开发者生态
morning
Agent演示惊艳,一进生产就不好用:SAP直指企业AI落地的最大幻觉
2026-11-17
1 阅读
约10分钟阅读
褚杏娟
字号:
“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。”蔡彦斌在谈及企业部署AI Agent的实际情况时直言。 企业的业务系统往往经过多年建设,数据分散在不同平台,系统之间存在复杂的依赖关系,业务规则也并不总是一致。AI Agent接入这些系统后,如何理解业务上下文、协调不同系统,以及应对生产环境中的异常情况?这些问题决定了Agent能否真正承担业务任务。 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。但从技术演示到真正投入生产,仍有不少工程问题需要解决。 围绕这些问题,InfoQ专访了SAP全球高级副总裁、SAP全球研发网络总裁柯曼博士(Prof. Dr. Clas Neumann),以及SAP中国研究院院长、SAP全球副总裁、HCM产品全球化研发负责人蔡彦斌博士。 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。蔡彦斌举了一个例子:他的一位朋友经营着一家自行车贴牌加工厂,曾让两个Agent制定未来几个月的产品定价策略。模型给出的分析看起来相当完整,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。 在小范围测试中,企业可以为模型准备数据、设定明确任务。但进入生产环境后,Agent需要面对分散在不同系统中的业务数据、长期积累的管理规则,以及大量无法提前穷举的实际情况。 柯曼认为,企业AI的目标应该是能够根据业务意图自主采取行动。例如,一家供应商的关键零部件延迟交付,系统不仅要及时识别风险,还要判断对生产和供应链的影响,并采取相应的补救措施。 在这一思路下,SAP提出了“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。 不过,对于已经运行着大量ERP、财务和供应链系统的企业,Agent要真正接手这些工作,仍需要解决数据、流程、权限和系统集成等问题。 模型很聪明,却不知道企业的规则 “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。”蔡彦斌说道。 相比按照固定规则执行任务的机器人流程自动化(RPA),Agent能够根据环境变化进行判断,选择不同工具和执行路径。但企业内部的数据往往分布在多个系统中,不同部门甚至可能对同一个业务概念采用不同定义。 例如,某个系统中的“客户”可能指签订合同的主体,另一个系统则按照实际收货或结算对象管理。如果没有统一的业务语义,Agent即使能够读取两套系统,也可能在执行任务时产生错误判断。 蔡彦斌认为,企业部署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,还要实现“语义就绪”,让AI理解不同数据所对应的业务含义,以及它们之间的关联。 为此,SAP正在将长期积累的业务数据和管理流程整合进知识图谱。据悉,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。知识图谱的作用,是将这些数据及其业务关系提供给AI,使其能够结合企业自身情况进行分析和执行。 以财务预算为例,模型需要了解的不只是某个部门的预算金额,还包括成本中心归属、支出规则、审批流程和相关系统接口。具体地,财务人员向Joule Work提出一个任务:第四季度电价预计上涨20%,需要分析哪些部门的剩余预算可能不足。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,并提出进一步核实电价生效时间、部门用电量和追加预算的处理建议。 这个体现了企业上下文的重要性。模型可以理解电价上涨的含义,但要判断哪些部门受到影响、预算如何调整,还需要调用企业已有的数据和流程。 Agent会改变ERP,但不会取代ERP 那么,随着Agent开始理解业务意图、调用系统和执行流程,传统ERP未来会变成什么样? 蔡彦斌认为,企业软件的使用方式肯定会改变。过去,员工需要熟悉不同的事务代码和功能界面,在ERP或SaaS系统中找到相应模块才能完成工作。未来,用户可能只需要向Joule Work提出需求,由AI协调后台系统完成操作。 但传统界面不会因此完全消失。“特别是在人需要干预的时候,或者某一个点有突发情况时,人还是需要跑到后台找到对应的事务代码、对应的屏幕。”蔡彦斌表示。 他预计,通过AI入口完成工作的比例会逐渐提高,传统界面的使用频率相应下降。但在可预见的阶段,两种方式仍将并存。 SAP也据此调整了企业软件架构。在其提出的体系中,Agent负责理解用户意图、编排任务;原有应用继续承载财务、人力资源、供应链等业务流程;数据层则提供企业知识和业务语义。 蔡彦斌透露,SAP目前已经发布了300多个智能体,希望通过Agent重新组织现有ERP流程,逐步覆盖更多端到端的企业业务。但这些智能体不会直接取代底层应用。 具体到产品,Joule Work承担用户交互和任务协调,Joule Studio则用于构建智能体。后者允许业务人员通过自然语言描述需求,由系统结合企业已有流程、数据和接口,生成相应的Agent。 这种开发方式也在改变企业IT团队与业务部门的关系。蔡彦斌认为,业务人员可以更多参与技术开发,技术人员则需要更加理解具体业务。对于SAP而言,原来负责传统SaaS应用的部分研发人员,也开始将积累的业务知识用于智能体开发。 不过,Agent越容易构建,后续管理就可能越复杂。 企业有几百个Agent后,谁来负责升级? 蔡彦斌预计,随着开发门槛降低,未来各个业务部门都可能利用类似Joule Studio的工具创建自己的Agent。一家企业同时运行几百个智能体,并非难以想象。 但数量增长之后,新的问题会逐渐出现。“智能体1、2、3协同完成了一个流程,智能体2版本更新了,你到底能不能和1、3协同?” 蔡彦斌提出的这一问题,涉及多Agent系统的版本兼容、依赖关系和持续维护。对于单个Agent,企业可以在修改后重新测试;但如果多个Agent共同完成采购、审批、财务结算等流程,其中一个组件升级,可能影响整个业务链路。 企业因此需要知道自己拥有多少个Agent、分别负责哪些流程、哪些只在部门内部使用、哪些已经进入集团级系统,以及它们之间存在怎样的调用关系。 SAP希望通过统一的智能体目录和版本管理机制,记录不同Agent的功能、权限和运行状态。对于需要跨系统协作的Agent,还需要管理A2A、MCP、API等协议连接,并通过网关控制访问范围。 蔡彦斌强调,企业必须在Agent上线前建立完整的测试流程,包括功能、性能、安全、准确率和合规验证。部署之后,还要持续监控运行情况,并在业务变化时维护相应版本。“不能等到有300个智能体在跑的时候,再考虑这个问题,那就有点太晚了。” Agent到底能获得多大的自主权? Agent数量增加之后,企业还需要解决另一个问题:什么时候可以放心让AI自己做决定? 柯曼认为,企业要利用AI实现自主运营,就必须给予系统一定程度的信任。但这种信任有明确边界。机器可以承担自主编排和执行工作,人负责设定规则,并对结果承担责任。 蔡彦斌则从企业实际工作出发,将自主性进一步划分为不同层
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱