小龙虾不是企业AI ｜ 我对企业应用AI的五个观点

昨天我作为特邀嘉宾，出席了中国领先的企业管理软件公司金蝶的“AI超级套件”产品发布会，并做了大会主题发言。

在下午一个CIO闭门会上，我即席谈了基于当前技术发展阶段，我对企业在现实中应用AI的建议，以下将我提的几点建议分享给大家。

最近几天小龙虾很火热，很多人问我它怎么用到企业里，我认为企业级AI 需要具备若干理性原则，我们讨论AI 时要明确其技术范式、应用边界和人类工作方式，AI 是企业信息系统中的一个层级，并不是企业信息系统本身。

一、首先要区分判别式AI 和大模型AI

人工智能可以类比于人脑，而判别式AI (Discriminative AI) 是我们的左脑，专注于精准的决策和预测，用于预测、风控和推荐等利用企业存量数据的场景。这类AI出现在大模型产生之前，包括机器学习、深度学习以及规则引擎等。

它之所以称为“判别式”，是因为它在企业业务场景中用来回答“是否”、“是什么”、“有多少”的问题，输出通常是固定的类别、数值或概率。例如风控场景中判断一笔交易是否为欺诈，推荐算法给用户推荐哪个具体的商品可能会导致他的购买行为，人脸识别这个人是不是员工陈果，供应链预测某个产品 下个月库存需要备多少货。

这类AI在特定任务上，准确率超过人类。它是在企业已有数据中找规律，只要数据分布不变，AI输出的性能稳定，这类AI模型训练成本可能较高，但相比大模型而言，推理成本通常较低。

而大模型AI主要基于Transformer 架构的大语言模型（LLM）以及相关的生成式技术。它相当于人的右脑，用于回答开放性问题，进行推理、总结、创作和多轮对话，输出文本、代码、图像等非结构化数据。

大模型AI的特点一是通用性强，一个模型可以干很多事，不需要为每个任务专门训练模型，也称为泛化能力，二是模仿人类理解力，能处理模糊的、非结构化的人类语言，但是存在幻觉，其输出具有不可靠性，三是算力昂贵，部署和推理成本较高。

在目前的企业语境中，按照应用形态，企业AI又可分为智能体式AI (Agentic AI)和生成式AI（Generative AI）——严格意义来说，所有的智能体式AI (Agentic AI) 都是生成式AI，但生成式AI 不一定是智能体。

生成式AI重点在内容生成，它的角色是人类工作的副驾驶(Copilot)，其交互模式是人问AI 答，常见应用是会议或文档总结、写代码片段、知识问答、创意写作。它增强了人类员工工作能力，但最终结果交付是人类控制的。

智能体式AI 重点在“行动”，它是能代替单个人类员工完成特定任务、甚至代替一组人类员工完成包含多个任务的流程。其交互模式是人给出目标，AI 拆解任务、调用工具、产出结果。

小龙虾是一种完全无人化的智能体式AI，而人类和智能体协作，由人类掌握主动控制的企业AI称为“智动化”，我在《企业要用智动化而不是小龙虾，如果你已经闯祸了，我们来救你》文中有描述，在金蝶大会上我讲了这样一张图：

企业级AI是以上多种AI技术的结合，并不是只靠去年爆火的DeepSeek大模型或者今年爆火的小龙虾，就能代表企业所有使用的AI。

二、能用自动化流程解决的问题，不要用大模型智能体

这几天小龙虾爆火，似乎智能体能够做所有的业务。实际上，企业系统解决业务执行有四个智能化层级：人工操作信息系统（例如ERP）、流程自动化、自动化规则、智能体，而其应用复杂度逐级上升、可靠性逐级下降。

在目前技术条件下，前三种是比较稳定的，而且成本可控，只要讲得清楚的结构化工作或者条件化工作，都可以用这些技术手段完成。

如果本来是用流程自动化可以完成的工作，盲目才用智能体，会让业务执行变得不可控、可审计性变差、同时执行成本更高、响应性能也会下降。

所以原则是确定性流程采用流程自动化或者智动化，不要采用智能体处理确定性的长流程，只有任务结构不清晰的工作适合智能体，例如市场研究、复杂用户服务或者故障排除等。

三、能用报表解决的数据分析，不要用聊天问数

很多人认为AI能够更好利用企业数据产生业务洞察，这也是对数据产品的误区。

传统上，企业利用数据生成业务洞察的工具称为BI ，其交互形式的为格式化报表或仪表盘，它基于企业级标准化指标、具有高度一致性，分析性能高，广泛用于财务、销售、供应链等结构化问题的分析。

而随着基于大模型的聊天交互方式兴起，ChatBI（聊天问数）成为大家关注的热点，例如：“这个月华东地区毛利下降原因是什么？”大模型可以解析用户问题、生成数据库查询语言、做分析模型、生成文本或图表解释。

但是，我们即便抛除大模型幻觉的不准确性问题，数据治理、指标口径这些认为因素，并非大模型能解决的。更重要的是，正如我在《中国管理模式 ｜ 中国式报表和数字化背后的管理哲学》文中所写，应用结构性分析逻辑，本身是一种管理技能，例如在公司经营管理分析会上，管理者们要习惯看报表，基于数据开展讨论——数字会说话，这体现了企业管理的稳定性和成熟性。而ChatBI问数的方式，适合进行问题探索，辅助用户思考。

所以很多企业存在错误的认识，把AI 当作BI 的替代品。实际上在目前的技术条件下，AI 是BI 的补充层，并不能替代BI。

四、智能体替代的是操作企业信息系统的人，而不是替代企业信息系统

最近这段时间，很多人认为AI 会替代ERP / CRM / SCM这些传统企业信息系统，这种观点表现在资本市场上。金蝶最近股价下跌很厉害，就是了受到全球资本市场上这个风潮的影响，更不巧是它在香港股市交易，由于最近国内大模型公司在香港交易所扎堆上市，热炒这些新股虹吸了大量市场资金，使得金蝶股价跌幅超过了其在国内股市交易的同行。

在欧美，最近从英伟达总裁黄仁勋，到Workday和SAP的CEO，都公开发表谈话，认为AI不会替代SaaS，不会替代作为记录系统（system of records）的企业信息系统。参见 “AI替代企业软件”相当于反预制菜、反西贝式愚昧

企业信息系统本质是基于数据结构和业务规则，来处理并记录企业的各类财务和运营事务。这些事务的信息记录必须强一致、可审计、可追溯，而大语言模型完全不适合处理这些内容。

智能体真正替代的是操作这些系统的人。很多企业有大量的财务录单员、采购订单录入员、数据整理员等，这些人做的事情是：打开系统界面、接受流程任务请求、查询数据和表单、填数据、提交表单、完成流程任务，而这一系列动作都可以由智能体完成，它还可以通过API调用系统，直接完成操作——系统仍然存在，只是用户界面从人变成了AI。

五、人说不清的事情，AI也做不明白，不过这恰恰是AI最擅长的事

智能体执行任务可能需要跟人类就目标、规则、边界和评价标准等进行持续互动，如果这些点人类自己都讲不清楚，那么AI也就浑浑噩噩地去做。因为AI 本质是人类知识的外部化。

例如企业让AI 来做个业务战略，但是什么叫业务战略，怎么定义什么叫好的战略、战略的衡量指标是什么？很多企业自己都没有明确的框架。那AI 就只能，生成漂亮废话。

对于模糊的事情，AI做不好，但又恰恰是AI最擅长，这句话可能看似矛盾，但是恰恰企业内部存在很多模糊性工作，恰恰就是人类可以外包给AI的。

智能体是目标驱动的，所以这里说的“说不清”，不是目标说不清，而是达成目标的任务路径不确定，还没被人意识到。

例如，人类对智能体说“调研日本机器人市场”，收集市场信息、生成市场报告这个目标是很清楚的，然而提问的人可能既不懂市场研究的方法，同时也不了解日本市场或者机器人产品，而这正是智能体擅长的任务。

所以最后总结下，基于AI的企业信息系统是上面这样的👆

企业信息系统就像浮在水面上的冰山，炒股的股民以及普通业务用户可能只是看到了水面上的冰山——小龙虾或者智能体，而没看到水面下的信息记录系统、数据分析系统以及数据底座，这才是最有价值的企业AI。

金蝶新推出的“AI超级套件”，就是基于我上面画的这个架构图的逻辑。金蝶AI超级套件重磅发布，助力企业奔向AI新世界