SAP柯曼、蔡彦斌谈企业AI落地:300多个智能体不取代ERP

资讯 InfoQ 作者:褚杏娟 全文 4765 字 · 约 12 分钟读完 分类智能体

“企业全面融入“还有很长的路要走”

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 的实际情形,蔡彦斌把这句话摆了出来。

企业那套业务系统,多是多年攒下来的。数据散落在不同平台,系统彼此之间依赖关系复杂,业务规则也未必一致。Agent 接进去以后,怎么读懂业务上下文、怎么协调不同系统、怎么应对生产环境里的异常,这几件事直接决定它能不能真正扛起业务任务。

日前落幕的 SAP TechEd 2026 上,AI Agent 进入企业核心业务流程被列为重要议题。只是从技术演示走到真正投产,工程上的坎还有不少。

围绕这些话题,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。

模型懂行业知识,却未必清楚一家企业到底怎么做生意。蔡彦斌讲了个例子:他一位朋友开着自行车贴牌加工厂,让两个 Agent 去定未来几个月的产品定价策略。模型给的分析看着挺完整,可真用不上——它不了解具体产品,也不清楚这家企业的客户是什么情况。

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。到了生产环境,Agent 要面对的是分散在各个系统里的业务数据、多年积下来的管理规则,还有大量没法提前穷举的实际情况。

柯曼的看法是,企业 AI 该做到按业务意图自主行动。比如供应商的关键零部件交货延迟,系统不光要识别出风险,还得判断这对生产和供应链有什么影响,再拿出相应的补救办法。

沿着这个思路,SAP 提出了“自主运营企业”(Autonomous Enterprise)愿景,想让 AI 从辅助工具一步步走进企业核心业务,多担起流程编排和执行的事。

可对那些已经跑着大量 ERP、财务和供应链系统的企业来说,Agent 真要接手这些活,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。

机器人流程自动化(RPA)是按固定规则执行任务,Agent 则不同,它能随环境变化做判断,挑不同的工具和执行路径。问题是企业内部数据常常散在多个系统里,同一个业务概念,不同部门的定义都可能不一样。

拿“客户”来说,某个系统里指的是签合同的主体,另一个系统却按实际收货或结算对象来管。没有统一的业务语义,Agent 就算两套系统都能读,执行任务时照样可能判断出错。

蔡彦斌觉得,企业上 Agent,第一步是把“干净的数字化核心”(Clean Core)做扎实,数据标准化、流程标准化、主数据治理都算在内。再往上一层是“语义就绪”,让 AI 明白不同数据对应的业务含义,以及它们之间怎么关联。

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。其 ERP 系统攒下了 700 多万个字段、50 多万张数据表和超过 15000 个业务流程。知识图谱干的事,就是把这些数据连同业务关系递给 AI,让它能结合企业自身情况去分析和执行。

财务预算就是个例子。模型要弄清的不只是某部门预算多少,还有成本中心归属、支出规则、审批流程和相关系统接口。实际场景里,财务人员向 Joule Work 提了个任务: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。系统随后调取企业后台数据,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、部门用电量和追加预算。

这就是企业上下文的分量。电价上涨是什么意思,模型能懂;可哪些部门受影响、预算怎么调,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,当 Agent 开始理解业务意图、调用系统、执行流程,传统 ERP 往后会变成什么样?

蔡彦斌的判断是,企业软件的用法肯定会变。以前员工得熟悉不同的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。往后,用户可能只要向 Joule Work 提需求,后台系统由 AI 协调着完成操作。

传统界面倒不会就此消失。“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提高,传统界面的使用频率随之下降。但在可预见的阶段,两种方式还得并存。

SAP 也照这个思路调了企业软件架构。在其提出的体系里,Agent 管的是理解用户意图、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 目前已发布 300 多个智能体,想用 Agent 把现有 ERP 流程重新组织一遍,逐步覆盖更多端到端的企业业务。不过这些智能体不会直接顶掉底层应用。

Joule Work 负责用户交互与任务协调,Joule Studio 则用来搭建智能体。业务人员只需用自然语言把需求讲清楚,系统就会结合企业现有的流程、数据和接口,把对应的 Agent 生成出来。

开发方式变了,企业 IT 团队和业务部门的关系也跟着变。蔡彦斌的看法是,业务人员能更多参与到技术开发里,技术人员反而要更懂具体业务。对 SAP 自己来说,原先做传统 SaaS 应用的部分研发人员,也开始把攒下的业务知识用到智能体开发上。

可 Agent 越好建,后面的管理麻烦可能越大。

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,各业务部门都可能拿 Joule Studio 这类工具建自己的 Agent。一家企业同时跑几百个智能体,并非难以想象。但数量涨上去,新问题会慢慢冒出来。

“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?”他这样发问。

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 改了可以重新测;可一旦多个 Agent 共同跑采购、审批、财务结算这类流程,其中一个组件升级,整条业务链路都可能受牵连。

所以企业得清楚自己手里有多少个 Agent、各自管哪些流程、哪些只在部门内部用、哪些已经接进集团级系统,还有它们之间怎么互相调用。

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。涉及跨系统协作的 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、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 数量增加之后,企业还要解决另一个问题: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,把自主性拆成不同层级来讲。企业的工作可以分为执行层、管理层和策略层,现阶段 AI 更适合接执行层的活。

技术可靠性往上走,未来某些业务场景里,可能有 70%至 80%的执行工作交给 Agent 完成。但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会往下掉。不同层级的业务,还得配上相应的控制机制。

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、凭哪些信息做的判断、改了哪些内容。操作出了错,还得有回溯和回滚机制。

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。SAP Business AI Platform 承担相关运行治理和追踪能力,Joule Studio 则把测试与验证嵌进 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,还要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,执行工作越多交给 Agent,人的职责可能越往管理和策略层挪。但权限具体能放多少,得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)方向延伸。

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,随之就有了把机器人和仓库管理系统、业务智能体连起来的需求。

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可以通过业务智能体传给机器人。机器人拣好零部件、配送完成后,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 方面介绍,这套方案对原来的人工拣配、安检以及跨区域配送环节做了优化,测算下来大约能省掉 90% 的人工工作量。

在 SAP 看来,Physical AI 走的是它做企业软件一贯的路子:机器人可以由不同厂商提供,但得接进企业现有的仓储、制造和管理流程,别再另起一套独立系统。

蔡彦斌表示,SAP 没打算去做通用大模型,它想干的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。

中国研发团队在这一过程中也多了新角色。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管数据、应用、智能体和平台层面的研发,还想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 的研发网络分布在德国、中国、美国和印度等地,这有助于理解不同市场的数据、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,那它还得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,企业的准备程度仍然卡着 AI 落地。SAP 此前发布的《2026 年 SAPAI 价值报告》显示,眼下只有 6% 的中国受访企业说,自己已经为智能体 AI 做好了充分准备。柯曼对此指出,有些企业还没找到真能产生业务价值的 AI 应用场景,另一些则因为模型技术迭代太快而选择观望,怕投早了很快就赶上新一轮技术升级。

蔡彦斌也觉得,中国企业要把 AI 全面融进核心业务,还有相当长的路要走。企业这些年攒下的数据和流程资产,会在这一过程中起大作用,但前提是先把它们整理成 AI 能理解、能调用、能执行的业务体系。

SAP 想借 Agent 改变企业软件的使用方式,同时让 ERP 继续承载核心业务规则和流程。对企业来说,接下来要解决的是怎么让越来越多的 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. SAP蔡彦斌谈企业AI落地:演示很成功,进生产就变样

    “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

    来源 AI 行业观察
  2. 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
  3. 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
  4. KTC发布VMAX智能体主机:整合VMAX GO随行屏,本地运行复合AI负载

    IT之家 11 月 16 日消息,康冠旗下 KTC 近日推出了 VMAX 全感知智能体主机。这一设备在 Windows 迷你主机的基础上整合了云台摄像头、阵列麦克风和 VMAX GO 随行屏。 VMAX 迷你主机本地集成视觉算法、音频算法、对话及会议纪要大模型,配备智能工作台,可本地运行一系列复合型 AI 工作负载,支

    来源 AI 行业观察
  5. Deepnote实测12款AI当同事:OpenAI包揽前二,Fable 5.2贵17倍反输

    花430倍的钱,只多11%的分数! 太夸张了。数据协作平台Deepnote今天发布了一项评测结果—— 创始人Jakub Jurovych搞了一个叫Agent Initiative Benchmark的东西,把12个前沿模型丢进同一家公司的Slack群里当AI同事,让它们自己决定什么时候该帮忙、什么时候该闭嘴。 跑完一看

    来源 AI 行业观察
  6. 企业AI转向智能体:数据、流程与治理怎么重构

    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 行业观察
  7. 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
  8. 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
  9. 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
  10. 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
  11. 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
  12. 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
  13. 华为推出SkillMarker:给AI技能文档加水印,复制粘贴也能溯源

    你有没有想过,那些让AI助手变得更聪明的"技能包",其实很容易被偷走?最近有一类很火的东西叫Agent Skills,简单说就是给AI智能体准备的操作手册。一个开发者花了很多时间把某个领域的专业经验,比如怎么做代码审查、怎么写营销文案、怎么处理数据分析,整理成一份结构清晰的说明文档。AI读了这份文档,就能照着里面的步骤

    来源 腾讯网
  14. AI智能体工程化:任务卡与验收闭环怎么让AI真正交付工作

    本文探讨如何将AI从简单的问答工具升级为能承担完整工作的智能体。通过引入结构化任务卡、可追溯的上下文管理以及自动化验收闭环,解决AI交付结果不可控的问题。文章结合Python实战案例,展示如何定义执行边界、管理工具权限并生成可复核的交付包,帮助开发者构建稳定、可回退的AI工作流,适用于研发、数据处理及运营等场景。

    来源 AI 应用前沿
  15. 10元探店,6元模特:月入800万的AI假体验生意,谁在买单?

    本地生活赛道,探店生意曾形成一条完整的产业链,如今正被AI侵蚀。 传统真人探店拍摄剪辑动辄数百上千元,而现在AI将单条内容的的成本压到10元以内。商家只需上传一张门头照、几张菜肴图,再配一个AI主播,即可生成一条AI探店视频。 此外,抖音等平台上已出现专门的AI探店账号,有博主仅1.9万粉丝,专注此类内容,首页显示累计

    来源 AI 行业观察
  16. 华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2

    【TechWeb】11月16日消息,今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。 五

    来源 AI 行业观察
  17. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  18. 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
  19. 华为云上线openPangu-2.1-Pro:Agent、代码与推理效率三项升级

    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
  20. 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
  21. AI探店10元一条、800元一分钟:月入800万的生意谁在买单?

    点击 Tech星球 > 点击右上角“···” > 设为星标 Tech星球(微信ID:tech618)文 | 林京封面来源 | 豆包AI本地生活赛道,探店生意曾形成一条完整的产业链,如今正被AI侵蚀。传统真人探店拍摄剪辑动辄数百上千元,而现在AI将单条内容的的成本压到10元以内。商家只需上传一张门头照、几张菜肴图,再配一

    来源 腾讯网
向下滚动自动加载更多