在制造业采购环节，AI究竟是解决复杂业务问题的“屠龙刀”，还是只能处理重复任务的“割草刀”？2026年7月末，在合肥的一场闭门研讨中，来自科研机构、制造企业、供应链服务机构和AI技术平台的多位嘉宾，围绕企业AI落地展开讨论。讨论集中指向一个现实问题：企业不能简单沿用传统信息化建设的思路，去解决智能化阶段的新问题。换言之，不能拿着“信息化”的旧地图，去寻找“智能化”的新大陆。

作为深耕采购供应链数字化18年的服务商，同徽信息在这场研讨中，试图划清那道关键的分界线——哪些正在改变，哪些仍然不变。

7月31日，安徽同徽信息技术有限公司在合肥举办企业AI应用专题活动。圆桌论坛由中国科学院合肥物质院智能所副所长、研究员、博士生导师黄河主持，中采商学CEO陆婉清、江苏大明工业科技集团IT总监温智惠、研发猫创始人兼CEO孙春树、腾讯架构师王隽参与研讨。几位嘉宾围绕“AI时代，企业管理软件的变与不变”，从人工智能研究、制造业数字化、采购供应链和智能体应用等角度，探讨企业AI落地面临的现实问题与实践路径。

一、AI应用从“要不要做”转向“怎么做”

黄河：企业AI的“两头怕”与落地难题，警惕应用成为“花架子”

随着AI能力快速演进，企业已经普遍意识到人工智能可能对经营管理产生深刻影响，但如何将技术转化为业务价值，仍是落地过程中的核心难题。

黄河将企业当前面对AI的状态概括为“两头怕”：一方面担心不及时应用AI，未来可能在行业竞争中掉队；另一方面又担心找不到合适的落地路径，不清楚应该投入多少、由谁推动，以及如何避免AI项目停留在技术展示层面。

他认为，企业应用AI必须解决实际问题，不能成为“花架子”。企业需要进一步回答从哪些场景切入、投入多少、由谁推动等问题，确保AI能够进入实际业务，而不是停留在技术展示层面。

陆婉清则从客户需求出发提出，无论技术如何变化，商业机会仍然来自人的需求。企业需要持续理解和满足客户需求，AI可以帮助组织更快处理信息、识别变化，并在新的市场变量中发现业务机会。与其过度担忧AI会不会替代现有工作，企业更需要思考如何将客户需求与AI能力结合，在业务变化中“快人半步”。

从供应链视角看，陆婉清认为，供应链本质上是一条需求传递链。随着AI进一步进入产业协同，产业链中的企业可能逐步具备“商业智能体”的特征，企业组织架构、业务流程和管理方式也会随之调整。

当数据成为AI的燃料，采购供应链这个连接内外的复杂枢纽，恰恰是数据最丰富、也最混乱的地带。基于采购供应链数据复杂、场景专业的特点，同徽信息正围绕采购智能体等方向，推动AI进一步进入采购业务流程。不是做一个泛泛的问答机器人，而是要让AI读懂采购寻源、供应商绩效、订单协同这些具体的‘业务语言’。

这些讨论为企业管理软件的发展提供了新的观察视角。随着智能体逐步参与任务理解、数据处理和流程执行，企业软件正在由流程承载工具向更加深入的业务协同平台延伸。但这种变化能否形成实际价值，仍取决于AI是否进入真实场景并解决具体问题。

二、制造企业应从场景筛选切入

温智惠：不满足三个条件，AI项目不宜贸然启动

制造业业务链条长、流程复杂、系统数量多，不同场景的数据基础、实施难度和收益空间存在较大差异。AI应用不能在所有业务环节同时铺开，更需要根据企业实际情况确定优先级。

温智惠结合江苏大明工业科技集团的数字化实践提出，制造企业选择AI应用场景，可以重点关注“高频、易落地、可衡量”三个标准。

“高频”意味着场景具有稳定、持续的使用需求；“易落地”需要综合评估数据与系统基础、实施投入、建设周期以及对原有业务流程的影响；“可衡量”则要求企业能够比较AI应用前后的效率、预期收益和业务结果。

业务痛点并不意味着一定适合立即应用AI。温智惠特别强调，数据质量会直接影响AI应用效果。如果底层数据不完整、标准不统一，或者原有管理流程本身存在问题，再先进的模型也难以形成稳定输出。企业需要对自身的数据、系统和流程基础进行评估，对候选场景进行分级，将有限资源优先投入条件相对成熟、业务价值较为明确的方向。

AI项目的评价标准也需要从“工具交付”走向“价值交付”。传统信息化项目通常关注系统是否上线、功能是否完成，AI应用则需要建立实施前后的价值对照，通过定性与定量方式判断项目是否提升效率、优化流程或改善经营结果。

在项目组织方式上，温智惠认为，AI项目应由业务部门牵头、IT团队辅助。业务人员负责识别问题、定义场景和判断结果，IT团队则提供数据、系统和技术支撑。只有业务和技术共同参与，才能减少应用与实际需求脱节的风险。

三、数据安全和业务融合影响应用深度

孙春树：破解“怕、贵、乱”，先建安全岛、再做软硬一体化

企业开始部署AI后，为什么仍然难以形成持续价值？孙春树将常见问题概括为三个字——“怕、贵、乱”。

“怕”主要来自数据安全。AI应用需要接触研发、生产和经营等核心数据，企业既希望释放数据价值，又担心信息泄露；“贵”反映的是投入与实际应用脱节，部分企业在业务场景尚未明确时便购入大量工具和设施，最终却未能形成持续使用；“乱”则来自数据和流程基础，如果底层数据没有打通、业务流程没有形成闭环，AI往往只能停留在问答和内容生成等辅助层面，难以深入参与实际工作。

针对上述问题，孙春树提出，企业推进AI应先建立可靠的“安全岛”，明确数据边界和运行环境，再推动AI由外挂式功能转向企业内生能力。研发猫围绕软硬一体化和场景化方向，通过智能算力一体机、专业模型、智能体与业务系统的结合，在保障数据安全的基础上解决垂直领域的具体问题。

他认为，与追求大而全的模型相比，企业更需要结合自身行业特点和业务场景，将AI能力做深、做实。只有AI能够穿透业务流程，连接数据与系统，并在具体场景中稳定执行任务，技术投入才可能转化为持续的业务能力。

四、智能体推动跨系统业务协同

王隽：从高频任务验证到跨系统协同，AI落地可分三个层次

效率提升和成本变化，是企业评估AI应用时无法绕开的问题。王隽认为，AI应用已经不是“做不做”的问题，而是何时开始、如何推进的问题。但AI并不适合所有任务，场景选择不当，反而可能增加处理负担、降低整体效率。企业需要通过实际测试，判断哪些工作适合交给AI，哪些环节仍应保留现有方式。

在具体实践中，王隽将AI场景落地分为三个层次。第一层是将现有高频任务交给AI测试，直接验证是否能够提效；第二层是在原有工作基础上进行优化和扩展，例如提高任务执行频率，或者补充过去因人力和精力限制而无法完成的工作；第三层则是走向跨部门、跨系统协同，让AI连接ERP、MES、CRM等业务系统，参与综合分析和流程处理。

这一路径意味着，企业AI应用可以先从单点任务入手，在价值验证的基础上逐步扩展，最终形成跨系统、跨流程的业务协同能力。相比一开始就追求全面应用，这种分阶段推进方式更有利于控制实施风险，也便于企业衡量实际效果。

对于智能体的发展，王隽认为，AI正在从被人使用的工具，逐步发展为能够感知变化、理解目标、调用工具和执行任务的协作者。随着能力提升，AI不仅能够完成指令，还可能主动提出新的解决方案，为企业提供过去没有考虑过的工作路径。

AI能力增强并不意味着人的价值消失。在王隽看来，现阶段，工作方向的设定、复杂情境下的判断以及最终方案的选择，仍然需要人来完成。未来的人机关系更可能是一种新的分工模式：AI承担大量信息处理和任务执行，人则负责方向掌控、价值判断和决策控制。

五、同徽推动AI向采购供应链场景延伸

作为本次活动主办方，同徽信息长期聚焦企业采购与供应链数字化，围绕SRM系统及采购智能体等方向，探索人工智能在采购管理、供应商协同和供应链业务中的应用。

采购与供应链连接需求计划、采购寻源、供应商管理、订单执行、质量协同和成本管理等多个环节，既积累了大量业务数据，也涉及复杂的跨部门、跨系统协作。对采购供应链软件服务商而言，AI应用不能仅停留在增加问答入口，而需要进一步进入数据分析、任务处理和业务协同过程。

此次专题活动汇集科研机构、制造企业、供应链服务机构和AI技术平台等多方代表，围绕场景选择、数据质量、价值评估、安全基础和人机协同展开讨论，也体现了同徽信息推动AI与采购供应链业务融合的实践方向。

黄河在论坛总结中提到，WorkBuddy、同徽这类面向垂直业务场景的应用，可以成为企业接触和使用AI的入口，帮助企业先用起来，再逐步进入更复杂的业务环节。随着AI能力持续发展，企业管理方式、组织架构、销售和供应链管理也将受到进一步影响。

从“用AI”走向“用好AI”，企业没有一套可以直接照搬的固定路径，但基本推进逻辑已经逐渐清晰：围绕真实问题筛选场景，评估数据和系统基础，由业务与技术共同参与，在小范围内验证应用价值，再逐步向跨流程、跨系统协同延伸。

这也对企业管理软件服务商提出了新的要求：既要理解行业流程和具体业务场景，也要具备数据连接、系统协同和价值验证能力，推动AI由单点辅助工具逐步进入企业核心业务流程。