“企业管理AI”的三大核心支柱与行业变革探讨

首先看产品形态。“智能体（Agent）”正在迅速成为一种全新的企业软件形态。

智能体的定义是：一种能够感知环境，可以根据环境信号或人类指令进行推理和决策，并相应地采取行动、使用工具的硬件或软件。它能够自主地，或者与人类持续交互地，完成特定任务。简言之，智能体是人工智能替代人类完成工作的具体技术实现方式。

智能体技术已有数十年历史，历经了从规则引擎、专家系统到机器学习驱动的多代技术迭代。传统的智能体虽具备处理基础任务的能力，但在自然语言交互、复杂逻辑推理等方面存在显著局限。随着大语言模型（LLM）的突破性发展，智能体技术产生了质的飞跃：

• 自然语言处理的范式革新： 智能体能够基于上下文进行深度理解，生成符合人类表达习惯的交互内容，支持多轮对话、精准识别用户意图，实现与用户的流畅沟通。
• 企业知识体系的深度融合： 通过知识图谱的构建与动态数据的接入，智能体可以实时调用组织内部的业务规则、历史数据和行业经验，形成个性化的决策支持。
• 认知推理能力的质的提升： 智能体能够将用户的复杂目标进行自主的任务分解，并调用工具完成流程自动化、风险评估、资源调度等复杂的管理任务。它在任务处理效率和决策科学性上，展现出超越传统软件的巨大优势。

在企业管理数字化的应用场景里，由大模型驱动的智能体，其产品表现形式主要有：

• 对话式智能体： 用户通过聊天对话框与机器进行连续交流，以完成特定任务。例如，HR领域的招聘助手可自动解答候选人提问；客服系统中，机器人可处理客户请求，并自主完成收费判断、派工等活动。虽说具有语义理解能力的聊天机器人（ChatBot）早已存在，但基于大模型的对话式智能体与之最大的不同在于：它能解析用户意图并自行推理，进行连续性交互，并相应地进行任务调度，触发工具或系统的实际操作。
• 流程任务自动化智能体： 这是利用大模型的推理和决策能力，对传统的、仅具任务执行能力的流程自动化机器人（RPA）进行的重大升级。它拥有了“自主思维”能力（即尽可能少的人类介入），能处理更复杂的业务逻辑。例如，处理供应链的仓储补货任务，传统RPA可能只能处理基于简单库存水位的决策逻辑；而智能体则可以综合考虑客户需求紧急度、供应商供货能力、市场趋势等多种因素来动态操作补货指令，如同高手下棋，具有“走一步，看三步”的能力。
• 数据分析智能体： 上述两种智能体主要面向企业的事务处理。而对于分析数据、辅助决策的场景，数据分析智能体可以将人类的自然语言分析请求，直接转化为数据挖掘的结果展现，并以图表、报告等形式呈现数据洞察。这对传统的商业智能（BI）或优化引擎是巨大改进。
• 多智能体系统： 对于端到端的长流程，以及涉及多职能协作的复杂管理活动，可以使用多个具有不同能力的智能体来协同工作，形成多智能体系统。通过智能体间的通讯协议、共享数据库等机制，同步各智能体的工作状态，并协调不同智能体在决策意图上的差异，以达成共同的业务目标。

回顾技术发展，早在2023年初，业界便已出现用大模型驱动的智能体来改造企业级ERP，操作规范性、严谨性业务流程的探讨。当时，基于大模型的任务拆解、观察行动的智能体（即ReAct智能体）技术刚刚萌芽，并催生了智能体构建的应用中间件、企业知识库、智能工作流编排等技术。但受限于当时大模型的推理能力，这类应用并未普及。

从2024年下半年开始，大模型在推理能力上取得飞速发展，其本身开始具备直接调用外部工具的能力，这大大简化了智能体构建的技术架构。在业务上，也能支持更稳定、更标准化的流程操作。因此，到2025年初，企业管理领域的智能体应用开始井喷，面向各种业务场景的智能流（flow）和智能体（agent）如雨后春笋般涌现。

最近半年来，围绕企业级智能体应用，出现了一系列旨在推动标准化的协议，如MCP、A2A、ACP等。它们通过构建互操作框架，推动企业级AI智能体从一个个碎片化的工具，向平台化的应用进化，最终实现“智能体式AI”（Agentic AI）。这些大多由国际领先厂商共同参与的开源、开放协议，对金蝶这样的传统ERP厂商来说，既是重构企业管理软件行业的巨大推动力，也是一次重大的历史机遇。

• MCP（模型上下文协议）： 统一智能体与外部工具、数据的交互接口。
• A2A（智能体间协议）： 实现智能体之间的去中心化协作。
• ACP（智能体通信协议）： 构建高效、安全的数据传输通道。

这些协议对智能体应用的促进作用，可类比于上世纪90年代互联网协议对网络普及的巨大作用。尽管这些新协议的完善性与生态建立尚需时日，但可以预见，“智能体互联网”的时代正在加速来临。企业管理软件行业，正经历自互联网出现后最重大的一场革命。

正是在这样的时代背景下，可以观察到金蝶非常迅速地在行业转型期找到了自己的定位：“企业管理AI”。他们围绕企业管理中的真实场景，研发并发布了多种类型的智能体。在本次金蝶AI产品发布会上，展出的成果包括：

• 属于流程任务自动化智能体的：招聘智能体、差旅智能体。
• 属于数据分析智能体的：财报分析智能体“金钥财报”、智能经营分析助手。
• 2025年5月底发布的以及面向多智能体系统实施的智能体开发和编排平台——苍穹Agent平台2.0。该平台已宣布全面支持MCP、A2A等标准化协议，是企业未来接入“智能体互联网”的关键基础设施。

金蝶在行业内，一直展现出敢于创新、勇于变革的技术公司形象。过去八年，金蝶对传统ERP架构进行的解耦和平台化改造，为今天拥抱智能体式AI（Agentic AI）打下了坚实的基础。可以说，没有金蝶EBC（企业业务能力）这个平台的基础，就不可能实现其提出的“数据-应用-智能体”的三级架构模式。

从实施的角度看，由于目前基础大模型的推理能力仍有局限，智能体还只能较好地处理短时间周期的任务，其回答的准确性和作业的性能也有待持续提升。根据AI智能体研究机构METR的基准测试报告，AI在标准化的短任务中（如代码优化、数据查询）已能超越人类，但在需要跨领域知识整合、动态决策的长任务中（如复杂的软件开发项目），仍显著落后于人类专家。当前阶段的AI，更适合被看作是人类的“高效工具”，而非“全流程的替代者”。不过，该研究也提出了“智能体摩尔定律”的预测：AI完成复杂任务的能力大约每7个月就会翻一番，预计五年后便可处理人类通常需耗时一个月才能完成的工作。

更为重要的是，智能体在真实的企业环境中要完全替代人类，还受到审计合规、法律法规、社会伦理等多个非技术因素的制约。要处理一个复杂的、长周期的企业核心业务流程，在未来很长一段时间里，都将需要人类和智能体开展协作。智能体并非要完全淘汰传统的SaaS应用，两者将是一种共生关系。企业数字化的状态，将长期处于人类操作的工作流和机器自主运行的智能体的“混编”协作模式。

金蝶新发布的云平台，已升级为“苍穹Agent平台2.0”。它基于多种基础大模型和行业微调大模型的模型服务，能够支持企业管理应用所必须的信息安全和性能保障要求。它全面支持前文提到的多种企业智能体形式的开发与管理，并且能充分利用金蝶EBC平台所提供的丰富业务能力。

在金蝶的发布会上，一个值得关注的案例是：一家金蝶的实施合作伙伴，利用金蝶的技术平台，成功推出了自己的医药零售行业解决方案，并成为了该细分赛道的国内领先方案提供商。这表明金蝶也在探索类似于Salesforce为Veeva等独立软件商（ISV）提供开发平台的商业模式。这家合作伙伴的CEO对金蝶平台的技术先进性和易用性给予了高度评价，认为它有力地支撑了自己公司的业务发展。这从一个侧面印证了金蝶技术平台的能力。

企业管理智能体的演化未来会是怎样？一张广为流传的演化路线图，将企业级自主智能体（即完全自主的多智能体系统）的实现时间设定在了2035年。有趣的是，对于这个时间点的预判，国内外存在着明显的“温差”。国内许多从业者认为2035年太保守，在中国也许三到五年后就能实现高级阶段。而不少在欧洲大型企业从事企业架构管理的专家则认为，2035年的目标不是太保守，而是太乐观了。这或许反映出，像金蝶这样的中国科技公司，在追求技术先进性的意识和步伐上，可能已经走在了部分市场的前面。

技术上要“仰望星辰大海”，实施上更要“脚踏实地”。可以观察到，金蝶在推出一系列智能体产品及平台的同时，还配套推出了一套AI规划和实施的咨询方法论。这套理论虽尚需实践检验，但其展现出的创新性值得肯定。金蝶需要通过这类咨询方法论的输出，来更好地树立其在“中国管理模式”上的思想领导力，并借此建设更强大的行业生态。

最后，来探讨一下智能体发展给企业软件行业可能带来的商业模式创新。

当前行业普遍认为，企业级智能体可能催生一种创新的商业模式——RaaS（Result as a Service，结果即服务）。这是一种强调通过自动化和AI技术，来交付具体、可衡量的“结果”或“成果”，并以此为基础进行收费的服务交付模式。

RaaS的典型特征是：

• 交付对象： 是具体的结果，例如一份数据分析报告、一个处理完毕的任务等。
• 交付方式： 通过云端服务，深度结合AI和自动化技术。
• 收费模式： 按成功交付的结果数量或能达成特定结果的订阅周期收费。

RaaS在美国等发达市场是一个新兴的商业模式。例如，美国某家客户服务领域的RaaS公司，由一家运营多年的客户服务SaaS公司转型而来。它声称其智能体工具可在无人工干预下解决50%的客户请求，每次成功解决收费0.99美元，支付条件是“客户确认答案满意或退出对话且无需进一步人工协助”。这家公司也因RaaS模式带来的快速营收增长，其估值在资本市场飙升。

在国内，很多人将RaaS简单等同于“按效果付费的SaaS”。这可能是一种误解。按效果付费的商业模式早已有之（如效果营销），那么RaaS的本质区别在哪？

一个例子可以说明问题：某头部消费品公司曾尝试将生成式AI用于客户服务，但由于AI生成的答案存在“幻觉”和误差，若客户因采纳AI回答而产生服务责任（如安全事故），公司将面临严重后果，最终没敢大规模使用。

所以，AI能否对交付结果及其后果负责，即AI的“准确性”和“责任承担”，是RaaS区别于传统效果付费SaaS的关键。这就对AI模型、智能体工程的有效性等提出了极高要求。RaaS商业模式的核心要素是：归因、可预测性、责任。RaaS不仅要保证交付结果，更重要的是，其智能体的行为应可预测、可审计，且服务提供方需为交付结果承担相应责任。当前企业用AI替代人工的最大障碍之一就是责任认定。若AI不能为错误结果“背锅”，则始终需要人类复核，AI就无法真正“替代”人——这正是RaaS试图从商业层面解决的核心问题。

例如，员工报销存在不合规，若AI智能体错误审核并支付，提供AI服务的软件公司是否要担责？这种责任小到使用假发票，大到涉及反腐败、贿赂等法律问题。如果是智能体处理这类流程，遭遇合规事件，智能体公司就需要承担相应后果——这才是RaaS中“结果（Result）”一词蕴含的终极商业含义，也是其区别于传统SaaS的创新之处。

在金蝶的AI产品发布会上，其报销智能体宣布将“按照报销的成功交易数量或者金额来收费”。这对中国的企业软件行业来说，可能是一件具有划时代意义的事情。尽管金蝶在宣传RaaS概念方面似乎还比较低调，但这或许才是金蝶等国产厂商吹响的大型企业ERP国产化替代的“总攻号”——其目标，不仅是替代上一代ERP产品，而是要完成企业管理软件的时代跃迁。中国的企业软件行业常被认为价格竞争激烈，生存环境差。然而，弱者自怜，强者自强。金蝶再次向“企业管理AI”这个全新领域转型的勇气，展现了其引领中国企业软件行业走向新时代的决心。希望“企业管理AI之树”这棵由中国厂商亲手种下的幼苗，能在中国这片创新的沃土上，茁壮成长。

企业在向SAP S/4HANA Cloud转型时，SAP 许可 (License) 从 On-Premise 时代的经典指定用户模型转向全新的 FUE 许可模式，且 SAP 产品的许可 (License) 包含诸如“组件授权、用户授权、计量模式”等复杂模型，这对企业来说如同一个黑匣子，难以理解其工作原理。此外，企业还面临 SAP 的 License 审计等合规性问题。赛锐信息在 SAP License 审计流程方面拥有丰富咨询经验，拥有自主研发的高效 SAP License 资产优化软件产品，欢迎企业在需要时随时联系我们，以获得我们的支持服务和软件产品试用体验。