在企业AI领域，在全世界范围内这也是最突出、最共同的话题。
硅谷著名风投机构a16z和市值超过百亿美元、营收超过10亿美元、员工数超过2000人的设计软件公司Figma的CFO的访谈中，谈到很多企业实施AI的乱象：一家公司里，涉及到客户服务职能的员工没人都用AI给自己搭了仪表盘，结果每个人看到的经营数字都不一样；另一家公司的员工一两个月造了四五十个智能体，后来大部分没人再用。
无独有偶，AI时代时髦词FDE的提出者、Palantir CTO Shyam Sankar在上周一次广受关注的访谈中，明确提出：
当前企业AI落地找错了对象，而大多数AI公司的商业模式也是不对的——企业AI落地对象不是赋能个人，而应该是改造业务流程；AI公司给客户创造价值不是卖标准化Token，而应该是构建企业独特的竞争优势。
有位朋友也写了一篇对访谈的启发：一场带来启发性思考的企业AI认知访谈，重新刷新固有认知
Sankar指出，AI厂商的产品思路默认企业的最小单位（原子）是知识工作者：让每个人更高效，ROI就有了；他认为这个前提不成立。
他以供应链为例：AI可以让一个供应链分析师的工作效率翻倍，却不产生任何增量回报，因为只有在整条供应链流程都变得可衡量地更好时，才会兑现价值。今天的企业只有少数岗位是例外，比如软件代码开发，一个人就是一个闭环的流程，所以编程是AI最先跑通的场景。
这解释了前面A16Z和Figma CFO讨论的企业AI乱象：
-
每人一个仪表盘，是在优化个人。 -
四五十个Agent，是在制造个人工具。 -
个人都在加速，工作流却没人负责。
Figma CFO将企业里每个人都在造软件称为“软件膨胀”。
过去企业软件瓶颈是做不出来。财务想要个自动化报表，得向IT提需求、排期、等开发，现在有AI情况反过来了。财务自己能写工具，销售自己能搭客户管理系统，运营自己能造智能体，软件便宜到企业来不及消化。
然而一个员工花几个小时做出一套工具，后面的维护可能持续几个月甚至几年：数据变了谁改，接口坏了谁修，权限出了问题谁负责，人离职了谁接手。过去开发昂贵，这些问题在立项时就会被逼着想清楚。这就像工厂里每个工人都能自己造设备，却没人统一零件标准，也没人管设备之间怎么配合。最后不是缺机器，而是机器太多。
Sankar用另一个词attritional software（消耗型软件）来描述这个软件膨胀现象：你为解决一个问题造了个应用，之后要么淘汰它，要么背上越来越多的技术债。一旦大家都在用Claude Code、Codex这类工具快速造应用，应用之间互不相通，企业管理不是更高效，而是更混乱。
Figma CFO和Palantir CTO有完全一致的结论：企业需要可以治理的约束，员工可以自由地做小工具，但这些工具必须能接入统一的体系，这样造它的成本低，扔掉它的成本也低。自由创造和统一治理并不矛盾，前提是底下有一个共同的底座。
这个底座，就是做了几十年的ERP和业务流程。
这群搞AI的少年成天自创神功、花拳绣腿，招式名字起得一个比一个响，真上了战场，才发现自己缺的是扎马步，站都站不稳，就想去挑战ERP这个企业软件领域皇冠上的明珠。
企业级AI的核心问题不是用不用AI，而是对每一个业务活动要做三个判断：
1. 哪些交给AI。适合概率性判断、模式识别、大量重复文本和单据处理的环节。Sankar提到一个例子：一家零部件公司用多年的历史规格图和报价单训练模型，几天内就能比对手更快给客户报价。
2. 哪些走标准化流程。不能出错、必须可审计的环节，要用确定性的流程，不能指望模型每次都答对。
3. 哪些数据和指标需要标准化。什么算一个有效客户？付款后又退款的用户，算不算？同一家企业注册了多个账户，算一个还是多个？这类口径问题必须由企业先定义好。
Sankar还提醒了一点：知道什么时候不该用AI，和会用AI同样重要。他提到自己的教训——他曾要求新员工第一周通过AI助手来学习平台，结果这批人只会用上面那层抽象，反而不理解底层结构。
ERP是企业AI运行的底座，尤其是财务相关信息，今天很多企业讨论AI带来的困扰，实际上是ERP几十年前就已经解决的问题：
AI的问题 |
ERP基本原理 |
指标口径不一，数据互相打架 |
统一的主数据和指标定义，全公司一个版本 |
工具各自为政，接口混乱 |
功能模块之间预先打通，数据一次录入、处处可用 |
谁都能改、谁都不负责 |
权限、审批和审计留痕 |
人走了工具没人管 |
流程固化在系统里，不依赖某个人 |
局部优化损害全局 |
面向端到端业务流程设计 |
Figma CFO特别强调自己的核心系统仍倾向于购买成熟ERP产品，想起来国内SaaS公司老板说自己公司的管理，跟别人家公司就是不一样，所以一定要手搓，真是鲜明的对比。
有了底座还不够。Sankar把企业看作一台状态机：业务沿着一系列状态转移向前走，过去每一次转移都由人来完成，还要和大量老系统打交道。AI进来之后，问题变成：
-
同一条工作流里，有的步骤由人做，有的由AI做，还会来回交接。 -
无论这件事最初是人发起的还是AI发起的，状态流转的规则都应该一致。 -
每一次转移，谁有权限、做了什么、能不能回滚，都必须可治理。
这就是编排（Orchestration），它的核心能力是：
任务分配：确定性的流程归标准化系统，概率性的判断归AI。
衔接：Agent通过受控的动作接口读写底座数据，而不是各自私建一套逻辑。
治理：权限、审批、审计和异常处理贯穿整条链路。
可迭代：模型可以换，智能体可以淘汰，但是流程和数据不能动。Sankar说，如果换一个模型要花两年，每个决定都是单行道；只要两分钟就能在评测集上验证后切换，企业就不必被锁死在任何一家大模型公司。
这就是奥锐方智动化平台干的事情。
按这个思路，IT部门角色在AI时代也在发生变化——从“制造软件”转向“治理软件”：员工和业务团队负责创造，IT负责把有价值的工具纳入统一的流程和数据体系。
折腾了一大圈AI，很多企业最后会发现，缺的并不是更多的工具，而是一种秩序：
-
企业的基本单位是业务流程，不是个人。 -
底座要稳：财务和核心业务数据有唯一的事实来源。 -
业务要活：流程和智能体经过编排，创造企业的差异性优势。 -
创造可以分散，规则必须统一。
