老系统自动化风险清单:无接口系统接入 AI 前必须核对的 8 类风险
“ERP 里查一遍,MES 里录一遍,供应商网页后台再对一遍,最后手工贴到 Excel 里。”这是很多制造、零售和跨境企业每天都在发生的场景。老系统没有开放接口,数据只能靠人在各个界面之间复制粘贴;一旦出错,又很难回溯是哪一步出了问题——是查询时选错了物料,还是录入时少填了一个批次。
于是管理者开始考虑:能不能让 AI 来做这些搬运?答案是可以,但真正决定项目成败的并不是“AI 能不能点开那个界面”,而是一份在动手之前就该列出来的老系统自动化风险清单。本文把无接口系统接入 AI 前最容易踩的坑拆成 8 类,逐条给出检查项,并说明在不同风险层级下,人机该如何分工。
一、老系统自动化的风险,不在“能不能做”
老系统的共同特征很一致:建设年份久、没有稳定 API、操作入口就是那个人人熟悉的界面,字段含义还往往只存在于老员工的经验里。这意味着自动化是可行的——界面能操作,就能被自动化——但风险也因此集中到了三个地方:授权是否清晰、过程是否可追溯、失败是否可恢复。
换句话说,判断一项老系统任务该不该交给 AI,不应该只看效率,而应该先看它出错之后能不能发现、能不能退回、由谁承担。下面这份清单,就是围绕这三件事展开的。
二、老系统自动化风险清单:8 类必须提前核对的项
1. 账号与授权边界风险
老系统通常没有细粒度的权限体系,一个账号往往能看到、也能改很多东西。如果直接拿员工个人账号去执行自动化,等于把个人权限放大成了机器权限。
- 账号来源:是否为自动化单独申请账号,还是复用现有账号;单独账号便于审计和随时停用。
- 权限最小化:能否只开放任务必需的菜单、字段和操作,读写权限要分开确认。
- 授权范围:明确可操作系统、可操作字段、可操作时间段,以及授权到期后如何回收。
- 审计留痕:每次操作能否记录“谁授权、用什么账号、在什么时间、动了哪条记录”。
在 Soiawork 中,这类边界是在任务开始前就确认的:确认对象与授权范围(系统、账号、字段与操作范围),再由智能体在授权内执行;涉及本机桌面软件的操作,通过设备(Soia Worker)在已登录环境中完成,操作可回看、可停用。
2. 数据来源与口径追溯风险
老系统与表格之间的字段经常“看着一样、其实不一样”:物料编码在 ERP 是 10 位,在 MES 是 8 位;客户名称在一个系统带后缀、另一个不带。口径不统一,自动化只会把错误放大得更快。
- 来源—目标映射:每个字段从哪个系统的哪个界面取、写入到哪个字段,要逐条写清楚。
- 口径确认:单位、精度、编码规则、状态值含义,由业务负责人确认,而不是由执行者猜测。
- 异常值处理:遇到空值、重复值、格式不符时,是跳过、报错还是留给人判断,需要提前定规则。
实践上可以把字段映射和业务规则沉淀进知识库,让智能体在每次执行时按同一套口径取数和判断,而不是依赖某个人的记忆。
3. 写入与回读不一致风险
“操作执行完了”和“业务真的生效了”是两件事。界面上弹出了保存成功的提示,不代表目标系统里的记录状态已经正确;网络超时、重复提交、必填项被静默跳过,都可能让写入落空。
- 回读核对:写入后重新读取目标记录,比对关键字段是否与预期一致。
- 状态一致性:不只是字段值,还包括单据状态(已提交/已审核)、关联记录是否同步生成。
- 重复写入防护:同一条记录被重复搬运时,要有幂等判断,避免产生重单。
在 Soiawork 的老系统搬运场景中,标准动作是“执行—回读—输出”:执行搬运后回读核对写入是否成功、状态是否一致,再输出更新后的记录与处理结果。
4. 不可逆操作风险
不是所有动作都适合交给自动化。风险层级不同,处理方式必须不同。
| 风险层级 | 合适方式 | 示例 |
|---|---|---|
| 低风险读取 | 授权范围内直接完成 | 查询、汇总、只读巡检 |
| 可恢复操作 | 按规则执行并保留结果 | 生成文件、更新草稿、发送内部通知 |
| 高影响操作 | 展示对象、范围和影响后由人确认 | 调价、批量修改正式记录 |
| 不可逆或责任重大 | 由授权人员在专业系统中完成 | 付款、正式承诺、生产控制关键动作 |
一份合格的老系统自动化风险清单,必须明确写出“哪些步骤智能体只做准备、不做决定”。把不可逆动作挡在自动化之外,不是能力不足,而是设计正确。
5. 失败处理与恢复风险
无人值守的任务最怕的不是失败,而是静默失败——没人知道它没跑成,等到月底对账才发现少了一批数据。
- 失败必须单独列出:成功多少条、失败多少条、失败的是哪一条,要能被一眼看到。
- 失败要带原因和恢复方式:是账号掉线、界面超时,还是字段校验不通过,处理办法不同。
- 重试要有上限:无限重试可能造成重复写入,需要在规则里设阈值。
- 异常要能通知到人:通过自动任务持续检查状态,出现异常时给出影响范围和责任人。
场景库中的老系统数据搬运,交付物本身就包含“更新后的记录、处理结果与失败清单”,失败项附原因与恢复方式——这一点应当作为验收标准写进项目要求,而不是可选项。
6. 界面与流程变更的脆弱性风险
老系统虽然“老”,但不等于“不变”:一次小版本升级、一个新弹窗、一次字段顺序调整,都可能让原本跑得通的流程卡住。
- 变更感知:谁负责发现系统改版,改版后多久做一次回归核对。
- 可维护性:流程是否被拆成清晰的步骤和技能,改一处不影响全局。
- 降级方案:自动化暂时不可用时,人工能否按原路径继续,数据是否已经留存。
在 Soiawork 中,稳定的操作步骤可以固定为工作流,重复使用的方法沉淀为技能;界面调整时通常只需修改对应步骤,而不必重做整个任务。
7. 责任归属与验收风险
这是最容易被跳过、却最容易在事后引发争议的一环:AI 做错了,算谁的?
- 业务负责人:确认目标、范围、规则、完成标准和是否扩大范围。
- 一线人员:提供真实样例、处理现场判断、验收结果和异常。
- 数字化与 IT 团队:确认系统条件、账号范围、连接方式和维护责任。
- 行业智能体:在授权范围内取得信息、执行确定步骤、整理结果并说明异常。
涉及质量责任、生产控制、资金和账号权限等高风险影响时,最终仍由授权人员确认。这不是给 AI 设限,而是让责任链条清晰,项目才能长期运行。
8. 依赖固化与知识沉淀风险
很多老系统的操作知识,只存在于一两位老员工的脑子里。如果自动化只是把“某个人会操作”变成“某个脚本会操作”,组织对个人的依赖并没有真正解除。
- 方法沉淀:把字段含义、判断规则、常见异常写进知识库,而不是留在聊天记录里。
- 技能复用:同类任务(如同一套搬运逻辑用于多个供应商后台)应能复用一个技能。
- 可交接:人员变动时,新同事能通过文档和技能看懂这套流程是怎么跑的。
Soiawork 的产品定位正是把这些有效实践沉淀为可复用的组织能力——从一次任务的成功,走向一类工作的稳定交付。
三、把清单落成一次试跑
风险清单列完,不建议直接铺开。更稳妥的路径是选一项重复发生、输入输出清楚、验收人明确的任务先跑一遍:
- 确认业务目标和负责人:这项任务为什么要做、做完谁验收。
- 确认系统、账号、文件与规则:对应清单第 1、2 项。
- 定义结果、时限和异常边界:对应第 3、5 项,明确什么算完成、什么算异常。
- 由智能体完成一次真实任务:不要只用样例数据,用当天真实数据。
- 核对结果、来源和人工事项:逐条比对,重点看失败清单和回读结果。
- 沉淀为知识或技能:把这次跑通的规则固化下来。
- 需要持续发生时,再建立自动任务:按时运行,并持续监控异常。
在制造、财务、电商等场景中,这套路径已被反复验证:先做只读的查询与汇总,再做人确认后的写入,最后才在明确规则和上限内自动执行。
四、几类场景的风险侧重
同一份老系统自动化风险清单,在不同业务里侧重点并不相同:
- 制造:老系统数据搬运与同步。重点是字段映射与回读核对,物料编码、批次号一旦串行,影响会传导到排产和库存。
- 制造:物料齐套与排产。以只读巡检为主,风险集中在数据口径和多系统状态不一致,输出差异清单交计划负责人判断。
- 财务:对账与凭证处理。风险集中在不可逆操作,凭证入账等动作仍由财务责任人确认,智能体负责取数、比对和整理差异。
- 电商与跨境:多店铺对账、经营监控。平台后台无接口、页面频繁调整,重点是变更感知与失败清单,避免某家店铺的数据静默缺失。
- 招聘与内容运营。风险主要在账号授权与内容发布前的确认环节,涉及对外发布的内容应由人复核。
结语
老系统接入 AI,真正的门槛不在于界面能不能点开,而在于你有没有一份想清楚的老系统自动化风险清单。建议从一项重复发生、结果可验收的工作开始试跑:先跑一次真实数据,核对结果与失败清单,确认异常是否都有恢复路径和责任人,再决定是否扩大范围。让智能生长,前提是边界先长清楚。
常见问题解答
老系统完全没有接口,AI 真的能操作吗?
可以。操作入口是界面,就可以通过设备(Soia Worker)在已登录的桌面环境中完成查询、录入和同步,并按授权范围执行、回读结果。前提是账号和操作范围事先确认清楚,这属于风险清单第 1 项。
数据和权限怎么控制?
三个层面:账号层面单独申请、权限最小化、可随时停用;操作层面明确可读可写的系统和字段;记录层面保留每次操作的来源与目标记录,便于审计和回溯。
AI 做错了谁负责?
责任由人承担,这一点不因引入 AI 而改变。业务负责人定规则和验收标准,一线人员验收结果和处理异常,涉及资金、质量责任、生产控制等高风险动作由授权人员在专业系统中确认。智能体的职责是在授权范围内执行确定步骤,并把异常说清楚。
和现有的 RPA、BI 是什么关系?
BI 解决“看得见”,RPA 解决“按固定脚本执行”,而 AI 智能体的差别在于能处理界面上的一定变化、调用知识库做判断、把结果整理成人能直接用的形式。三者可以并存:BI 做监控,智能体做跨系统的取数与整理,固定步骤再固化为工作流。
从哪个场景开始比较稳妥?
优先选每日或每周重复发生、输入输出和验收人清楚、当前人工耗时和错误可测量的任务。制造业可以从供应链巡检、报表汇总、老系统数据搬运开始;财务可以从只读的差异比对开始。共同原则是先读后写、先人确认后自动执行。



