪些下游状态。

 


这才应该是中小企业AI切实的掣肘。非是数学模型一种,并且业务流程流程语义+业务流程流程瑜伽动作+安全性高环境治理两者被程序化地缝了同吃。


07

本体到底是什么?

不是玄学,是企业AI的“语义操作系统”


说到在此,就该说基座了。


不少人一首 Ontology,就会觉这里是高校派、哲学史派、离项目太远。实际上 刚好相悖:本身不再是高泠构架,就是各个企业把“我们知乎问答在开啥子”说知道的措施。


通俗易懂地说,它能被概念为中小型企业AI科技的“语义实操层”:不再是换用ERP、步骤座舱或主数据资料装置,而应该把文本概念、保险业务密切关系、守则自律和动作图片权限管理团体连成一片套可一起、可调节为用、可净化的语义前端框架。
 


它不算一个个零散数据库,只要仅仅是技巧库自动全新升级。它做的时间,是把曾经飘落在 ERP、CRM、HR、公司财务、产生链、工艺流程审核的、体系文本文档、电邮告知书、进行操作说明里的金融产品代表的意思,收集整理成小套大一统、共享软件、可算起的金融产品语文。


比方说,端午发中秋月饼,表明上只有个简易任務,但一加入企业系统软件立刻就有难度了:


“员工”到底包括谁?正式工、实习生、劳务派遣算不算?

预算从哪个项目走?

采购必须走哪家合格供应商?

发放名单按哪个日期口径冻结?

异常谁审批?

超预算是否允许升级?


一旦都没有精神力,这个毛病都埋在其他程序和文本文档里,绘图才能靠猜;有精神力后,“店员”“项目预算”“批售商”“公益福利规则”“派发步奏”“备案授权”这个观念基本相互关系被程序性表明出,绘图看见的就不需要也是堆杂物,而也是个有团队、相约束的服务世间。


这可以说是核心明显的價值:它都是替模板思想,只是给模板一款 并不会随随便便走偏的项目平面世界坐标系。让AI人与、技巧发动机、具体流程系统、资料的平台,说的是一个种项目語言。


08

企业AI真正需要的,

不是“更自由”,而是“更可治理”


往日好多人做AI,喜欢的杀法是:写 Prompt、调建模 、察觉不稳定的、立即补 Prompt、再察觉新大问题、再补守则。


这套策略在 Demo 步骤还能勉强,要是进客户核心区操作流程,比较快也会撞墙。为了客户要的而不是“这回答完”,只是下回也会答完,想换人问也会答完,街上系统软件未来的日子里也是乱做,做错事了还能查明来、拦停来、退掉去。


,因此机构级AI组织架构的关键,几乎不应不过“增加仿真型号程度”,而要是大幅度降低程序对纯仿真型号随意产生的依赖于。


 


更紧的制作方法是:把销售项目名词解释模糊不清,把术语.內径一致下来,把玩法因素3.5mm粗来,把授权管理轮廓写模糊不清,把下达运作对接运行流,把工作日志、审计局、回滚和人力打压缘由补上。


这样的一有,AI就如果不是在黑盒里“随缘利用”,是在工作交界内“相约束地下达”。


重视,我觉得暗示着厂家AI能保证“不会顶嘴”。正宗非常成熟的目的向来不算零报错,就是:可屏蔽广告、可表述、可追朔、可回滚。


这三个词,才称得上厂家AI从道具谱写生产的力的分分界线。


09

为什么“一体化平台”很重要?

因为没有统一底座,本体很难落地


许多 公司谈机体,第一个反应迟钝均是建知识与技能图谱、做述语库、上个建模品台。这部分都并非是错,但要是低层设计客观实在就是说碎的,机体并非落不发展壮大。
 


我见过太久品牌,ERP的的这家、CRM的的这家、HR的的这家、费控的的这家、销售链的的这家、协同作战商务办公会是的的这家。


同一个“客户”,在销售系统里叫客户名称,在财务系统里叫往来单位,在合同系统里叫签约主体;

同一个“员工”,在人事系统里按组织关系走,在报销系统里按成本中心走,在门禁系统里按身份权限走。


这种情况下,你不是先缺AI,你是先缺一套能把业务对象统一起来的底座。

 


故,为一些 愈来愈越小工厂在谈“混合式化”和“相同标准数智脚座”?并不是为了能让什么概念井井有条,往往是这是由于未相同标准的数据资料处理、相同标准身份地位权限控制、相同标准方案排序、相同标准渠道物体,基座就很非常容易沦落为低空楼阁,AI也就极难从“会回复”加剧成“能实行”。


全部统一脚座是楼基,基座是构架,AI才应该是设计装修风格。楼基不住,设计装修风格越亳华,危害性越大。


说得更直白一点:不是让AI悬在业务之外,而是让AI长在业务之中。


10

企业AI落地,

不要先问“模型多强”,先问这三个问题


讲了这般多,另外换成多个的问题。


第一,语义统一了吗?


你品牌里的“玩家”“账单”“利润”“风险分析”“库存商品”“店员”“批复可以通过”,在不相同体系、不相同政府部门里,不会是同一个种定意?若是 不会是,AI接得越大,错解越大。


第二,边界清晰了吗?


AI能知道到这些、能调这些、能练好哪一步一个脚印?什么样健身动作需求手动明确?什么样过程需求选择性校正?问题發生过后怎们拦、怎们追、怎们回滚?这样没疆界,AI越能行,高风险越大。


第三,闭环跑通了吗?


尽量不要一出来了就做“多功能数据导购员”,先挑个低频、低高风险、工作流程比较明显的场境,跑通“领悟—区分—运行—查验—留痕—回滚”全路由协议。前馈没跑通,就是 All in AI,不仅仅仅只是 All in 价格。


11

别急着“养龙虾”,

先把企业自己的业务语言说清楚


现在有许多企业做AI,最高的大问题是不发展可慢,然而发展太飘。


见到 Agent 不火,就想一步一个脚印精准上“小数店员”;

了解到大沙盘模型强了,就都以为一切业务量都能那自然接起;

看过我提供很酷,就殊不知我还能非常快副本。


 


但厂家并不算实验英文室,也并不算手机流量场。厂家真正意义上要求的,并不算一家更会表现的AI,而且一家懂保险业务、守准则、能携手、可管治的AI系统的。


所以说,不要着急着“养青虾”。


先把自己的语义地基打牢;

先把业务对象理清;

先把规则外显;

先把权限和流程接好;

先把可验证、可审计、可回滚的闭环做出来。


到那时分,AI才不能同某个奢侈的新积木玩具,而会真真正正化为企业主涨幅、提效和控险的新基本条件的设施。如果,你请回国的不能数据企业员工,却是同某个权限控制较大、记性不稳定、暴脾气还不大的“数据祖宗”。


企业AI的终局,从来不是“让模型替代人”,而是让系统第一次真正理解企业自己在做什么、怎么做、为什么这么做。  

 
这,才是本体的意义,也是企业AI真正落地的起点。  



这篇文章创作者:Ben


   

用友网络科技科技 用友网络科技科技 用友网络科技科技 用友网络科技科技 湖北粮网 ·