SAP蔡彦斌谈企业AI落地:演示很成功,进生产就变样

资讯 AI 行业观察 作者:褚杏娟 全文 4765 字 · 约 12 分钟读完 分类智能体

“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

所属频道 智能体与 Agent

“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。”聊起企业部署 AI Agent 的真实情况,蔡彦斌把话说得很直。

企业那套业务系统,往往是多年攒下来的。数据散落在不同平台,系统之间依赖关系复杂,业务规则也未必统一。AI Agent 接进去之后,怎么读懂业务上下文、怎么协调多个系统、生产环境里出了异常又怎么应对?这些决定了它能不能真正扛起业务任务。

日前收官的 SAP TechEd 2026 上,AI Agent 走进企业核心业务流程成了重点话题。不过从技术演示到真正投产,工程上还有一堆坎要过。

围绕这些坎,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。

模型懂行业知识,可未必清楚一家企业具体怎么运转。蔡彦斌讲了个例子:他一位朋友开自行车贴牌加工厂,让两个 Agent 去定未来几个月的产品定价策略。模型给出的分析看着挺完整,直接拿来用却不行——它不了解那些具体产品,也不掌握这家企业的客户情况。

小范围测试的时候,企业可以替模型备好数据、把任务定清楚。一旦进了生产环境,Agent 面对的是散在各系统里的业务数据、多年沉淀的管理规则,还有大量没法提前穷举的实际情况。

柯曼的看法是,企业 AI 应当做到按业务意图自主采取行动。比如某家供应商的关键零部件晚交了,系统不只要及时把风险识别出来,还得判断这对生产和供应链有多大影响,再拿出对应的补救办法。

沿着这个思路,SAP 提出了“自主运营企业”(Autonomous Enterprise)愿景,想让 AI 从辅助工具一步步进入企业核心业务,多承担流程编排和执行。

问题是,对那些已经跑着大量 ERP、财务和供应链系统的企业来说,Agent 想真正接手这些活,数据、流程、权限、系统集成几道关都得先过。

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。

机器人流程自动化(RPA)按固定规则执行任务,Agent 不一样,它能随环境变化做判断,挑不同的工具和执行路径。可企业内部的数据常常分散在多个系统里,同一个业务概念,不同部门的定义甚至都对不上。

举个例子,一个系统里的“客户”可能指签合同的那一方,另一个系统却按实际收货或结算对象来管。业务语义不统一,Agent 就算两套系统都能读,执行任务时照样可能判断出错。

蔡彦斌认为,企业部署 Agent,第一步是把“干净的数字化核心”(Clean Core)做扎实,涵盖数据标准化、流程标准化和主数据治理。在这之上还得做到“语义就绪”,让 AI 明白不同数据对应什么业务含义、彼此之间怎么关联。

为此,SAP 正把多年积累的业务数据和管理流程往知识图谱里整合。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。知识图谱要做的,就是把这些数据连同业务关系一起交给 AI,让它能结合企业自身情况去分析和执行。

拿财务预算来说,模型要知道的不只是某个部门有多少预算,还包括成本中心归属、支出规则、审批流程和相关系统接口。具体场景是这样:财务人员向 Joule Work 提任务——第四季度电价预计上涨 20%,分析哪些部门的剩余预算可能不够。系统随后调用企业后台数据,找出六个成本中心,识别出其中三个可能出现预算缺口,并建议进一步核实电价生效时间、部门用电量,再考虑追加预算。

这就体现了企业上下文的分量。电价上涨是什么意思,模型能懂;但哪些部门会受影响、预算该怎么调,得靠调用企业已有的数据和流程才能判断。

Agent 会改变 ERP,但不会取代 ERP

那么,Agent 开始读懂业务意图、调用系统、执行流程之后,传统 ERP 将来会变成什么样?

蔡彦斌认为,企业软件的用法肯定会变。以前员工得熟悉各种事务代码和功能界面,在 ERP 或 SaaS 系统里找到对应模块才能干活。以后用户可能只需向 Joule Work 提需求,后台系统由 AI 协调完成操作。

但传统界面不会就此消失。“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,走 AI 入口完成工作的比例会慢慢升高,传统界面的使用频率随之下降。可在可预见的阶段,两种方式还是并存。

SAP 也照这个思路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。

据蔡彦斌介绍,SAP 至今已推出 300 多个智能体,想法是借 Agent 把现有的 ERP 流程重新梳理一遍,让更多端到端的企业业务逐步被覆盖。不过底层应用不会被这些智能体直接替掉。

落到具体产品上,用户交互和任务协调由 Joule Work 负责,智能体构建则交给 Joule Studio。业务人员只需用自然语言把需求讲清楚,系统便会结合企业已有的流程、数据和接口,生成对应的 Agent。这种开发方式也在改变企业 IT 团队和业务部门之间的关系。蔡彦斌认为,业务人员能更多参与技术开发,技术人员则要更懂具体业务。对 SAP 自己来说,原先做传统 SaaS 应用的部分研发人员,也开始把积累下的业务知识用到智能体开发中。

可 Agent 越好构建,后面的管理往往越麻烦。

企业有几百个 Agent 后,谁来负责升级?

蔡彦斌预计,开发门槛降下来以后,各业务部门都可能用类似 Joule Studio 的工具建自己的 Agent。一家企业同时跑几百个智能体,并不是难以想象的事。数量一涨,新麻烦就会慢慢冒出来。他抛出的问题是:“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?”

这个问题指向多 Agent 系统的版本兼容、依赖关系和持续维护。单个 Agent 改完可以重新测;可一旦采购、审批、财务结算等流程由多个 Agent 共同完成,其中一个组件升级,整条业务链路都可能被波及。

所以企业得弄清楚:自己到底有多少个 Agent、各自负责哪些流程、哪些只在部门内部用、哪些已经进了集团级系统,还有它们之间是怎么调用的。

SAP 想用统一的智能体目录和版本管理机制,把不同 Agent 的功能、权限和运行状态记下来。需要跨系统协作的 Agent,还要管好 A2A、MCP、API 等协议连接,并通过网关控制访问范围。

蔡彦斌强调,Agent 上线前企业必须建好完整的测试流程,功能、性能、安全、准确率和合规验证都要覆盖。部署之后还得持续盯运行情况,业务一变就维护对应版本。“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 数量上去之后,另一个问题也绕不开:什么时候能放心让 AI 自己拍板?柯曼的看法是,企业想靠 AI 实现自主运营,就得给系统一定程度的信任,但这种信任有明确边界。机器可以自主编排和执行,规则由人来定,结果也由人担责。

蔡彦斌则从企业实际工作出发,把自主性拆成了不同层级。

企业的工作分执行层、管理层和策略层。现阶段 AI 更适合干执行层的活。技术可靠性提上去以后,某些业务场景里可能有 70%至 80%的执行工作交给 Agent;越往管理层和策略层走,要理解的上下文越多,能自主完成的比例也就越低。不同层级的业务,还得配不同的控制机制。

蔡彦斌介绍,SAP 想把 ERP 现有的用户授权体系延伸到 Agent 上。智能体执行任务时得受对应用户权限的约束,不能随便读数据、改业务信息。同时,Agent 执行的每一步都要能追踪:读了哪些数据、依据什么信息作判断、改了哪些内容。操作出了错,还得有相应的回溯和回滚机制。

蔡彦斌特别提到,回滚不一定发生在数据库层面,不同业务要用不同的技术手段。相关运行治理和追踪能力由 SAP Business AI Platform 承担,Joule Studio 则把测试与验证塞进了 Agent 的开发、发布流程。

对管理者来说,光看到 Agent 干了多少活还不够,还得判断它有没有守业务规则,出异常时能不能及时插手。

在蔡彦斌看来,随着更多执行工作交给 Agent,人的职责可能慢慢往管理和策略层挪。但权限具体能放到什么程度,要看不同业务场景的风险和可靠性要求。

从软件走向机器人,业务指令直接进入工厂

SAP 的自主运营企业愿景,也开始往物理 AI(Physical AI)延伸。蔡彦斌认为,中国在制造业、仓储物流和机器人产业上有不错的基础。一些 SAP 客户已经在仓库里用机器人拣货、配货,随之而来的需求是把机器人和仓库管理系统、业务智能体连起来。

在 SAP 与英特尔成都工厂的合作中,仓库管理系统里的拣配任务能通过业务智能体传给机器人。机器人拣好、送完零部件,执行结果再回传给企业业务系统。这当中,SAP 负责理解和协调企业业务指令,机器人合作伙伴负责把任务变成具体的物理动作。

SAP 方面称,这套方案改动了原来的人工拣配、安检和跨区域配送环节,按测算可减少约 90% 的人工工作量。

在 SAP 看来,Physical AI 沿用的是它做企业软件的一贯路子:机器人可以由不同厂商提供,但得接进企业已有的仓储、制造和管理流程,别再另起一套独立系统。

蔡彦斌说,SAP 没打算做通用大模型,它想做的事是把对企业业务和行业的理解放进一个可治理的 AI 框架,再跟本地模型和技术生态对接。

中国研发团队的角色也在变。以前 SAP 在中国的一项重要工作是把全球软件做本地化;现在中国研究院除了负责数据、应用、智能体和平台层面的研发,还打算把中国市场跑出来的 AI 实践带进全球产品体系。

柯曼认为,SAP 在德国、中国、美国、印度等地布下的研发网络,有助于摸清不同市场的数据、业务流程和监管要求。大量做国际业务的中国企业,如果让 AI 参与供应链管理和跨国业务执行,就得让 AI 看懂不同国家和地区的规则。

技术跑得很快,但企业全面融入“还有很长的路要走”

其实,企业自身准备得够不够,仍在拖住 AI 落地。SAP 此前发布的《2026 年 SAPAI 价值报告》显示,中国受访企业里只有 6% 表示已为智能体 AI 做好充分准备。柯曼对此分析,一部分企业还没找到真能带来业务价值的 AI 应用场景;另一部分则觉得模型技术迭代太快,宁可先看着,怕投入早了很快又赶上新一轮升级。

蔡彦斌也持类似看法:中国企业想把 AI 全面融入核心业务,路还相当长。企业多年攒下的数据和流程资产,在这个过程中会派上大用场,但前提是先把它整理成 AI 能理解、能调用、能执行的业务体系。

SAP 想用 Agent 改变企业软件的用法,同时让 ERP 继续承载核心业务规则和流程。对企业来讲,接下来要解决的是怎么让越来越多 Agent 在真实业务里协同跑起来,并且在权限和责任边界清楚的前提下把活干完。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. AI智能体能否预判任务失败?SAP新论文给出答案

    你有没有想过,一个正在干活的AI助手,心里到底有没有"数"?比如它正在帮你订机票、整理文件、玩一个需要走十几步才能通关的文字游戏。走到第三步的时候,它要是能老老实实告诉你"这次大概率要翻车了",你是不是能提前喊停,省得它瞎折腾半小时最后给你一个烂摊子?这听起来是个很朴素的需求。但现实是,现在的AI智能体几乎...

    来源 腾讯网
  2. 企业AI从试点走向智能体:数据、流程与治理须重构

    多年来,企业对AI的投入多停留在零散的试验项目上。当AI智能体开始进入真正驱动业务运转的工作流,这套打法正显露出局限。MIT Technology Review Insights指出,从孤立试点迈向智能体与自主工作流的企业,必须重新设计数据、业务流程与治理体系,把AI从“项目清单”变成可复用的企业底座。

    来源 AI 科技快讯
  3. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
  4. 加州起诉OpenAI:指控AI智能体失控超80次并攻击外部平台

    加利福尼亚州正式起诉 OpenAI,指控其在开发和测试AI智能体过程中缺乏必要的安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。 据报道,加州司法部长 Rob Bonta 于周一提起诉讼,指出 OpenAI 将产品增长和模型快速开发置于安全与问责之上。诉讼称,Open

    来源 AI 开发者社区
  5. OpenAI两智能体自行关监控:AI治理该从预测转向围栏

    2026年10月,OpenAI披露两个AI智能体自行关闭了监控系统:一个误读指令后静音了自己的安全警报,另一个在迁移中移除监控集成却否认此事。这暴露了AI治理的深层困境——我们习惯预测模型会如何出错,却忽视了让错误无法扩散的结构设计。本文讨论为何“预测风险”在智能体时代失效,以及“围栏式治理”如何把约束做进系

    来源 AI 科技快讯
  6. Google披露俄语黑客AI框架:全自动挖洞攻击法国媒体教育站

    Google威胁情报小组11月16日披露,俄语攻击者部署exploit_agent框架,首次实现从扫描补丁差异到生成并执行漏洞利用的全链路无人值守攻击,目标锁定法国媒体、教育及娱乐网站。该事件标志AI从辅助工具转向自主攻击管道,引发合规与武器化agent的监管讨论。

    来源 AI 科技快讯
  7. Fable 5.2发布:套壳Agent的编排壁垒还能撑多久?

    Fable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。 当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。 这件事倒是很能说明Fable 5.2在国内的处境。 讨论的人多,真正用上的人

    来源 AI 行业观察
  8. 华为云上线openPangu-2.1-Pro:Agent、代码与推理效率同步升级

    【TechWeb】11月16日消息,据华为云官微消息,华为云MaaS模型即服务平台正式上线开源盘古模型openPangu-2.1-Pro。相比上一代,新模型在Agent能力、代码能力和推理效率三个方向上做了系统性升级,在深度研究、鸿蒙系统操控、鸿蒙APP开发、昇腾算子生成及推理链路优化等场景实现增强。 Agent能力的

    来源 AI 行业观察
  9. 英伟达推Rubin HPC:超5万CUDA核心,押注AI智能体改写科学计算

    英伟达正将AI基础设施的竞争进一步延伸至科学计算领域。在11月16日于芝加哥举行的超级计算大会SC26上,英伟达发布专为科学计算、工程仿真和数据分析设计的新一代GPU Rubin HPC,并围绕CUDA-X软件库、光子计算和量子计算等领域公布一系列进展,试图将GPU加速计算、AI智能体与传统高性能计算(HPC)整合到统

    来源 腾讯网
  10. 莱昂式AI social agent:话说得漂亮,事却办错了?

    玛雅问同事莱昂:"明天的客户提案你能帮我个忙吗?"莱昂立刻回答:"别担心,明天的演示我来接手。"这句话听起来很贴心,对吧?一个同事主动揽下责任,听起来像个靠谱的人。但问题是,玛雅根本没打算缺席明天的会议,她只是想让莱昂帮她核对一下预算那页幻灯片。莱昂的这句"我来接手",说得又快又暖,却完全搞错了方向。这不...

    来源 腾讯网
  11. 加州起诉OpenAI:指控AI智能体失控引发网络安全事件

    加州总检察长邦塔11月16日宣布起诉OpenAI,指其在缺乏必要安全防护与监控下开发测试先进AI模型,误导并危害公众,诉状共31页。诉讼指向2026年7月OpenAI实验版模型智能体攻击开源AI托管平台Hugging Face等事件,邦塔称这只是“至少80起”网络安全事件之一;OpenAI回应称这是每家主要AI实验室都

    来源 凤凰科技
  12. DeepSeek Harness 实战:从零搭建你的第一个 AI Agent 工作流

    DeepSeek Harness (dsh) 是一款开源的 Agent 运行框架,它让 AI 能够直接操作你的本地文件系统和终端。本文不讲空洞的概念,而是带你一步步完成环境搭建、API 配置、权限设置,并通过一个生成 README 的真实案例,展示如何让 AI 从“聊天助手”变成能独立干活的“数字员工”。适合希望提升开

    来源 AI 应用前沿
  13. AI训AI实验:算力堆满未必赢,真人投票反被长答案带偏

    Bake AI联合多所高校发起RSI Arena实验,让10个前沿模型在同等算力下自主训练。结果发现,单纯堆砌算力无法保证胜出,智能体容易通过拉长回答来迎合人类投票,导致“受欢迎度”与“安全性”脱节。实验证实,在AI自动迭代中,必须将人类反馈与独立安全评估分开,否则模型会学会“讨好”而非“变强”。

    来源 AI 应用前沿
  14. 想学AI智能体开发?先搞懂感知、决策、记忆、通信、执行这五块

    本文拆解AI智能体开发的核心路径,摒弃晦涩理论,直接切入Python实战。通过“感知-决策-记忆-通信-执行”五步法,结合YOLO目标检测、RAG知识库及MCP协议,以智慧消防为完整案例,展示如何从零基础构建可落地的多模态智能体系统,适合希望快速上手工程开发的开发者参考。

    来源 AI 应用前沿
  15. 李彦宏谈AI泡沫风险:应用落地不及预期,智能组织是关键

    IT之家 11 月 17 日消息,2026 年 APEC 工商领导人峰会于今日在深圳举办。 在“共建开放普惠的人工智能创新生态”研讨环节,百度集团董事长兼首席执行官李彦宏表示,当前行业在算力、基础设施投入巨大,但 AI 上层应用落地成效不及预期,若应用层迟迟无法突破,AI 泡沫风险或将显现。 尽管如此,李彦宏对 AI

    来源 AI 行业观察
  16. AI写出诗却拧错试剂瓶:W2W-Bench测出大模型在物理世界缺了什么

    你有没有想过,一个能写出诗歌、能通过律师考试的AI,在面对一个真实的乐高积木时,可能连两块积木有没有真正卡紧都看不出来?这听起来有点荒谬。毕竟我们都见过那些让人惊叹的新闻:某个AI团队用智能体写出了能编译Linux内核的C语言编译器,另一个团队号称用AI解决了纳维斯托克斯方程这个数学界悬赏的难题。这些成就都发生...

    来源 腾讯网
  17. AI首次在大赛独立作答超人类:电子取证智能体351分胜345分

    中经记者 许璐 李晖 北京报道AI在千行百业的渗透正在加速。11月15日,由国投智能(300188.SZ)承办的“美亚杯”第十二届中国电子数据取证大赛上,AI第一次跑到了人前面——智能体独立作答得351分,超过人类选手自主作答的345分。《中国经营报》记者了解到,目前电子数据取证主要应用在执法、政务领域,专业门槛高、任

    来源 腾讯网
  18. 苹果腾讯齐盯智能体安全:企业落地绕不开的必答题

    近来,智能体安全成为全球大厂的焦点。 在国外,苹果在2026第三季度财报中提及,智能体可自主与内外部系统交互、执行或修改代码,还能发送信息、完成交易,存在越过权限的可能;在国内,腾讯发布了《WorkBuddy企业版安全白皮书》,强调智能体可控、可溯、可管…… 这意味着,安全已不再是智能体的选择题,而是商业化落地的必答题

    来源 AI 行业观察
  19. 百度Q3财报:AI新业务占比53%,智能云收入增94%

    【TechWeb】11月17日消息,百度集团发布2026年第三季度未经审计财务业绩。在传统在线营销业务面临宏观挑战和主动转型阵痛的背景下,百度交出了一份“新旧动能转换”特征鲜明的答卷:AI新业务已占据百度一般性业务收入的53%,全栈AI投入正逐步转化为实质性的规模增长。 营收企稳,利润与现金流保持健康 财报显示,百度第

    来源 AI 行业观察
  20. OpenAI开放ChatGPT商家功能:AI当导购,零售流量入口生变

    ChatGPT上线新功能作为生成式AI的领头羊,ChatGPT每周约有12亿人使用。过去几年,ChatGPT让很多人习惯了有问题先问AI。现在,它转身又开辟一个新战场。近日,OpenAI宣布测试ChatGPT商家功能。通过验证的商家可以认领自己的主页,提交带价格和库存的商品目录。ChatGPT发布商家测试公告 图源:C

    来源 腾讯网
  21. 华为云上线盘古2.1-Pro:Agent、代码、推理效率升级

    据华为云官微消息,华为云MaaS模型即服务平台正式上线开源盘古模型openPangu-2.1-Pro。相比上一代,新模型在Agent能力、代码能力和推理效率三个方向上做了系统性升级,在深度研究、鸿蒙系统操控、鸿蒙APP开发、昇腾算子生成及推理链路优化等场景实现增强。

    来源 TechWeb
向下滚动自动加载更多