ITPub博客

我们通常会在一家企业里看到这样一种情况：销售在CRM提交了客户申请，OA审批也已经结束，但ERP里还没有正式客户档案，后续订单、结算和财务流程因此卡住，只能再由人工把几套系统里的信息重新核一遍。三套系统其实都在正常运行，问题出在流程没有真正连起来。客户资料在CRM里，审批结果在OA里，正式客户主数据又要落到ERP。过去，这些环节往往靠人来回切换系统，核对资料、确认审批、查重、建档，再把ERP生成的

RPA+AI现在已经可以覆盖一条比较完整的企业业务链：前面处理发票、附件、邮件等材料，中间核对金额、数量、订单和业务状态，后面再进入ERP、财务系统、采购平台或外部网站完成查询、录入和提交。以一笔采购业务为例，供应商提交发票后，往往还附带采购订单、送货单、验收材料。财务需要核对供应商、金额、订单、收货情况，材料无误后再进入ERP、采购平台或财务共享系统建单、上传附件、发起审批。这里同时涉及非结构化

AI数字员工正在成为企业软件市场里一个越来越宽泛的概念。有些产品更接近接入企业知识库的AI助手，主要负责问答、写材料；有些已经可以调用API、MCP和业务工具；还有一些沿着RPA和流程自动化继续向上演进，能够登录ERP、网银、OA甚至老旧C/S系统，把下载、录入、核验、审批流转等工作真正跑起来。这几类产品看起来都很智能，但进入生产环境后还是有比较明显的差距。2026年发布的《AI智能体赋能行业决策

企业在选Agent框架的时候，很容易从GitHub Star、模型支持数量和Demo效果开始比较，但真正做过项目的人，还是会关注到一些更具体的问题。比如在一项投行尽调任务中，Agent需要先读几十份材料，再查询内部知识库和业务系统，发现数据缺失后重新取数，中途还要等待人工确认，最后生成报告并把结果写回系统。任务一旦拉长，就不能只考虑模型的推理能力，还要考虑流程走到哪一步、失败后从哪里恢复、多个Ag

月末关账长期是财务部门最集中的工作高峰，银行流水、业务单据、支付记录、往来账和凭证分散在不同系统，很多核对工作又习惯在月末集中完成，几天之内同时处理大量历史数据，关账周期自然难以压缩。目前财税智能体正在改变这种节奏，它把原本集中在月末的取数、对账、凭证处理和异常识别拆到日常，让流水每天获取、标准账每天匹配、异常每天暴露，月底依然需要关账，但积压到最后几天的重复核对明显减少。从月底集中对账，到每日持

金融AI已经进入算账阶段，对城商行、农商行、中小券商和保险机构来说，跟进智能体是必做的，但投入多少、能省多少、多久能形成稳定收益，才是问题所在。这笔账至少要包含四项：前期建设成本、生产运行成本、风险成本，以及场景扩展后的边际成本。模型价格只是其中一部分，真正影响ROI的，往往是系统接入、人工复核、异常处理和后续复用。一、建设成本：从可量化场景起步头部金融机构有能力投入大量算力、算法和研发资源，自建

同样是RPA，有的产品下载安装到电脑上，拖几下流程就能开始跑，有的却要部署服务器、配置机器人资源、划分开发与生产环境，还要考虑权限、审计和运维。表面看都是自动点击、录入和搬运数据，实际面向的却是两类完全不同的需求。个人或小团队使用RPA，通常是为了处理网页采集、Excel整理、电商后台操作、报表搬运等重复任务，重点是上手快、成本低、自己能维护。企业级RPA则需要几十个部门同时使用，上百条流程长期运

许多企业数字化项目在复盘期会遭遇一个困境，立项时承诺节省多少人力，半年后CFO 查账时却找不到一行能落进损益表的数字。问题出在哪里？算账的逻辑错了。IDC 2026 年调研指出，超过 60% 的企业在 Agent 规模化落地时卡在评估试点阶段，核心原因之一，正是沿用了传统的"替代人数"算账逻辑。这套逻辑天然忽略了 API 调用成本、人工复核工时、系统接口变动引发的运维支出，最终

2026年的智能体市场有一个很明显的变化，POC越来越容易做，生产环境的差距反而拉开了。模型能力、RAG、工作流编排、多智能体协同，这些过去足以撑起一场产品发布会的能力，现在已经快速进入平台标配区间。真正到了企业内部，就会有这些问题出现：ERP没有API怎么办，智能体调用的是谁的账号，审批和支付能不能自动放行，模型升级以后原来的流程会不会漂移，出了错能否准确追到哪一步。IDC今年的调研指出，仍有6

市场上自称"AI Agent"的产品有数千家，但真正具备自主执行能力的供应商仅约130家，预计到2027年底，超过40%的代理型AI项目将因ROI不达预期而被取消。这是Gartner给出的数据，还将这一现象命名为"代理洗白（Agent-Washing）"，也就是相当于企业花钱买了一个更贵的对话框。与此同时，国家政策已经把工业智能体推向"必答题&qu

超过60%的企业仍停留在AI智能体/数字员工的评估和试点阶段，真正将其纳入核心业务流的仅占18%。IDC在2026年4月发布的《企业Agent如何落地？IDC COMPASS七维方法论与MarketGlance选型参考》给出了这组数字。困局指向同一个根源：Demo跑得好，但是一到生产就卡壳，大模型能力并不是瓶颈所在，问题直指工程治理的空白地带。场景筛选草率、架构选型失当、安全门禁缺位、运营体系未建

很多人觉得，有时候业务部门花了两周时间接入一个AI助手，它能自动汇总邮件、抓取网页数据、生成一份还算能看的周报，领导是挺满意的，甚至还想在下个月再加五个，分别负责对账、开票、合同审核、客户回访和报表分发，结果问题就来了。第二个助手需要访问财务系统，账号怎么给？第三个助手操作出错了，谁来兜底？第四个助手和第二个助手会同时操作同一个系统，调度冲突怎么解决？第五个助手上线后，之前跑得好好的第一个助手开始

现在很多企业的自动化项目都呈现这样一个状态：在POC阶段，数据抓取、表单填写、报表生成一气呵成，领导点头，预算到位。但是等到真正进入生产环境，问题就陆续冒出来。权限申请迟迟走不完，核心系统接口难以开放，共享账号过不了审计，业务系统一次改版，又可能让已经跑起来的流程中断。不少企业的自动化项目可能都经历过类似的过程，试点验证了技术可行性，规模化阶段面对的却是另一套要求：系统接入、权限控制、异常处理、审

最近，IDC发布了《中国APA产品及解决方案市场份额，2025》，报告显示，2025年中国APA产品及解决方案市场规模约为21.5亿元人民币。这里的21.5亿元不只是软件销售额，还包括围绕APA产品产生的实施、集成和运维服务收入，通用大模型API、AI基础设施及无关软硬件收入并未计入。这个统计口径揭示了APA市场的真实底色，企业花钱购买的并非一个孤立模型，而是让AI进入业务流程所需的完整能力，包括

7月21日，一位开源公益站开发者在社区复盘了两次生产事故。上线两天，他给Grok开放了数据库权限，让它去修一个模型名称映射的小bug。AI跳过测试，直接改了生产数据库，调度器卡死十分钟，服务中断。第二次是账号保活，指令没写清楚范围，AI把全量账号的Token都刷新了一遍，六个付费用户的兑换码因此受影响。这个项目上线两天内，因为给AI模型过高的数据库权限和模糊指令，连续引发了系统故障。可怕的是，这并

今年4月，国务院印发《关于推进服务业扩能提质的意见》，明确提出支持采购大模型、智能体服务。IDC同期数据显示，2026年中国企业级AI智能体市场规模将达到449亿元，同比增长超过110%。政策松了口，钱也在跟着涌进来，但采购合同的成熟度，明显没跟上市场规模的速度。过去买软件，价格围着账号数、模块数、服务器配置转，贵不贵至少能算清楚。买AI智能体不一样，许可证只是入场券，后面跟着模型调用、Token

中国信通院和三六零今年6月底联合发布的一份报告提到，企业级智能体正式走出实验室概念，进入规模化商用周期。报告测算，2026年国内企业级智能体市场规模有望突破800亿元，年复合增长率超120%。Gartner的预测认为，到今年年末，全球40%的企业软件将内置智能体能力，这个数字在去年还不到5%。数字增长很快，落地效果却参差不齐。同一套智能体产品放进不同企业，结局可能完全不同。有企业把它嵌进核心流程，

2026世界人工智能大会（WAIC 2026），西门子将发布Eigen工程智能体，主打读懂产线、设备协议和工艺知识。同一个月，广东和京东产发签约，机器人产业园在广州开工；湖北、海通证券这类政务和金融机构，还在为权限、审计、留痕这些事较劲。大家都在做Agent，做的却是完全不一样的生意。这也是很多企业选型时的困惑，场景看起来差不多，都是理解任务、调用工具、给出结果，为什么换一个行业，排在前面的公司就

2026年的企业智能体市场已经开始分层。现在企业能接触到的方案，大致来自几类玩家:阿里云百炼、百度智能云干帆、华为云AgentArts这类Agent开发平台，金蝶等企业软件厂商，钉钉等办公协同平台，以及从流程自动化演进而来的企业级智能体平台。大家都在讲知识库、多Agent协同、MCP、工具调用和低代码开发，产品页面越来越像，真正拉开差距的，还是各家原本掌握的业务资产。2026企业智能体的四条主流路

中小制造企业上智能体，第一个项目选错，往往比技术没选对更麻烦。动态排产要打通订单、设备、工艺和库存四类数据；视觉质检要重新采集样本、训练模型、适配产线节拍；预测性维护要先解决设备联网和历史故障数据的问题。这些场景价值高，对数据基础、专业能力和项目周期的要求同样很高，多数中小工厂很难一步到位。2026年1月，八部门联合发布《"人工智能+制造"专项行动实施意见》，在推动工业智能体规