AI时代下企业数智化转型的思考与实践之3-1What 共通要求

weixin_46186564

568人浏览 · 2026-03-11 08:28:57

weixin_46186564 · 2026-03-11 08:28:57 发布

导言

依照第一性原理，从组织/业务执行范式出发，按照企业架构的设计再整理

区分真实的世界运行规律，与暂时制定的规则

以新质生产力为出发点，在社会需求/文化背景和企业发展状况基础上，考虑系统架构

本质需求：是企业运营，要求任务及产出可预测、可解释、可追溯

梳理

过去实现	ERP	人驱动流程	人机交互：硬编码	强调集成	DB为基础	哪些是满足本质需求的部分？哪些是在当时制约条件下的产物？
将来实现	新型系统	人+AI驱动流程	人机交互：通过代理	着重服务	本体为基础	根据第一性原理（AI作为生产力载体）并考虑制约因素（AI能力，社会，企业）

第一代企业软件：用户为主体，遵守流程，手工操作ERP。本质是底层能力的复杂工程化（代表SAP），必然复杂。虽然可以帮助企业日常运营，但构筑，运维，改修都非常沉重，难以支持企业在快速变化的时代奔跑。
第二代企业软件：ERP+BI，并非取代ERP，而是在分析方面增强
第三代企业软件：Agent代理用户，自动化流程。新质生产力帮助企业运营，本质是高层能力的自然方式使用。

信息系统时代：强调把业务固化进软件，形成事务的信息记录；
流程管理时代：强调规范化、标准化，通过流程把系统联结起来；
数字化转型与智能化时代：强调灵活性、实时性、自动化与智能协同。

本质都在回答同一个底层问题：企业的业务活动究竟是通过什么机制被执行的？

传统架构问题：工程复杂，导致臃肿僵化，大量依赖人，人被机器化

各代之间不是替代关系，而是各司其职的关系：合规管控用ERP（骨架），分析用BI（头脑），日常操作用Agent（手脚）

理解第一代企业软件的优势与弊端的基础上，第三代企业软件，一要继承其优势（合规，稳健），二要化解其弊端（沉重，费人力）

新型企业软件

组织目标：

“认知型企业”能够动态理解内外部环境变化、自动执行业务流程、持续优化智能决策，并与产业生态实现深度协同。

率先完成依托AI的架构进化、实现灵活协同与边界协作的企业，在市场生态中占据领先地位。

快速而有序应对外部不确定性，僵化不行，快而乱也不行

打通需求/设计/实现，执行快速灵活，快速反馈优化

本质：

企业数智化的本质从来不是工具的升级与系统的叠加，而是新质生产力条件下企业能力的重构。

通过"分，重构，合"，既满足企业管理需求，又合理应用新质生产力在内的各项能力，为企业全域赋能。

	组成	战略	功能	特点	定位
骨架	ERP	Clean Core	规则管控	有序	规则基础
头脑	知识管理	BI→本体(面向AI)	统一大脑	可信	数字孪生基础
手脚	专业外围系统	Side by Side架构	系统互连	灵活	工具
神经	AI/Agent/Skill	人的增强与替代	新质生产力	能力	主体
血液	业务流程	BPM→智能体编排	日常运营	有序/灵活	主要运行形态

说明：

旧应用程序（预编译），会弱化：从 UI → 成为 API，从平台 → 成为可调用的任务模块，从用户直接使用 → 变成用户通过 Agent 使用
元数据：统一的业务语义、本体约束与知识图谱作为支撑
新应用程序（实时路由）：新质生产力赋能的业务执行系统（EMS），包含了自动触发机制、行动决策引擎及工作流

各流派的实现方式及比较请参考：

建模派：Palantir
流程派：BPMN
ERP派：SAP
AI派：OpenAI/Anthropic

全体像

传统的系统分类（ERP、CRM、SCM、MES等）已无法全面描述数字企业的运作本质。在AI时代，将逐步演进到一个具备感知环境、沉淀知识、自然交互、预见未来的“智能融合体”

以前企业能力主体是人，企业软件是辅助人的工具。

企业系统本身具备智能，越来越像个社会人（感知，内部/外部规则，决策，行动，形成一个完整的“从感知到洞察再到行动”的智能闭环控制。

规则：通过ERP/流程/本体来实现。
决策：通过知识图谱/AI实现。
行动：通过流程/Agent实现

基本要求

从一个大而全的ERP紧耦合系统，改造成一个核心紧耦合+外围合理承载的新架构，并在新架构基础上依托新质生产力形成新的能力闭环。

治理层，能力层，元数据层，数据层，运行层，视图层

核心：规范管控，业财一体（生产体系需要审计、追责与合规保障）

运营：高效，灵活

ERP负责“把事做对”，AI负责“做得更好”（某些能力上辅助人或替代人）

流程：

在数智化解耦之后，系统能力被分布在ERP 内核与大量外围系统中，信息天然呈碎片化状态。智能体编排的核心价值，在于重新赋予系统端到端的业务理解与闭环能力。

"分"完之后的"合"，才是范式跃迁的本质

AI：

AI作为新质生产力，是贯穿始终的“赋能者”

“明确任务边界、AI 自主完成细分任务并反馈”的协作模式将成为主流

在感知层，AI实现智能识别与边缘推理；在记录层，AI 驱动本体模型语义理解、数据质量管控与异常检测；在交互层，AI支撑自然语言理解、意图识别与智能助手；在洞察层，AI完成知识推理、预测建模与策略建议。

实际发挥作用取决于：AI自身能力，业务流程的编排，知识管理的数据/知识完备度

能力的准确评估是关键：在评估结果的基础上决定何处采用AI，何处人机协同

需要明确的任务指令、全面的业务上下文，也需要执行任务的工具权限、清晰的效果评估标准，以及闭环的持续改进反馈机制

从黑盒到白盒，从"大概率"到"真逻辑"

确定性：

1，本体+知识图谱构建可信事实基础与逻辑规则（基础）

2，多智能体协作构建制约体系（Skill）：一个能迁移的 skill 当成一份“产品化的能力包”，至少要回答四类问题：它要什么（输入），它给什么（输出），它能做什么、不能做什么（权限与策略），以及它坏了怎么发现、怎么止损（评估与降级）

3，流程框架的约束（工程）

“感知、记录、交互、洞察”的四元架构重构（能力视角）

传统ERP、CRM、SCM、MES等系统概念被重新解构，并映射到感知、记录、交互、洞察四个价值维度

例如一个完整的客户服务场景，可能同时调用IoT设备状态感知（感知层）、ERP 中的客户合同与库存数据（记录层）、全渠道客服中心的对话界面（交互层），以及基于历史交互与产品知识图谱的智能推荐引擎（洞察层）。

ERP与业务流程是企业级智能与一般Agent的最大区别

感知系统：从“数据采集”到“情境感知”的神经末梢革命

以前“感知”高度依赖人工录入与事后汇报

实时感知可以成为业务流程驱动的重要触发点，输出带有初步意义的“事件信号”

记录系统：从“流程容器”到“管理内核”的业务基石进化

传统ERP作为企业的“记录系统”，曾以高度的集成化和流程固化著称，但在实际应用中也因笨重和僵化而备受诟病。之前角色：规范内核+流程承载

角色并未消失，但从一个追求功能大而全的“流程容器”，转向成为一个高度可靠、聚焦于数据一致性和可信性的“管理内核”，成为企业所有核心数据的中央枢纽。

该坚持固化的要坚持，该放手的要寻找其他承载工具

外围感知由IoT、边缘计算等技术承担
前端交互由移动应用、智能助手等方式承载
流程运营由BPM
分析与决策由BI/AI平台负责
ERP不再追求覆盖全部业务流程，而是确保关键业务事件的准确记录、核心主数据的一致性、以及完整可靠的财务核算

核心能力包括统一的主数据管理、端到端的财务核算、不可篡改的审计轨迹与跨系统的数据对账，为企业提供可信的数据根基。

记录资源约束、成本结构、合规要求与核心业务事实，但不干预具体的业务打法

交互系统：从“人适应系统”到“系统适应人”的体验革命

(包括任务系统：业务流程自动化)

Chatbot与智能助理Agent通过自然语言理解（NLP）准确把握用户意图，以自然语言对话的方式提供服务

使商业交互变得像日常社交一样自然流畅

还能够将识别出的模式和分析结果通过规则、策略或自动化流程，转化为可执行的工作流或指令，传递给记录系统、感知系统及业务执行层，从而实现从“发现问题”到“执行响应”的快速闭环

机⇒人⇒机

洞察系统：从“数据统计”到“决策资产”的智慧大脑革命

传统商业智能（BI）聚焦于报表自动化，擅长描述“发生了什么”（描述性分析）和解释“为何发生”（诊断性分析）

AI的引入使系统获得了预测“将会发生什么”（预测性分析）和建议“该做什么”（处方性分析）的能力。

基于记录系统提供的高质量标准化数据，并结合外部市场、舆情与行业数据，企业可以构建领域语义模型或知识图谱，厘清复杂实体之间的关联关系。同时，利用机器学习算法构建销量预测、设备故障预警、客户流失风险识别等模型，让数据升华为企业的战略资产与数字智慧。

感知系统捕获真实世界的实时信号，记录系统确保数据的可信性与一致性，交互系统实现价值的交付与反馈，洞察系统持续学习并反向驱动前三层的优化。这样的数据流与价值流闭环构成了企业数智化转型的“飞轮效应”。

企业AI 赋能的层次结构

层次		课题	目标	形态	代表	价值
体验层	表层的人机交互优化	解决的是“系统怎么用”的问题，辅助人	节点优化	从GUI到LUI，多模态	Joule，Copilot	降本增效，优化体验
行动层	中层的业务流程智能化	端到端流程智能，明确的边界内替代重复劳动	流程优化	从人工串联到系统闭环	Orion	自动处理规则明确、重复性高的任务
语义层	深层的组织认知与决策模式重塑	在不确定环境中追求全局最优，超越最优秀的围棋大师	全局优化	从经验驱动转向模型协同决策	Palantir	在企业数字孪生模型中进行成千上万次模拟，给出不同策略组合下的风险—收益曲线

能力端：

从本质上看，智能体是数字化、制度化的“虚拟岗位”——深度嵌入业务流程，拥有明确职责边界、被赋予匹配的业务权限，并形成可审计、可追责、可回收的行为闭环。

让智能体实现可复用、可审计、可考核、可迭代，才能让AI从“一次性创新投入”升级为“可持续演进的核心能力”

分层与分泳道

探索泳道（Agent-driven）：默认模式。允许模型试错、允许多轮迭代、允许长尾探索。相当于开发环境。
执行泳道（Policy-governed）：当任务触达高风险动作时强制开启。这里的原子应该是“最小可审计动作（Action）”。相当于本番环境。

以 Policy、灰度、审计、回滚为核心的 workflow，会走向控制面，并且越来越重要

业务团队负责把“能力原子”做深：更懂业务、更懂用户、更懂场景，把技能包做到可复用可迁移，并通过评测持续迭代。

平台团队负责把“控制面”做硬：权限模型、门禁流水线、审批与抽检、灰度与降级、证据链与回放、回滚与补偿、供应链安全。