企业级AI落地仍有挑战

让AI写一封催货邮件，错了可以改。让AI在系统里把一批货标成“已到货”，事情就不一样了。

仓库可能还没收齐，财务却已经看见了收货记录；采购员正准备追问供应商，系统却显示这单已经完成。一个状态改动，可能把后面的入库、对账、付款都带偏。

这就是很多企业用AI时会碰到的那道坎：它给人提建议，与它替人改动业务记录，是两回事。

斯坦福大学《2026年AI Index》引用的调查显示，受访组织中使用AI的比例已经达到88%，但AI智能体在大多数业务职能中的部署仍处于个位数。这里统计的不是同一件事，不能拿两个数字直接相减。不过，员工会用AI，与企业放心把一段工作交给AI，确实隔着一套业务规则。

这套规则，究竟要补在哪里？

一、先看清：AI拿到的是“资料”，还是“事实”

采购员问：“这批货到了没有？”

AI可能同时找到供应商发来的送货通知、司机的签收照片、仓库的收货单。三份资料都在说“到了”，但说的并不是同一件事。车到厂门口，不等于仓库点收完成；点收完成，也不等于质检通过、可以结算。

人做这件事时，会先问一句：你说的“到了”，到底按哪个环节算？AI也得知道这个口径。否则，它检索得越快，只是越快地把几个不同的状态揉成一个答案。

所以，接入企业数据时，不能只把文档、聊天记录、业务表一股脑交给AI。至少要分清：哪个系统记录正式收货，哪张单据对应这批货，数据更新到什么时候；通知和照片能辅助判断，却不能替代仓库的确认。资料冲突时，AI应该指出冲突，而不是挑一条最像答案的记录往下说。

这不是让AI背更多知识，而是让它知道：哪份信息能供参考，哪份记录才算数。

二、从“帮我看看”到“替我处理”，每一步的权限都不同

再往前一步。AI发现送货数量与采购订单对不上，可以提醒采购员核对。让它生成一份待确认的差异记录，也未尝不可。

但要是它直接把采购订单改成已完成，或者把应付金额按送货通知更新，就越过了采购、仓库和财务之间的交接点。这里的问题不只是答案准不准，而是谁有权改变正式状态。

企业可以把动作拆开看：查询订单和库存，是读数据；起草催货信息、填写待审单，是帮人准备材料；确认收货、扣减库存、放行付款，是改动业务结果。前两类适合先试，后一类要看既有审批、岗位权限和异常处理能否一起接住。是否需要人工复核，取决于动作的后果，而不是AI看起来有多自信。

权限也不能只写在提示词里。AI调用业务系统时，应当沿用系统的身份校验和操作权限；没有权限的账号，不能因为“是AI代办”就多出一个入口。执行前后，还要留得下操作人、依据、时间和结果。这样出了差错，才知道从哪一步查起。

三、顺利的十单之外，更要看“不顺利的那单”

企业做AI试点，最容易被几次漂亮的演示打动：问题问得清楚，数据正好齐全，AI一气呵成。

真到日常工作里，送货单少了订单号，供应商报了新旧两种物料编码，仓库只收到一部分货，接口返回超时。问题常常不是AI不会回答，而是它能否承认“现在不能往下办”。

拿部分收货来说，AI不能因为看见一张签收单，就把整张采购订单结清。它需要知道本次实收数量、未到数量、是否允许分批入库，以及差异要交给谁确认。资料不足时停在待确认状态，比编出一个完整结果更有价值。

验收时，不妨专门找这些单据来试：缺字段的、信息冲突的、重复提交的、已经撤回的。看AI能不能追问、停止、转交给人，也看系统能不能防止同一动作被执行两遍。只拿标准单据测准确率，测不出它在真实流程里会不会添乱。

四、业务系统没接住，AI再聪明也只是“多一个窗口”

不少企业已经有ERP、MES、WMS或自建业务系统。让AI加入，不一定要推倒重来。更实际的问题是：它在哪个界面帮谁做事，读哪个系统的正式数据，结果又回到哪张单据上。

比如，采购员在采购订单里问交期，AI能结合订单、到货和供应商反馈整理出差异；确认后生成催货任务，并把处理结果留在订单旁边。这样，下一个接手的人看得到来龙去脉。要是AI只在独立聊天窗口里给出一段建议，采购员还得复制粘贴、重新录入，工作并没有真正少多少。

织信这类可搭建业务应用的平台，提供数据模型、流程、权限及面向业务用户的智能助手能力，适合把AI放到具体业务界面里考虑：让它查询什么、生成什么，哪些动作仍由岗位人员确认。平台有这些能力，不等于接上AI就能自动处理一家企业的采购异常。订单口径、审批边界和接口规则，仍得由企业自己定义，再用真实单据验收。

五、最后算的，是整件事有没有变轻

AI查资料只用几秒，听上去很快。但采购员若还得逐条核对来源、重填系统、找仓库确认，节省的那点时间可能很快又花回去了。

试点前，先挑一段量得清的工作。比如采购订单催货：过去一单要查几处信息，来回问几次，多久能形成可执行的处理结果。试点后，用同类订单比较，不只算AI回答用了多久，还要算人工复核、退回修改和错单补救花了多久。若AI先帮人把资料找齐、差异列明，哪怕最后仍由采购员点击确认，也可能已经值得用。

企业级AI落地难，并不意味着要等所有数据和流程都完美才开始。它更像是一次逐步交接：先把资料查准，再把草稿写好；等权限、异常和留痕都验证过，才决定是否让它执行下一步。

下一次评估AI能不能接一项工作，可以先看三件事：它依据哪份正式记录？它能改动什么？资料不全或做错了，谁能接住并改回来？

这三件事说清楚，AI才不只是一个会回答问题的窗口，而能真正替业务人员省下一段工作。