ITPub博客

首页 > 数字化转型 > ERP > 围绕Agent重构ERP,SAP的王牌是“读懂业务”

围绕Agent重构ERP,SAP的王牌是“读懂业务”

原创 ERP 作者:李代丽 时间:2026-11-18 09:26:32 0 删除 编辑

当Agent浪潮席卷全球,一个关键问题引发业界热议:智能体究竟是ERP之上的一个工具,还是ERP要以Agent为核心被重新构造?SAP的做法,或许是一个时代的“缩影”!这家跨越半个世纪的ERP巨头,用亲身实践证明,Agent与ERP的关系正在产生新的共生与进化,企业级AI的竞争正从“谁的模型更强”转向“谁更懂业务”。

近日,在SAP 中国研究院举行的媒体沟通会上,SAP全球高级副总裁、全球研发网络总裁柯曼博士与SAP中国研究院院长、SAP全球副总裁蔡彦斌博士,全面解读了今年SAP TechEd的技术亮点与商业AI前沿趋势,并分享了“自主运营企业”愿景背后的技术路径与现实挑战。

界面变了,企业AI的范式转移

“今天,企业商业环境正发生前所未有的快速变化,他们需要一种更自主性的方式,把机会和效能转化为实实在在的价值。”柯曼博士的开场白很直接,SAP要帮助用户打造“自主运营企业”,不是在追概念,而是新时代、新场景赋予的新使命。

他描绘了一个典型场景,比如:一家供应商的关键零部件出现了供货延迟现象,该怎么办?传统方式是人工逐级上报,等决策完,生产线的损失可想而知!理想状态下,应该是企业系统能自动预测影响、做出判断并采取补救措,这一切应该由AI智能体自主完成,生产线始终正常运转。

那么, 用户该如何把AI从辅助工具推向企业核心运营场景,并且确保其可信且可控的运行呢?在今年的 TechEd 上,SAP 给出了解法——SAP 商业 AI 平台迎来重大升级,Joule Work、Joule Studio 与 SAP 知识图谱(SAP Knowledge Graph)等核心产品矩阵全面扩容,通过强化业务上下文与全生命周期治理,支撑智能体在实际业务流程中的稳定运行。

Joule Work,一个智能体工作入口,一个可以与数据、流程进行交互的新界面;Joule Studio,用于构建智能体的低代码工具,覆盖从开发构建到部署监控的完整生命周期;SAP Knowledge Graph,是智能体的认知基础,其知识图谱涵盖逾 700 万个数据字段,让 AI 理解企业运转逻辑。

光看字面,大多数人可能没啥感觉,但如果你在SAP研究院看到Demo演示环节,会更直观地感受到:传统管理软件的界面再也看不到了,Joule Work不再是简单的ERP+AI模式,而是能让系统通过用户的自然语言理解用户意图、调用流程、执行任务。

以一家演出公司为例:集团财务这个角色,不是简单的算算账而已,决定哪些钱该花、哪些钱不该花。CFO的工作场景为:当他打开电脑时,会看到AI提供的商业情报——最大的竞争对手因为天气原因不能举办对应的演出活动,如果公司抓住这个机会,将会发生什么?Joule Work会把分散的数据和不确定的机会,以成本、风险和利润报表分析的方式,把所有可能性因素都汇聚在一个面板上,给决策者提供判断依据。

同样,对于HR来说,这种自主运营的效果,也是立竿见影。以前,公司业务线缺人,可能会盲目去招聘,但智能体会给你提供最 佳 方案,譬如:可以通过灵活就业的方式去实现运营,或者调用其他城市的员工去实现这样的工作目标。

从商业AI的交互方式来看,这种将业务逻辑封装进智能体的方式,本质是人与系统关系的重构。自此,人将从“操作者”变为“指挥者”,AI去干具体的执行工作。

架构变了,ERP成为“智能中枢”

那么问题了:Agent时代,企业管理的效率提上来了,但我们熟悉的那个ERP去哪里了?

“在企业AI应用场景,每一层都很重要,Agent并不会取代应用层。Agent再怎么聪明、再怎么厉害,都需要数据底座来支撑。”蔡彦斌博士强调,企业AI不是简单地在现有系统上“加一个聊天框”,而是需要对平台、应用、智能体三层进行系统性重构。

在平台架构面,底层是升级后的SAP Business AI Platform(含AI治理、数据整合、知识图谱能力),中间应用层,依然承载端到端的企业流程(传统ERP功能),最顶层是Agent层,通过Joule Studio以低代码甚至无代码的方式构建,而Joule Work作为统一入口横跨其上,完成意图识别与资源编排。

从开发层面来看,SAP会基于现有ERP流程进行创新,希望通过Agent的方式重新打造这些流程。SAP已在智能体层面发布了300多个智能体,理想状态是覆盖端到端的企业流程,但应用流程仍然留在APP这一层,数据层则负责将数据整理、提炼后供给上层智能体使用。

采访中,蔡彦斌博士针对Agent与ERP的关系强调了一点,企业AI要想走向核心业务场景,需要一个更强大的平台底座。说白了,只有“Clean Core”干净的数字化核心,AI才能上手,如果数据不干净、流程不清楚,一切都是空中楼阁。

SAP在平台架构层的重构,向外界传递出一个关键信号:Agent不会取代应用层,但它会成为企业软件的新交互层和执行层。Agent越智能,对底层数据与流程治理的要求越高,而非越低。这就像人做判断一样,不能拍脑门决定,而是要基于知识和经验。AI决策,知识上可以依赖通用大模型;但经验要来自企业自己的数据与流程沉淀。

蔡彦斌博士明确表示,ERP产品经过几十年打造,涵盖众多行业,应用流程还是在APP里。Agent的理想状态是覆盖端到端的企业流程,但它建立在应用与数据层之上,而非取而代之。

读懂业务的能力,SAP的“王牌”不变

前面说的都是SAP在智能体时代“变”的部分,那“不变”的是什么?整场采访中,被提及频率最高的关键词是 “业务上下文”和“知识图谱”。

“一位做外贸自行车贴牌加工的朋友,用某Agent工具生成‘未来三个月定价策略’,结果非常好。但当他要求针对具体产品、具体客户做更细颗粒度的策略时,Agent给出的东西根本用不了。” 蔡彦斌博士用一个生动的例子说明,“业务上下文”才是智能体落地过程中那个最大的“拦路虎”。

SAP的解法是SAP Knowledge Graph。SAP的ERP系统中沉淀了700多万个字段、50多万张数据表、超过15000个流程。知识图谱的作用,就是将这些“数据资产”整理为AI可理解的企业知识,让智能体不仅懂行业,更懂这家企业。

但这恰恰也是最难的部分。做知识图谱有一个条件,你的数据底座必须足够好。很多企业做POC时效果惊艳,一旦深入就问题百出——数据不准确、系统间规则不一致、流程不清晰。这是因为,POC阶段只用到水面上的小场景,水面下庞大的数据治理工程才是真正的挑战。

SAP将AI的竞争焦点从“算力竞赛”拉回到“数据治理”,这既是其50年企业软件积累的必然选择,也是一条最难的路。知识图谱的价值毋庸置疑,但企业数据治理是一项周期长、投入大、见效慢的工程。在当前经济环境下,有多少企业愿意为“看不见的地基”买单?

蔡彦斌给出的方案是:将治理框架“固化”在产品中,Joule Studio内置了功能测试、性能测试、安全测试、准确率测试、合规检验等流程,试图降低企业的治理门槛。但工具能解决流程问题,却解决不了数据质量本身的问题,这注定是一场持久战。

写在最后

一个很有意思的分享是,SAP在整个采访和演示环节中,特别提到了“Physical AI”。这是今年人工智能领域火的不能再火的赛道,SAP通过与具身智能公司合作,将智能体与仓库机器人做了有机结合,这背后是SAP中国研究院角色定位的微妙变化——过去很多年,SAP做的是把全球最 佳实践带到中国;现在想做的,是把中国的实践打造成“中国AI方案”推向全球,而Physical AI就是最好的例子。面向未来,SAP通过技术与生态扩展能力拥抱开放,但同时也会守住核心,把对企业和行业的理解,融入可治理的AI框架,在开放性与权限、审计、合规之间找到最 佳平衡点。

来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/31547898/viewspace-3189300/ ,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2018-07-30

  • 博文量
    1720
  • 访问量
    2947477