首页行业百科老系统没有接口怎么用 AI?一套可落地的智能体操作方案

老系统没有接口怎么用 AI?一套可落地的智能体操作方案

2026-11-18 20:01:49

很多 IT 负责人都会被业务部门追问同一个问题:那套用了十几年的老 ERP、自建仓储台账、单机版财务软件,厂商早就停止维护,没有开放接口,也拿不到数据库权限,AI 到底能不能接进去用?业务部门的诉求很具体——每天有人把单据从一个界面抄到另一个界面,抄完还要回头核对,错了一条要翻半天才能找到是哪一步出的问题。

“老系统没有接口怎么用 AI”之所以难回答,是因为大多数人默认了一个前提:AI 必须先拿到接口,才能进入业务。实际上,接口只是数据通道的一种,而人今天做的很多工作,本来就是在没有接口的界面上完成的。这篇文章不讲概念,讲三件事:没有接口时有哪几条可选路径、界面层操作具体怎么做才可靠、以及如何把“今天搬一次”变成“每天自动搬”,同时把边界说清楚。

老系统没有接口怎么用 AI?一套可落地的智能体操作方案_图1

一、先破除一个前提:没有接口不等于不能自动化

接口只是通道之一,不是唯一通道

企业系统之间的数据流动,实际上有三种通道,接口只是其中最规范的一种。

  • 数据层通道:数据库只读账号、定时导出文件、共享目录中的 CSV/Excel。老系统往往没有 API,但导出功能通常还在。
  • 界面层通道:屏幕、键盘、鼠标。这是员工今天实际在用的路径,也是智能体可以复用的路径。
  • 消息层通道:IM、邮件、审批流。很多流程的“最后一公里”其实是发一条消息、填一张审批单。

绝大多数“没有接口”的困境,实际上是“只有界面层通道可用”。而界面层恰好是智能体这两年在能力上变化最大的部分。

三条路径怎么选

判断标准可以简化成三个问题:

  • 有没有稳定的取数方式?有数据库只读权限、表结构多年不变,优先走数据层,快且便宜。
  • 规则是否清晰、频率是否稳定?字段含义明确、操作顺序固定、每天或每周重复,界面层操作就是可行的。
  • 是否需要专业判断?需要会计确认入账、需要法务定性、需要业务拍板的环节,不要让 AI 做决定,让它做搬运和准备。
一个常见误区是追求“全自动”。真正稳定的方案,一般是“AI 做搬运 + 人做判断 + 系统留痕”,并非“AI 全包”。

容易被忽略的是老系统的“隐性规则”

老系统真正的门槛常常不在字段映射。更常见的是这些:

  • 某个字段必须先填、再保存,否则页面会静默丢弃;
  • 保存后弹窗有延迟,看起来成功了其实没有写入;
  • 单据超过一定行数会分页,第二页的操作顺序不一样;
  • 某些账号在特定时段被锁定。

这些规则不在任何文档里,只在老员工的脑子里。把它们写下来,本身就是一笔资产——在 二、界面层操作:让智能体像人一样使用老系统

设备(Soia Worker)提供界面操作能力

界面层操作的实现方式,是在一台被授权的设备上运行智能体,用指定的账号登录老系统,识别界面控件、读取回显内容、完成点击与录入。它调用的是企业自己的账号权限来操作,并非破解。

这一点决定了它的边界:账号能看到什么、能改什么,智能体就只能做什么。授权范围即操作边界,不需要另建一套权限体系。

从公开信息看,实在智能的产品在 OSWorld 基准上的任务成功率为 90.2%(2026 年 7 月,实在智能产品)。这个数字说明界面操作类任务已经进入可用区间,但需要强调:基准成绩不等于任意企业环境的成功率,老系统改版、弹窗变化、网络抖动都会影响结果,所以下面的“回读”环节不能省。

一次可靠的搬运需要四个动作

在制造行业的典型场景中,无接口系统之间的数据搬运与同步,通常按这四步走:

  • 确认对象与授权:明确涉及哪些系统、哪个账号、哪些字段、允许做哪些操作(只读、新增、修改)。这一步不确认清楚,后面全是风险。
  • 按规则执行搬运:查询、录入或同步,逐条记录来源与目标。每条数据都要能回答“从哪来、到哪去”。
  • 回读核对:写入完成后重新查询,检查是否真的写入成功、状态是否一致。老系统的“保存成功”提示并不可靠,回读是唯一能验证结果的手段。
  • 输出结果与失败清单:成功多少条、失败多少条,失败项附原因与恢复方式。

为什么“失败清单”比“成功率”更重要

在一线运行中,失败清单的价值远高于一个漂亮的成功率数字。

  • 失败项单独列出,可以只补做失败的部分,不必整批重跑;
  • 每条失败都有原因,能反推出是字段超长、账号锁定还是页面超时;
  • 长期积累后,失败原因分布会告诉你哪个环节最该优化。

在 Soiawork 中,任务运行记录会保留过程、产物、异常与人工介入情况,便于事后核对和复盘,而不只是给一个“完成了”的结论。

边界必须写清楚

  • 不绕过任何系统权限,只使用被授权的账号;
  • 涉及专业判断的环节(如凭证入账、合同定稿、处方审核)仍由责任人决定,AI 只做前置准备;
  • 老系统界面改版后,操作步骤需要重新校准,这不是一次性配置;
  • 高频、大数据量的同步,仍应优先推动接口或数据层方案,界面操作是过渡与补充。

三、从“搬一次”到“每天自动搬”

界面操作能跑通只是第一步。真正产生组织价值,要靠三件东西把它固定下来。

技能:把方法沉淀为可复用资产

一次成功的搬运,背后是一套方法:先登录哪个系统、先查哪张表、字段怎么对应、异常怎么处理。把这套方法固化成技能,下次同类任务直接调用,不必重新摸索。

对企业的意义在于:过去这些方法存在某个人身上,人一走就断档;沉淀为技能后,团队可以共用。

工作流:把确定性步骤固定下来

智能体的优势是理解目标和临场探索,但企业流程里有些步骤必须严格按顺序执行。工作流的作用,就是把这些步骤固定成不可跳过的节点——先取数、再校验、再写入、再回读,顺序不能变,条件不满足就停下来等人确认。

一个实用的划分原则:步骤顺序固定但界面经常变化的部分交给智能体,顺序和条件严格固定的部分交给工作流。

自动任务:按时间和事件触发

当一件事每天都要做,就不该每天都由人来发起。把任务配置成自动任务,按时间(每天 8:00 汇总昨日入库单)或事件(收到对账邮件后触发)运行,人只需要处理异常。

在 Soiawork 中,自动任务可以按时间、事件或系统请求触发,运行结果通过 IM 返回给指定的人。

在 IM 里发起与接管

很多一线同事并不想打开一个新平台。Soiawork 的智能体可以接入飞书、钉钉、企业微信、微信四个渠道,日常用法就是发一条消息:

  • 任务运行时显示状态,信息不足时智能体会追问,直接回复即可继续;
  • 支持 /队列 查看排队、/下令 调整优先级、/取消 取消排队消息、/停止 终止任务;
  • 智能体所有者可以绑定本人 IM 账号,绑定后其本人发出的任务按本人权限运行,其他人发出的任务仍按智能体自身权限运行——权限不会因为用了 IM 而放大。

四、有接口的部分用连接器,没接口的部分用设备

现实中的企业很少是“全无接口”或“全有接口”,更常见的是新旧并存:新上的 SaaS 有 API,老系统只能点界面。

混合编排是常态

  • 新系统的订单数据,通过连接器直接取;
  • 老系统的库存台账,通过设备(Soia Worker)操作界面读取;
  • 两边的口径差异和校验规则,放在知识库里作为判断依据;
  • 整个流程用工作流串起来,固定顺序与检查点;
  • 高频部分配置自动任务,按时运行。

这样做的价值在于:不需要为了用 AI 而先做一轮系统改造。改造周期长、预算高、业务等不起,而混合编排可以让 AI 先在现有环境里跑起来,同时把“哪些系统该补接口”这个问题用真实数据回答出来。

一致性与可追溯

跨系统搬运最怕的是“两边对不上,也不知道哪边错”。可追溯的做法是每条记录都保留来源系统、目标系统、操作时间、操作账号。这样一旦发现差异,能定位到具体哪一步、哪个账号、哪条数据。

五、五个典型场景,看清智能体到底做什么

以下场景为典型场景设计与复现验证环境的描述,用于说明能力路径,不作为客户成效数据。

1. 制造:无接口系统的入库与齐套数据同步

  • 现状:老 ERP 不开放接口,物料到货信息需要人工从仓储界面抄到生产台账,抄错会导致齐套判断失真。
  • 智能体做什么:按授权登录两个系统,逐条搬运到货记录,回读核对后输出更新结果与失败清单。
  • 边界:齐套优先级调整、插单决策仍由计划员判断。

2. 财务:老财务系统与业务台账的对账准备

  • 现状:业务侧数据在 Excel 或新系统,财务侧在老系统,会计每天手工比对。
  • 智能体做什么:从两侧取数、按规则比对、生成差异清单与待确认项。
  • 边界:差异的性质认定与凭证入账由会计确认,AI 不代替入账判断。

3. 电商:多平台后台的经营数据汇总与商品上架

  • 现状:部分平台后台无可用 API,运营每天登录多个后台下载报表、复制商品信息。
  • 智能体做什么:登录各后台取数、汇总成统一口径的经营看板数据;商品信息按模板填入上架页面并回读校验。
  • 边界:定价策略、促销规则由运营决定。

4. 跨境:多店铺对账

  • 现状:各站点后台报表格式不同,汇率与费用口径不一致,人工汇总耗时且易错。
  • 智能体做什么:逐店下载报表、按知识库中的口径规则换算、输出对账差异表。
  • 边界:异常款项的追责与申诉由业务负责人处理。

5. 招聘与内容运营:网页后台的批量操作

  • 现状:简历收取、候选人状态更新、内容多平台分发,都在网页后台手工完成。
  • 智能体做什么:按规则整理候选人信息并更新状态、按模板分发内容并回收发布结果。
  • 边界:录用决策、内容定稿由人负责。

六、落地路线:从一项重复工作开始试跑

界面层方案最忌讳一上来就铺开。更稳的路径是三步:

  • 第一步,选一项高频、规则清楚、错了能发现的重复工作。“错了能发现”是关键条件,对账类、同步类任务天然满足,因为结果可以核对。
  • 第二步,跑一到两周,重点看失败清单。失败原因分布比成功率更有信息量:如果集中在字段规则,补充知识库;如果集中在页面超时,调整执行节奏;如果集中在账号权限,回去重新确认授权范围。
  • 第三步,再决定是否扩大。扩大可以是加系统、加频次、加自动任务,也可以是反过来——发现这件事其实该补接口,那就把结论交给 IT 规划。

这个顺序的好处是:投入可控,结论可信,而且无论最终走向自动化还是系统改造,企业都拿到了一份基于真实运行的判断依据。

结尾

无接口老系统的智能化,本质上要解决的是“如何在不推倒重来的前提下,让 AI 进入现有工作环境”这个问题,而不只是“接一个 API”。可行的路径是:有数据层走数据层,只有界面就用设备按授权操作,用回读核对保证结果可信,用技能、工作流和自动任务把一次性动作变成组织能力。如果你也在纠结老系统没有接口怎么用 AI,建议从一项高频、可核对的重复工作开始试跑,跑两周、核对结果与异常,再决定是否扩大范围——智能体操作方案的价值,最终要用可复核的运行记录来证明。

常见问题解答

1. 用智能体操作老系统,是不是要先改造现有系统?

不需要。界面层方案的前提就是“系统保持原样”,通过授权账号在原有界面上操作。改造与否可以放到后面,用真实运行数据来判断优先级——哪些系统调用频次高、失败集中在哪,就用数据说话。

2. 数据和权限怎么控制?

三层控制:账号权限即操作边界,智能体只能用被授权账号做被授权的事;操作范围在任务开始前明确(系统、账号、字段、动作类型);运行记录保留来源、目标、时间与操作账号,便于审计回溯。通过 IM 发起任务时,智能体所有者可绑定本人账号,本人任务按本人权限运行,不会放大权限。

3. AI 搬错了数据谁负责?

责任划分要在方案设计时就写清楚。通行做法是:AI 负责搬运与回读核对,输出的失败清单与差异清单交给责任人确认;涉及入账、定稿、审批等专业判断的环节由人决定。Soiawork 的运行记录会保留过程与人工介入点,出现问题时能定位到具体环节,而不是笼统地说“AI 弄错了”。

4. 这和现有的 RPA、BI 是什么关系?

不冲突,职责不同。RPA 擅长规则完全固定、界面稳定的重复操作;智能体在此基础上多了理解目标、处理信息不足时追问、组合多种工具的能力。BI 解决的是“看清楚”,智能体解决的是“做下去”——把看到的差异变成实际的搬运、核对与通知。三者可以共存于同一条流程。

5. 从哪个场景开始最稳?

优先选同时满足三个条件的:高频重复、规则可描述、结果可核对。对账、系统间数据同步、报表汇总都属于这一类。避免从“需要大量专业判断”或“错了很难发现”的场景起步,前者容易失控,后者容易积累隐性错误。

立即领取行业头部企业 AI 应用案例

资深 AI Agent 技术专家将为您定制数字员工解决方案

立即获取方案