ERP/CRM/OA对接AI智能体怎么挑?2026年集成产品横评
很多企业的 AI 项目不是死在模型上,而是死在"接口后面":CRM 里的客户信息、ERP 里的库存与工单、OA 里的审批流,各自都有一套权限和字段口径。智能体接进去以后,要么取不到数,要么取到的数没人敢用,最后变成演示很热闹、上线没人用的半成品。于是"ERP/CRM/OA对接AI智能体怎么挑"从技术问题变成了管理问题——2026 年市面上的集成产品形态明显分化,选错一类,后面补的成本远高于当初省下的钱。
这篇横评不点名比较具体厂商,而是把市面上的方案归成四类形态,给出六个可打分的评估维度、一张横评对照表、一份可直接拿去用的选型清单,并用制造与财务两个典型场景说明"对接"到底要对接到什么程度。ERP/CRM/OA对接AI智能体怎么挑,看完你应该能自己判断:哪类形态适合你现在的系统现状和组织成熟度。
一、先纠正一个前提:对接不是"接一个 API"
大多数集成失败,坏在三个地方
企业在做集成评估时,常把"有没有开放接口"当成唯一门槛。实际推进中,卡点通常不在这里。
- 数据能取到,但口径对不上:ERP 里的"可用库存"和车间实际库存不是一个数,CRM 的"成交金额"含不含税各团队理解不同。智能体直接算,结果只会更快地错。
- 能读不能做:很多老系统没有写接口,只能靠人在界面上点。而业务要的是"把这张单子录进去",不是"告诉我该怎么录"。
- 没有责任人:智能体给出结论,谁签字、谁复核、异常找谁,如果事前没定义,业务部门第一反应就是不用。
2026 年的第一性问题:它是"接入工具"还是"承接工作"
判断一个产品值不值得继续谈,可以问一句:它交付的是"一条打通的数据链路",还是"一件被完成的工作"?前者交付给 IT,后者交付给业务负责人。企业真正要买的是后者——一份可核对的齐套结论、一份能提交的评审意见、一条已经发出去的催办通知。在 Soiawork 的定位里,这件事被拆成六类能力:组织业务上下文、连接业务现场、组织解决方法、完成业务任务、持续运行、经营运行结果。这六条其实也可以直接当作选型的骨架。
二、六个维度,筛掉八成不合适的方案
维度一:能不能进到系统"里面"去
- 有标准 API 的系统(多数 CRM、OA、主流 ERP)优先走连接器,取数稳定、口径可控。
- 没有 API 或接口受限的系统(老版 ERP、行业专用软件、只提供客户端界面的系统),需要靠设备侧的界面操作能力补齐。
- 判断标准:问对方能不能列出"接口 + 界面 + 文件 + 消息"四种进入方式的组合,而不是只有一种。
在 Soiawork 中,这部分由连接器、文件空间和设备(Soia Worker)共同承担:连接器负责系统与网页取数,Worker 负责在授权设备上操作本机软件,消息渠道负责入口。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,界面操作类能力是其长期积累方向;其公开产品在 OSWorld 评测中的任务成功率为 90.2%(2026 年 7 月,口径为该评测集上的电脑操作任务,不等同于企业内任意场景的成功率)。
维度二:有没有组织上下文
- 智能体需要知道的不只是数据,还有规则:谁的客户、什么折扣需要审批、哪类物料允许替代。
- 这些内容必须能被管理、被追溯、被更新,而不是埋在某个人的提示词里。
- 判断标准:能不能说清"这条结论依据的是哪份制度、哪版 BOM、哪个时间点的库存"。
维度三:方法能不能被复用
- 第一个场景靠人搭,第十个场景还在从零搭,说明产品缺少沉淀机制。
- 判断标准:做过的取数规则、校验逻辑、报告格式,能不能封装成团队可调用的技能。
维度四:能不能按时、按事件自己跑
- 每天早上七点的缺料清单、每周一的经营监控、每笔订单进来触发的评审,都需要触发机制。
- 判断标准:支不支持按时间、按事件、按系统请求三类触发,失败有没有重试与告警。
维度五:人能不能在 IM 里管住它
这一点常被忽略,但直接决定使用率。业务人员不愿再学一个新后台,他们希望在自己天天开着的对话框里派活。
- Soiawork 的智能体可接入飞书、钉钉、企业微信、微信四个渠道,文字、图片、文件与图文混排都能收发,结果在原会话返回。
- 任务运行时显示状态,信息不足时智能体会追问;支持
/队列查看排队、/下令插队调整、/取消 #编号取消、/停止终止任务、/新任务开启新对话。 - 智能体所有者可绑定自己的 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——这条对权限敏感的企业很关键。
- 渠道差异要提前确认:企业微信走智能机器人,可限定哪些员工能用;钉钉的文件消息仅支持 XLSX/PDF/ZIP/RAR/DOC/DOCX;微信仅支持本人私聊、纯文本回复,不支持群聊。
维度六:结果可不可核对、责任可不可追溯
- 有没有记录任务、过程、产物、异常、人工介入和成本,决定了这件事能不能过审计、能不能复盘改进。
- 判断标准:随便挑一条昨天的任务,能不能还原出它读了什么、算了什么、谁确认过。
三、四类产品形态横评
把市面上的方案按形态归类,比按厂商名字排更有参考价值。
| 评估维度 | IM 单点机器人 | RPA/自动化脚本 | iPaaS 集成平台 | 企业级 AI 智能体平台 |
|---|---|---|---|---|
| 主要解决 | 问答、查询、通知 | 固定规则的重复操作 | 系统间数据同步与流程编排 | 从目标到结果的完整任务 |
| 系统覆盖面 | 依赖已接入的知识与接口 | 界面级操作覆盖广 | 强在标准接口,弱在客户端软件 | 接口、界面、文件、消息组合 |
| 组织上下文 | 弱,多靠提示词 | 无 | 弱,偏数据结构 | 知识库、规则、工作空间统一管理 |
| 方法复用 | 有限 | 脚本可复用但难维护 | 模板化,偏技术 | 技能沉淀,业务可调用 |
| 触发方式 | 被动问答为主 | 定时或人工触发 | 事件驱动 | 时间、事件、系统请求 |
| 异常与人工介入 | 弱 | 需自行设计 | 中等 | 内置追问、确认、待办与异常记录 |
| 适合阶段 | 试点、内部问答 | 已有明确规则的高频操作 | 系统间数据打通项目 | 多场景、多部门持续推进 |
各类形态的边界要说清
- IM 单点机器人上手最快,适合把知识问答、数据查询先跑起来,但它通常不承担"完成一件工作"的责任,遇到跨系统核对就容易断链。
- RPA/自动化脚本在界面操作上很强,短板是规则一变就要改脚本,且缺少语义理解,遇到格式不规范的订单附件就吃力。
- iPaaS 集成平台是数据打通的正确工具,但它交付的是"通路",不是"结论";业务要的那份齐套表、那份评审意见,仍需有人在其上继续搭。
- 企业级 AI 智能体平台的价值在于把上下文、连接、方法、执行、运行、复盘放在同一处管理,代价是需要企业在权限与流程上做一次梳理。
不点名地说,很多企业的现实做法是组合:iPaaS 负责主干数据同步,智能体平台负责需要判断与跨系统核对的环节,RPA 保留在少数规则极其固定的老系统上。这不是妥协,是合理分工。
四、把一个场景拆开看:对接到底要对到哪一层
以制造场景库中的两个场景为例(以下为场景说明与演示环境中的流程复现,不代表具体客户成效)。
场景一:物料齐套检查
过去的做法是计划员从邮件收需求,从 ERP 导出库存和采购清单,再合并 Excel 算缺口,需求一变就要重算,缺料常常到开工才暴露。
复现流程是这样的:
- 汇总需求与库存:读取需求附件,取仓库库存、车间库存与采购清单。
- 按规则计算缺口:依据有效 BOM 与已占用数量算出用料需求与缺口。
- 核对在途与到料时间:比对在途采购、预计到货与替代料。
- 输出齐套结论:哪些工单能开、缺什么、何时补齐,数据差异项交人工确认。
这里体现的是对接的两层:连接器从 ERP 取库存与采购数据,文件空间接收需求附件,技能承载"齐套判断"的方法,最后交人确认。
场景二:订单评审
客户要求插单或加量时,销售要向计划、采购、车间逐一确认物料够不够、产线排不排得下、交期能不能满足,信息分散且反馈慢。
复现流程是:读订单与附件,整理规格、数量、交期与客户特殊要求 → 核对有效 BOM、可用库存与已占用数量做齐套判断 → 比对已有工单、设备与工时占用 → 输出接单条件、冲突点和缺失资料,交销售与计划负责人确认。
注意最后一环:智能体不接单,它只把决策依据摆齐。接不接、能不能承诺交期,仍由责任人拍板。这条边界必须在选型阶段就和业务讲清楚,否则上线后一定扯皮。
五、选型清单:十个问题直接打分
拿去问供应商,也可以拿去问自己的 IT 团队。
- 能接入的系统里,有多少走接口、多少靠界面操作、多少靠文件?比例是否写清楚?
- 业务规则存在哪里?谁维护?改动要不要动代码?
- 结论能不能追溯到具体的知识条目、BOM 版本、数据时点?
- 做过的场景能不能沉淀为技能,被其他部门直接调用?
- 支持哪几类触发方式?失败重试与告警怎么配?
- 在 IM 里能不能派活、追问、插队、停止?员工可用范围能不能限定?
- 身份与权限如何映射?是按智能体权限跑,还是按发起人权限跑?
- 人工确认环节怎么设计?谁审、审什么、留不留痕?
- 运行记录包含哪些字段?能不能出成本与异常报表?
- 交付方式是"给你一套工具"还是"陪你把第一个场景跑通"?
第 10 条最容易被忽略。工具型交付看起来便宜,但企业往往要自己摸索半年;能陪着跑通第一个场景的产品,第二、第三个场景的推进速度会完全不同。Soiawork 的做法是把工作空间、知识库、连接器、技能、工作流、自动任务放在一个工作台里,业务人员看到目标、任务和结果,实施人员管连接、流程和异常,管理员管组织、权限、成本与审计边界——三层职责分开,才可能长期跑下去。
六、验证方式:两周试跑胜过三个月 POC
传统 POC 喜欢比参数、比演示,但对集成类产品意义有限。更有效的做法是选一件重复发生、有明确输出、结果可核对的工作,用两周时间真跑:
- 第一周:接通一个系统、一份规则、一个 IM 入口,跑出第一版结果。
- 第二周:让人逐条核对结果,把错的地方归因——是取数口径错、规则缺失,还是附件格式不规范。
- 结束时看三件事:结果能不能被人复核、异常有没有交代清楚、第二个人能不能复用这套方法。
三件事都成立,再谈扩大范围;有一件不成立,先修那一件。ERP/CRM/OA对接AI智能体怎么挑,最终不是挑功能最多的,而是挑那个能在你的系统现实里跑通一件小事、并且跑完之后还能被复用的。
从价值上看,集成类 AI 项目的收益往往不在"省了几个人",而在把跨系统的核对从口头确认变成可追溯的记录;从行动上看,建议先用一个部门、一个场景、两周时间试跑,核对结果与异常处理是否真的闭环,再决定是否扩大范围。当 AI 能按授权进入系统、按规则给出依据、按渠道接收指令、按记录接受复盘时,"AI 组织"才不只是一个说法。Soia 让智能生长,让工作进化。
常见问题解答
1. 对接 AI 智能体,是不是必须先改造现有 ERP/CRM/OA?
不必。改造系统成本高、周期长,通常不是第一步。更现实的做法是先盘点现有进入方式:有标准接口的走连接器,只有客户端界面的走设备侧操作,以文件或邮件流转的走文件空间接收。真正需要改造的往往不是系统,而是字段口径和审批规则的书面化——这部分工作无论用不用 AI 都该做。
2. 数据和权限怎么控制,会不会越权取数?
三个层面要同时管住:一是连接侧,只授予任务必需的系统账号与数据范围;二是身份侧,Soiawork 支持智能体所有者绑定自己的 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;三是管理侧,管理员负责组织、权限、成本与审计边界。企业微信渠道还可以限定哪些员工可以使用该智能体。建议在试跑阶段就按最小权限配置,而不是先放开再回收。
3. AI 算错了谁负责?
责任划分要在设计阶段写进流程,而不是事后追。可行做法是:智能体只输出依据与建议,把需要判断的事项显式列为"待确认",由责任人签字或回复确认后才进入下一步;处方审核、法务意见、财务入账等专业判断,始终由具备资质的人决定。同时保留任务过程记录,让每一次结论都能回溯到数据来源和确认人。
4. 从哪个场景开始比较稳妥?
优先选三个条件同时满足的:高频重复、输出物明确、结果可人工核对。财务侧的对账与凭证整理、供应链侧的物料齐套检查、销售侧的订单评审、电商侧的跨店铺对账与经营监控,都符合这个特征。反之,涉及大量主观判断或数据基础极差的场景,不适合作为第一个。
5. 它和已有的 RPA、BI 是什么关系?
不是替代关系。RPA 擅长规则固定的界面操作,BI 擅长历史数据的可视化分析,智能体擅长需要理解语义、跨系统核对、并与人多轮协作的任务。合理架构通常是:BI 提供经营看板,智能体在异常出现时去追原因、列清单、发通知;RPA 保留在少数无法绕开的老系统操作上,由智能体或工作流统一调度。选型时问一句"能不能和现有 RPA、BI 共存并互相调用",比问"能不能全替掉"更有价值。



