选AI Agent时，“能看懂老旧ERP界面”为什么是关键能力
想象这样一个场景：你刚说服老板引入AI Agent来替代财务部门的重复性工作，信心满满地部署了系统，结果上线第一天就遭遇尴尬——AI Agent面对公司用了十多年的那套老旧ERP系统，直接“罢工”了。屏幕上的按钮识别不出来，数据字段抓取不到，说好的“一句话完成工作”变成了“一句话让AI陷入死循环”。
这并非个别现象。根据IDC的报告，全球仍有超过60%的企业在关键业务流程中依赖运行了10年以上的遗留系统。这意味着，AI Agent能否真正落地为企业创造价值，表面上看比拼的是算法和模型有多聪明，实际上考验的却是一项容易被忽视的基础能力——它能不能“看懂”那些界面老旧、逻辑混乱、没有API接口的老系统。
本文将深入剖析这一能力为何如此关键，以及企业在选择AI Agent时，应如何评估这项“硬核指标”。
一 为什么“老旧ERP界面”是AI Agent落地的最大拦路虎？
企业信息化的历史包袱往往比想象中更沉重。许多企业核心业务系统部署于十年前甚至更早，受限于当年的技术架构，往往伴随着令人头疼的特质。事实上，Gartner的研究表明，企业遗留系统的维护成本平均占IT总预算的70%-80%，这一数字背后折射出“不敢动、不能动、动不起”的困境——不敢轻易替换，因为核心业务数据都在其中；不能停摆，因为生产运营乃至财务结算都依赖它；动不起，因为全面重构的成本动辄千万且周期漫长。
1.1 集成壁垒：没有API，怎么“对话”？
现代软件设计讲究开放生态，提供丰富的API接口供外部系统调用。但老旧ERP系统通常是一个封闭的“黑盒子”，基于传统的C/S架构或特定技术栈开发，要么没有提供API，要么提供的接口功能极其有限。AI Agent若依赖API进行系统对接，面对这样的系统将寸步难行。
1.2 识别困境：不只是OCR那么简单
老旧ERP界面为典型的“像素级”界面，数据基于固定的屏幕坐标呈现，字体、颜色、控件类型往往不符合规范。AI Agent不仅要“看见”屏幕上的文字（OCR），更要“理解”每一个字段的业务含义——哪个是客户名称，哪个是金额，哪个是“提交”按钮。如果屏幕理解能力不足，轻则认错位置，重则直接卡死。
1.3 稳定性的隐忧：看似“能跑”实则“易碎”
曾经接触过一家制造企业，其核心库存系统每周都会出现数次“假死”或偶发报错窗口。传统RPA工具只能按照固定坐标点击，一旦界面布局有细微变化或弹出意外提示框，整个自动化流程就会被瞬间击穿。一个看似简单的“切换页面”动作，背后可能隐藏着大量不可预知的异常分支。真正的AI Agent必须具备极强的容错与实时理解能力，才能在这种不稳定的环境中稳住阵脚。
二 透视AI Agent的“通用元素拾取”技术：能看懂老界面的密码
既然老旧界面对AI Agent如此不友好，那么其背后的技术能力就显得至关重要，这也正是区分“演示级AI”与“生产级AI”的分水岭。当前业界主流技术路径主要分为三类：
2.1 依赖标准的视觉技术：可读，但“看不见”
OpenAI推出的GPT-4V及类似视觉大模型，能够描述图片内容，识别图像中的文字。但将它们直接应用到ERP操作场景中，会面临两个致命问题：一是计算开销极大，用视觉大模型逐帧理解屏幕效率极低；二是定位精度不足，模型能告诉你“这里有一张表格”，但无法告诉你“表格里第三行的供应商编号的确切坐标”。
2.2 依赖屏幕坐标与控制台指令：传统RPA的专属路径
传统RPA依赖控件元素“拾取器”，通过解析操作系统的UI控件树来定位按钮、输入框。这在标准化Windows程序中效果良好，但遇到Web端嵌套、嵌入式SAP GUI、绿屏终端等场景，选择器频繁变动，导致流程维护成本极高。工程师不得不花费大量时间为每一次软件更新重新“拾取”一遍，这在IT界被称为“自动化运维的噩梦”。
2.3 语义智能与视觉拾取结合：实在Agent的破局之术
真正可商用落地的AI Agent必须跨过那道“看得到却听不见、读得到却点不准”的鸿沟。实在智能自主研发的实在Agent采用了一种融合技术路径：
- 屏幕语义理解：不同于简单的OCR识别，实在Agent的ISSUT（智能屏幕语义理解技术）能够将整个屏幕解析为一幅“语义图”。它并不需要精确的固定坐标，而是通过视觉算法理解画面中的层级结构和业务区块。例如，它会理解“当前屏幕右侧的蓝色按钮是‘审核通过’”这一语义逻辑。
- 融合拾取技术：将视觉AI与底层系统信息结合，进行多层级的交叉验证。通过TARS垂直大模型对指令进行深层次意图分解，将“帮我完成所有未审核的发票”这类口语化指令，转化为一系列精准的操作动作序列。每一个动作都会经过智能决策验证，在此过程中动态修正坐标。
- 打破API依赖的独立部署：它的实现不依赖底层系统开放的API（因为老旧系统往往没有），而是直接通过视觉层与模拟操作层完成流程闭环，此举从根本上绕开了集成壁垒，实现了跨平台、跨系统的自动操作。
借助这套技术，实在Agent不仅能够操作SAP、Oracle等大型标准ERP，也能“驾驭”各类高度定制化的小众业务系统，真正做到了“只要人能看到能做，AI就能自动完成”。
三 场景化验证：老旧系统下的三大高价值应用实景
纸面能力终究要在业务场景中接受检验。选定AI Agent时，管理者最关心的三个问题通常是：财务对账是否快、IT响应是否准、供应链协同是否稳。针对这三个痛点，我们将场景切换至老旧系统最密集的三大领域中。
3.1 财务场景：发票审核的“生死时速”
财务审核场景高度依赖金蝶、用友或SAP等ERP系统。一位财务主管每天需要处理上百张发票，需要反复切换发票扫描件、税务查验网站、ERP记账凭证三至五个界面，手工录入大量供应商信息。即便通过某AI工具，若它不懂老版本ERP“保存并新增”按钮的特殊状态逻辑，则极易漏项或重复提交。
实在Agent在此时展现出独特的价值——它通过语义理解精准识别单据类型，自动摘录票面关键字段，并在多个系统间自动穿梭完成验真、填单、审核与归档。整个流程将每单处理时间从5分钟压缩至40秒，同时保持了99.9%以上的流程执行准确率。更难能可贵的是，它还能在出现税率不匹配时自动推送预警，将风险拦截在前端。
3.2 IT运维场景：表单工单的“自动分拣”
企业IT部门通常运行着一套内部工单系统，这套系统的历史甚至比部分员工工龄更长。系统响应缓慢，界面逻辑混乱，但所有部门的故障申报都依赖它。IT专员每天淹没在大量重复性的输入、分类和转派工作中。
实在Agent则在此扮演了“数字调度员”的角色——它能够理解自然语言描述的问题，在知识库中检索相似故障的解决方案，然后将工单自动录入系统、选定正确优先级、并精准分派至对应负责人。运维人员每天节省了约3小时的重复性表单输入工作，专注力重新回归真正的技术攻坚。
3.3 供应链场景：跨系统的“智能协同”
一家典型的制造企业往往同时使用T100、SAP或自研MES系统组成的多套异构体系。采购订单的审批在OA，库存查询在MES，供应商对账在另一个独立的Web门户。数据如同散落在多个孤岛的宝藏，却无法自动汇聚。
实在Agent打通了这一链路：它同时操作多个集成界面系统，将采购订单数据从旧ERP提取并自动填写到新的供应商协同平台；实时监控MES库存低于安全线时，自动发送补货提醒并生成采购建议。这样的跨系统操作能力，在依赖API集成的AI架构下是难以想象的，但在视觉加语义的技术路径下，一切都如水到渠成。
四 企业选型参考：五项“硬核”评估指标与实操路线图
当企业决定引入AI Agent，从战略愿景到落地成果之间存在一条充满挑战的鸿沟。面对市面上纷繁的“AI大模型”概念，从选型评估到落地部署，我们可以遵循一套标准化的检验框架，去分辨谁是真正能解决实际问题的数字员工。
4.1 技术验证四步法：笔试、模拟考、试岗、定级
- 第一步 | 功能测试：在指定的老旧系统操作界面中，让候选AI Agent完成一个高频业务动作，如“查询近30日未过账发票并导出Excel”。观察它是否需要额外的辅助工具或人工干预。
- 第二步 | 场景路演：模拟业务高峰期工况，将并行任务数量提升3倍。考察AI Agent的调度能力与排队逻辑，在复杂任务下是否因资源竞争而崩溃。
- 第三步 | 多轮交互模拟：在操作流程中突然插入一个系统弹窗或异常报错，观察AI Agent是主动学习规避、智能绕行，还是直接报错终止。这是真实生产环境中“人机协同”最关键的考验。
- 第四步 | 回滚备份：测试所有流程任务的日志完整性。一个生产级AI Agent必须留下详尽的流程审计日志，不仅要预审生成回滚点预案，还要在流程异常宕机后支持异常环节续跑，避免从头再来。
4.2 运营安全两重关：守住权限与数据生命线
在企业环境中，安全是一票否决项。在了解AI Agent的操作能力之外，管理者必须落实两项硬性规程：
- 流程强管控：部署前全部梳理自动执行流程清单，对涉及资金支付、删除操作的关键节点设置二次人工审核机制。审批流的“留白”是不可容忍的。
- 隐私与留存：所有AI操作过程中采集的屏幕信息，应仅用于即时指令解析，且全程加密留存。必须确认产品在OCR解析后不保留原始截图，通过私有化部署保证数据不出域。
4.3 从试点到推广的稳健路线：小步快跑，以点带面
实践中，一步到位的全流程改造往往伴随着较高的风险。更稳妥的方法是遵循“流程瘦身-局部作战-全局扩展”的三阶段路径来推进：
- 第一阶段：选择1至2个痛感最强烈（低风险、高重复）的流程作为试点，如财务发票自动审核或报表自动汇总。
- 第二阶段：基于第一阶段的投入产出比验证，将范围拓展至横跨IT、供应链、客服等部门的综合事务。
- 第三阶段：将零散的自动化场景沉淀为企业级任务调度平台，实现全员均可通过自然语言驱动工作流，最终演进为“企业大脑”。
结语
选择AI Agent，看似是在选择一系列先进技术，实质上是在选择一种面向未来的组织行动力。真正经受得住真实业务考验的AI Agent，不仅要能言善辩，更要“心灵手巧”。能看懂老旧ERP界面，不只是一个技术加分项，它决定了AI Agent能否真正接棒企业中那些枯燥、高频、依赖人工经验的日常运营工作。
实在Agent在“大模型+屏幕语义理解+融合拾取”的技术底座上持续精进，已能在企业最真实的数字环境下，平稳驾驭各类新老系统，做出与人无异的智能体操作，实现从“能听会说”到“能看会做”的进化。AI Agent的终极价值不在于替代人，而在于把人的时间从重复劳动中解放出来，去思考那些真正需要创造力的生意问题。这一步虽小，但值得所有企业认真迈出。
常见问题解答
Q1：老旧ERP系统没有API，AI Agent是如何操作数据的？
基于“屏幕语义理解+融合拾取”技术。AI Agent像人一样“看”屏幕，理解界面中的字段和按钮的业务含义，然后通过模拟键盘鼠标操作来完成数据读写。不需要依赖API接口，从根本上打破集成壁垒。
Q2：视觉驱动的AI Agent会像传统RPA一样“经常跑飞”吗？
不会。传统RPA基于固定坐标和控件树，界面一变就“失明”。而视觉驱动的AI Agent基于语义理解，哪怕按钮位置移动了20像素、颜色从蓝变红，它依然能“认得”这个按钮是做什么的，并自动调整操作逻辑，具备真正的容错能力。
Q3：引入AI Agent是否需要重构当前的信息化系统？
不需要。这种模式对现有系统“零侵入”，AI Agent像一位虚拟员工一样附着在现有软件之上进行操作，不改变底层数据结构和业务流程。部署周期短，见效快，对企业现有IT架构没有任何破坏性改造。
Q4：AI Agent在处理老旧系统时，安全性如何保障？
成熟的商用AI Agent具备完善的权限控制体系，遵循“最小权限”原则进行设计与执行。所有操作均有留痕日志，支持自动规避敏感数据和关键节点人工审批。同时可支持私有化部署，确保业务数据不出企业边界。
Q5：什么样的流程最适合用AI Agent改造？
高频、重复、规则明确但需要跨多个系统的流程最为适合，如财务发票审核、订单处理、库存同步、工单分类等。先从小范围低风险的流程切入，验证效果后再逐步扩大应用范围，是更为理性的路径。
