最近有兩條新聞放一起看，挺有意思。
一條是美團。它內部那個叫 CatPaw 的 AI 工作台，9 萬人內測了三年，7 月 27 日正式升級成全場景 AI Agent 平台。報導裡有一句話我反覆看了幾遍："對話框裝不下真正的工作"。
另一條是信創圈。普聯軟件把自己的智能體開發平台落地了——知識問答助手、文檔智能處理助手直接嵌進 ERP、EAM、EPM 三個信創產品裡，還都跑出了示範項目。
一個做本地生活，一個做企業管理軟體，八竿子打不著的兩家，結論卻撞到一起：AI 想真正幹活，光會聊天遠遠不夠。這背後到底卡在哪兒，值得拆開講講。
一、四道坎：為什麼聊天機器人幹不了活
美团把对话式 AI 到执行型 Agent 之间的差距，拆成了四个痛点。我看完觉得这四点不只适用于本地生活，放到任何企业场景都成立：
第一，缺乏上下文。一個通用大模型塞進對話框，它對你的生意沒有任何感知——門店數據、歷史評價、經營規則、庫存上下限，一概不知道。你問什麼它答什麼，但它永遠是從零開始猜你的業務。對 ERP 來說同理：系統裡的客戶、訂單、物料、流程規則，才是 AI 回答「該不該批這個單」的前提。沒有這些，AI 就是個沒有記憶的實習生。
第二，無法調用工具。對話式 AI 只能動嘴，幹不了手。要查庫存、要發起審批、要生成單據——這些動作它做不了，還得人來做。Agent 和聊天的本質區別就在這：Agent 能調用系統裡的工具和接口，把「說要幹」變成「真的幹」。
第三，缺乏持續執行能力。生成合同、審核風險、整理回饋、輸出改進方案——這些都不是一句話能完成的事，需要多步、跨模組、甚至跨系統地推進。對話式 AI 答完就停，Agent 卻能盯著一個目標從頭做到尾，遇到異常才來請示。
第四，難以復用結果。聊完一次，結果就丟了。真正的工作成果要沉澱回系統——單據入了帳、流程走了審批、數據進了報表——下次才能在此基礎上繼續。Chat 的產物是對話，Agent 的產物是業務記錄。這是質的差別。
這四個痛點，正是「AI 落地好看不好用」的根源。很多企業上 AI 專案失敗，不是模型不夠強，而是根本沒意識到：AI 要幹活，前提是業務上下文、工具介面、執行編排、結果沉澱四樣東西齊備。缺一樣，AI 就退化為高級聊天機器人。
二、為什麼 ERP 反而是 AI 幹活的主場
聊到這你可能會問：那到底什麼樣的系統，AI 才能真正上手幹活？答案可能出乎意料——恰恰是那些被吐槽"又重又複雜"的 ERP。
原因很簡單：ERP 天生具備上面四樣東西。業務上下文它全有（客戶、訂單、庫存、財務），工具介面它全有（業務流程就是工具鏈），執行編排它全有（審批流、工作流就是現成的），結果沉澱它全有（所有操作都落帳）。ERP 缺的不是幹活的土壤，而是幹活的腦子。把 Agent 接進 ERP，等於給一個原本只會記錄的系統裝上了「看得懂、會判斷、能執行」的上層。
普聯軟體的落地路徑就是標準樣板：知識問答助手負責「輔導員工怎麼用系統」，文檔智能處理助手負責「吃透合同、單據、制度這些非結構化材料」，兩者直接嵌在信創 ERP 裡。對走國產替代路線的企業來說，這個信號尤其重要——過去大家擔心「換掉國外系統後，AI 能力會不會跟著縮水」，現在信創廠商用行動回答：AI 是跟著業務走的，不是跟著品牌走的。
Odoo 那邊其實更早就摸到了這條線。7 月底 Odoo 官方放出一批出海案例，其中精密機電企業 Motek 的看點不在 AI，而在於「數據打通」本身——訂單、庫存、採購、製造、財務全鏈路跑在一個底座上，錯發率直降 60%。為什麼提這個？因為這就是 AI 幹活的前提。數據都不在一條線上，AI 連「錯發率」都算不出來，遑論幫你降。先有「通」，才談得上「智」。
三、從「問 AI」到「指揮 AI 團隊」：一條四級的爬坡路
技术底座是前提，但組織這一側同樣卡人。至頂科技前兩天發了個模型，把企業智能體落地看成從 101 到 401 的遞進課程，我挺認同，直接轉述給你：
| 階段 | 員工與 AI 的關係 | 典型動作 |
|---|---|---|
| 101 | 向 AI 尋求幫助 | 問答、搜尋、文件摘要 |
| 201 | 與 AI 協作完成任務 | 人機分工、結果校驗 |
| 301 | 授權 AI 獨立完成工作 | 预设規則、異常上報 |
| 401 | 統籌多智能體編排 | 跨系統、跨流程協同作戰 |
這個框架的好處在哪？它把「AI 轉型」從一筆糊塗帳變成了可以逐級打勾的清單。我見過太多企業一上來就想直接上 301、401——AI 獨立幹活、多智慧體協同——結果組織裡沒人會校驗 AI 的產出，規則沒定清楚，翻車是必然的。這跟 7 月 WAIC 上網易智企講的「AI 上崗三步法」（知識底座→流程嵌入→持續成長）是一個道理：先讓員工學會用，再讓 AI 學會幹，最後才談讓 AI 團隊獨立作戰。
一句話提醒：AI 越能幹，出錯的破壞力越大。在 301 階段之前，一定要把權限邊界、異常上報、人工審批這三道閘裝好。這跟系統沒關係，跟管理有關——Gartner 預測 2027 年底前四成多 agentic AI 專案會被砍，砍掉的大多不是技術不行，是閘沒裝好。
結語
寫到這裡，我把這兩條新聞的核心結論提煉一下：
對平台型廠商（美團、阿里這類），Agent 的勝負手在「業務上下文」——誰把場景數據、工具、執行鏈路吃得更透，誰就跑在前面。對企業管理軟體（ERP 廠商和信創廠商），Agent 的勝負手在「把底層數據底座先打通」——Motek 降 60% 錯發率靠的不是 AI，是數據一條線。而對正在規劃 AI 項目的企業管理者，真正該排進時間表的，除了系統升級，還有一張員工能力從 101 爬到 401 的路線圖。
對話框裡裝不下真正的工作，這話聽著扎心，但對所有想靠 AI 提效的企業來說，是個特別清醒的開始。先想清楚你的業務上下文在哪裡、數據通不通、員工會不會用——這三件事想明白了，Agent 落地是水到渠成；想不明白，換多少個模型都一樣。
