演示很惊艳、上线就翻车:SAP 说企业 Agent 卡在三个地方
SAP TechEd 2026 上,SAP 高管直言 POC 成功不等于生产可用,企业 Agen…
文章目录

“POC 非常成功,领导都非常高兴,说我们就去干吧。可真正做起来,效果完全不一样,数据不准确,其他问题也都出来了。”SAP 中国研究院院长蔡彦斌这句话,几乎概括了这两年企业 AI 的真实处境。演示视频里 Agent 无所不能,进了生产环境却连该信哪个系统都判断不了。
一分钟速览
- POC 成功不等于生产可用,数据与异常处理是主要落差
- 企业 Agent 面临业务语义断层、系统异构集成、生产鲁棒性三道坎
- 行业大模型懂行业,却未必懂一家企业具体怎么经营
- SAP 提出“自主运营企业”愿景,让 AI 进入核心流程
第一道坎:模型不懂这家企业
模型可以懂行业知识,却未必知道一家企业究竟如何经营。蔡彦斌举了个例子:一位朋友经营自行车贴牌加工厂,让两个 Agent 制定未来几个月的产品定价策略。模型给出的分析看起来相当完整,却无法直接使用,因为它不了解具体产品,也不清楚客户结构。
这就是业务语义断层。企业内部的数据分散在不同平台,不同部门对同一个业务概念可能有不同定义。比如“客户”在销售系统里是签约主体,在财务系统里是开票对象,在售后系统里又是设备持有人。Agent 接入后,先要判断该用哪套语义,这不是靠更大的模型就能解决的。
第二道坎:两套系统,听谁的
企业里往往同时运行着 ERP、财务、供应链、客户关系管理等多套系统,规则并不总是一致。蔡彦斌直言:“企业里面有两个系统,到底应该遵循哪一个系统的规则?这个事情,智能体自己解决不了。”相比按固定规则执行任务的 RPA,Agent 能根据环境变化选择工具和路径,但选择越多,越需要明确的权限和规则边界。
SAP 全球高级副总裁柯曼博士认为,企业 AI 的目标应该是根据业务意图自主采取行动。比如供应商的关键零部件延迟交付,系统不仅要识别风险,还要判断对生产和供应链的影响,并采取补救措施。这要求 Agent 跨系统协调,而跨系统的前提是数据、流程、权限都被打通。
第三道坎:生产环境不会按剧本走
小范围测试时,企业可以提前准备数据、设定明确任务;进入生产后,Agent 要面对长期积累的管理规则和大量无法提前穷举的异常。数据延迟、接口超时、权限变更、业务规则临时调整,都会让原本跑通的流程失效。工程化要解决的不是“能不能做一次”,而是“能不能稳定做一万次”。
“自主运营企业”还有多远
SAP 提出的愿景,是让 AI 从辅助工具逐渐进入企业核心业务,承担流程编排和执行。方向没问题,但落地顺序更重要:先把数据口径统一,再把权限和系统集成做扎实,最后才谈自主决策。跳过前两步直接上 Agent,POC 越惊艳,生产环境摔得越重。
对企业的启示也很直接:选 Agent 时不要只看演示,要看它怎么处理异常、怎么解释决策、出了问题谁来兜底。模型能力会越来越强,但企业 AI 的瓶颈,短期内仍然在数据和流程治理上。
本文地址:https://www.163264.com/21660


