能对接 ERP 和 MES 的 AI 智能体怎么选?六个维度与一份可落地的评估清单
很多制造企业的信息化负责人都有过类似经历:供应商在演示时,把"打通 ERP 和 MES"说得很轻松,画面上的数据从系统到看板一路顺畅。等到真在自己厂里跑,第一个问题就卡住了:老 MES 只有客户端、没有开放接口;ERP 的库存表字段含义只有老计划员说得清;采购在途数据藏在另一个模块里,还要跟替代料规则一起判断。演示环境里的"对接",和自己车间里的"对接",并不是同一件事。
于是问题回到原点:能对接 ERP 和 MES 的 AI 智能体怎么选?重点不在于谁接的系统多。真正要判断的是四件事:它能不能真的进到你的系统里、知不知道你业务里的词是什么意思、算出来的东西你能不能复核、这次跑通的活下次能不能被别人复用。这篇文章就按这四个问题展开,给出一套可以直接拿去评估供应商的维度与清单。
一、先看清"对接"这三个字的三层含义
选型跑偏,往往从定义就开始了。不同供应商说的"对接",其实覆盖三层完全不同的能力,评估时必须拆开看。
- 取数层:把数据拿出来。从 ERP 读库存、从 MES 读工单进度、从采购模块读在途与预计到货。这一层考验的是连接器、数据库只读账号、文件导出、网页登录态等通道是否齐备。
- 操作层:在系统里做事。有些动作没有接口,只能在客户端界面里点,比如在 MES 里确认工单、在 ERP 里导出特定报表、在供应商门户里查物流。这一层考验的是有没有办法操作本机软件与网页。
- 回写层:把结果送回去。把核对结论、异常清单、待办事项写回到系统或推给人。这一层考验的是写权限的管控与责任边界。
大量智能体产品只做到第一层,然后把它包装成"全流程打通"。评估时可以直接问:这个场景里,哪几步是取数、哪几步要动界面、哪几步会把结果写回?答案含糊的,后面大概率要靠人补。
在 Soiawork 中,这三层分别有对应的承载:连接器负责取数与系统对接;设备(Soia Worker)作为本地能力扩展,在授权范围内操作本机软件与文件;结果可以输出为报告、记录、通知或待办,也可以接入飞书、钉钉、企业微信等渠道回到人的工作流里。
二、选型的六个维度,按重要性排序
维度一:连接能力,看"通道"而不是看"名单"
供应商常常给一张长长的系统兼容清单,但清单不等于通道。
- 接口是不是真的能用。同样叫"支持某 ERP",有的是标准 API,有的是让你自己开发中间表。
- 有没有非接口通道。老系统、定制系统、只有客户端的软件,只能靠界面操作或文件交换,这条通道有没有?
- 登录态与账号怎么处理。是共用一个服务账号,还是按发起人身份运行?后者才谈得上权限可控。
Soiawork 的做法是把连接对象拆得比较细:系统、网页、消息、文件、授权设备都能成为 AI 进入工作现场的入口。这意味着 ERP 有接口就走接口,MES 只有客户端就走设备操作,采购数据只在邮件附件里就读取附件,不必强求一种通道。
维度二:业务上下文,看它懂不懂你的"行话"
制造企业的关键规则往往不在系统里,而在人的脑子里和经验里:哪些料可以互相替代、库存口径含不含车间线边仓、已占用数量怎么算、工单什么状态才算"能开"。
- 有没有知识库与规则沉淀的地方。口径说明、BOM 规则、替代料清单、异常处理约定,能不能作为可追溯的依据被调用。
- 能不能引用而不是"猜"。智能体给出结论时,是附带数据来源和口径,还是只给一个数字。
在 Soiawork 中,知识库、文件空间和工作空间承担这部分职责:智能体使用的信息是必要且可追溯的,而不是每次重新猜一遍。
维度三:确定性与 AI 的配比,别让模型去算数
这是选型中最容易被忽略、也最容易翻车的一条。
- 计算类工作交给确定性处理。按 BOM 展开用料需求、扣减已占用、比对在途,这些是规则运算,必须可复现、同输入同输出。
- 判断与表达类工作交给 AI。理解邮件里的需求、识别数据差异、生成缺料说明与跟进建议、组织成给人看的结论。
- 两者要能组合在一个任务里。只会算的是脚本,只会说的是聊天机器人,能组合的才是可用形态。
Soiawork 把这一点写进了能力结构:完成业务任务时组合 AI、确定性处理和人工协作。选型时可以直接要求供应商演示"同一个任务里既有规则计算又有语言判断"的场景,看它怎么分工。
维度四:人机分界,异常有没有地方去
没有任何一个负责任的系统应该承诺"全自动无人值守"。真正要问的是:不确定的部分,它怎么交给人。
- 有没有显式的人工确认节点。替代料是否可用、数据对不上时以哪个为准,这些决定应该由人做。
- 专业判断不被替代。涉及财务入账、质量放行、合规判定的环节,AI 只做准备材料,不替责任人签字。
维度五:可复核,每次运行留不留证据
这是区分"演示品"和"生产工具"的分水岭。
- 过程可见:任务跑了哪些步骤、调了哪些数据、在哪一步发生异常。
- 结果可回溯:产物是什么、谁在什么时候介入过、这一单花了多少成本。
- 可回放:出问题时能重走一遍,而不是只能听解释。
Soiawork 的产品定义里,每次运行都有记录、成本、日志、异常和可回放证据。评估时可以让供应商当场导出一个历史任务的完整记录,看它是否只是留在日志文件里。
维度六:能不能沉淀成组织能力
一个场景跑通,是某个人的胜利;能不能复制到三个工厂、五个计划员,才是选型的真正目的。
- 方法能不能存下来。有效的操作序列应该沉淀为技能与工作流,固定步骤不再依赖个人记忆。
- 能不能按时或按事件自动跑。每天早上八点检查齐套、工单一变更就重算,靠的是自动任务而不是人记得去点。
- 新人能不能接手。换一个人来用,结果是否一致。
三、把维度放到一个真实场景里走一遍
以制造企业最常见的物料齐套检查为例(以下为该场景的通用做法描述,用于说明能力组合方式,不作为特定客户的成效承诺)。
过去是怎么做的:计划员从邮件收需求,从 ERP 导出库存和采购清单,再合并到 Excel 里算缺口。需求或库存一变就要重算,缺料有时到开工当天才发现。
拆成四步之后:
- 汇总需求与库存。收取需求附件,读取仓库库存、车间库存和采购清单——这一步考验连接与取数。
- 按规则计算缺口。依据 BOM 与已占用数量算出用料需求与缺口——这一步是确定性处理。
- 核对在途与到料时间。比对在途采购、预计到货与替代料——这一步需要规则加判断。
- 输出齐套结论。哪些工单能开、缺什么、何时能补齐,差异项交人工确认——这一步是表达与协作。
对应得到的结果是:开工前即可看到齐套情况与缺料项;到料时间与采购跟进事项一并列出;数据来源与口径可复核。
这个例子说明了一件事:所谓"对接 ERP 和 MES",从来不是一条线拉通就完事,而是取数、计算、比对、确认、输出五个动作的组合。选型时把候选产品放进这样一个具体场景里跑,比看十页参数表更有用。在 Soiawork 中,这套动作可以被固定为工作流,按时间或事件配置成自动任务持续运行,跑顺之后沉淀为技能,供其他工厂和岗位复用。
四、四个常见误区,提前避开
误区一:把接口数量当能力指标
接口多不代表场景通。真正的衡量标准是:在你这个具体场景里,有几个动作需要人工补位。
误区二:把智能体当 BI 用
BI 解决"看见",智能体解决"做完"。如果一个产品只能生成图表和报表,它接下来要汇报的对象仍然是那个加班到深夜的人。
误区三:一上来就要求全自动
全自动是最贵的路径。先做"AI 准备、人确认"的半自动,把异常路径摸清楚,再逐步收窄人工环节,成本和风险都更低。
误区四:忽略身份与权限设计
智能体用谁的权限在跑?这是审计问题,也是安全问题。Soiawork 的处理方式是:智能体所有者可以绑定自己的 IM 账号,绑定后本人发出的任务按其本人权限运行,其他人发出的任务仍按智能体自身权限运行;管理员则负责组织、权限、成本和审计边界。选型时这一条值得单独问清楚。
五、给选型加一条务实建议
不要用"全厂上线"作为第一次合作的目标。更稳的路径是:挑一个高频、口径相对清晰、有明确交付物的场景——物料齐套、财务对账、跨境多店铺对账都符合——先用一个岗位、一个工厂试跑两周。核对三件事:结果对不对、异常多不多、需要人补位的地方是否可接受。再决定是否扩大范围。能对接 ERP 和 MES 的 AI 智能体怎么选?答案不在参数表里,而在这次试跑的记录里:跑完之后,你有没有拿到一份能看懂的运行记录,和一套下次别人也能用的方法。
常见问题解答
1. 选型前必须先改造现有 ERP/MES 吗?
通常不需要。改造老系统的成本和风险都高,可行路径是先通过接口、数据库只读、文件交换、界面操作等多通道并存的方式接入,把场景跑通、把口径确认清楚,再反过来判断哪些系统值得改。Soiawork 的定位是把 AI 接到业务目标、人员和系统上,而不是要求企业先把系统推倒重建。
2. 数据和权限怎么控制?
三个层面:一是账号层面,明确智能体以什么身份取数,能否按发起人权限运行;二是数据层面,哪些表可读、哪些字段不可见、写回是否允许;三是管理层面,由管理员统一管理组织、权限、成本和审计边界。评估时建议要求供应商演示一次完整的权限配置过程,而不是只看说明文档。
3. AI 判断错了谁负责?
设计上应该避免让 AI 站在责任位置上。可行的做法是把流程切成"AI 准备 + 人确认":AI 负责取数、比对、列出差异和候选项,涉及替代料取舍、财务入账、质量放行等专业判断,仍由对应责任人决定。同时保留完整运行记录,出了偏差能回溯到具体步骤和数据来源。
4. 和现有的 RPA、BI 是什么关系?
三者解决不同问题:BI 让人看见数据,RPA 把固定动作自动执行,AI 智能体在此基础上增加了理解需求、处理非结构化信息、组合确定性步骤与人机协作、并把方法沉淀为可复用能力。已有 RPA 脚本不必废弃,可以作为固定步骤纳入更大的任务流程。
5. 从哪个场景开始最稳妥?
优先选三个条件同时具备的场景:发生频率高、数据口径基本清楚、有明确的可交付物(一张清单、一份结论、一条通知)。物料齐套检查、财务对账、电商经营监控都符合。避开一开始就选跨部门、口径争议大、责任链条长的场景,那类场景更适合在方法跑顺之后进入。
关于我们:Soiawork(中文名「树芽工作」)是实在智能出品的企业级 AI 智能体平台,帮助企业构建 AI 组织、打造专属 AIOS,把 AI 接到业务目标、人员和系统上。实在智能自 2018 年起投入 AI 与自动化,累计服务 6,000+ 企业客户,拥有 100+ 发明专利,OSWorld 任务成功率 90.2%(2026 年 7 月,实在智能产品)。有任务,找 Soia;有问题,你说呀。Soia 让智能生长,让工作进化。



