不懂业务的智能体是“纸上谈兵”,看SAP如何让智能体真正落地

企业真正需要的,是本身具有强大业务理解能力的人用智能体来放大这一能力,然后帮助自己快速去解决这些问题。这就是SAP正在做的事

近日,在SAP 中国研究院举办的媒体沟通会上,SAP中国研究院院长,SAP全球副总裁,HCM产品全球化研发负责人蔡彦斌分享了一个很有意思的故事。

他的一位朋友经营着一家自行车贴牌加工厂,尝试使用AI智能体制定未来三个月的产品定价策略。输入几个关键词,智能体很快生成一套看起来不错的方案。然而,当他进一步要求AI制定未来三个季度的产品策略时,得到的建议却很难真正用于企业经营。

问题出在哪里?

AI能分析市场趋势,却不了解这家企业生产的具体产品、客户情况以及内部业务信息。它可以给出看似合理的建议,却缺少作出实际经营判断所必需的企业上下文。这也指出了当前智能体面临的一项重要挑战——让AI有推理能力是一回事,真正理解一家企业并参与业务运营,则是另一回事。

因此,笔者认为,企业真正需要的,是本身具有强大业务理解能力的人用智能体来放大这一能力,然后帮助自己快速去解决这些问题。这就是SAP正在做的事。

从SAP TechEd看企业软件新方向

在今年的SAP TechEd上,SAP进一步展示了其企业级AI战略的产品进展,包括面向用户交互与任务执行的Joule Work、面向智能体开发与管理的Joule Studio,以及帮助AI理解企业业务知识的SAP Knowledge Graph等。

这些产品背后,是SAP对企业软件未来发展方向的思考——AI不仅要辅助员工完成工作,还要具备理解业务意图、协调企业资源和执行复杂任务的能力。

五十年来,SAP在ERP及相关业务应用中积累了大量行业经验、业务流程和数据结构。进入AI时代,这些积累正在成为SAP发展企业级智能体的重要基础。

SAP的战略也因此从以业务应用和流程管理为中心,进一步向智能体驱动的自主化企业运营拓展。

在采访中,SAP 全球高级副总裁,SAP 全球研发网络总裁柯曼博士通过供应链管理场景解释了这一方向。

假设一家企业的关键零部件供应商突然延迟交货,理想情况下,企业系统不仅能及时发现异常,还可以预测其对生产和交付的影响,并协调相关业务资源采取补救措施,降低经营风险。

在这一过程中,AI智能体承担的不再只是信息查询或内容生成,而是参与业务分析、任务编排与执行。

但柯曼博士同时强调,企业对AI自主性的信任不是无条件的。机器可以承担更多自主编排和执行工作,人则需要为AI设定安全、权限与责任边界,并承担相应责任。

他还提出——企业要重新回到“商业意图”本身。过去,企业推进自动化,往往关注某个流程能否自动执行。在智能体时代,更重要的问题是——企业究竟希望实现什么业务目标?

从执行预设流程,到围绕业务意图组织和执行任务,这可能是AI给企业软件带来的重要变化。

Joule Work与Joule Studio:从理解意图到执行任务

围绕业务意图驱动的企业运营,SAP正在构建新的智能体交互与开发方式。

蔡彦斌介绍,Joule Work可以被理解为面向企业用户的智能交互入口,但它并不只是一个简单的问答窗口。

用户在Joule Work中输入的是业务意图。系统需要理解这一意图,将其拆解为具体任务,再识别企业内部有哪些数据、应用和资源可以调用,最终完成执行并反馈结果。

这与传统企业软件的使用方式有所不同。过去,用户需要了解某项业务功能位于哪个系统、应该按照什么流程操作。Joule Work所探索的方式,则是让用户更多地表达希望完成的业务目标,由AI协调后续工作。

而要支撑这种交互方式,企业需要大量能够执行具体任务的智能体。这也是Joule Studio的作用所在。

据蔡彦斌介绍,Joule Studio支持通过低代码甚至无代码方式构建智能体,让业务人员能够围绕自身工作需求设计相应的任务流程。

但开发智能体只是第一步。针对企业级智能体上线前的验证、上线后的错误追踪等问题,蔡彦斌强调,真正将Agent部署到企业实际业务中,需要严谨的治理流程。例如,Joule Studio将功能测试、性能测试、安全测试、准确率测试和合规检验等环节纳入智能体发布流程。

智能体投入运行后,SAP Business AI Platform还可以从工程层面追踪Agent调用了哪些协议、读取和修改了哪些数据;Joule Work则支持从业务角度查看智能体的任务执行步骤。

此外,Agent Hub可以提供统一的管理报告,帮助企业了解不同领域智能体的运行情况及错误信息。

这些能力说明,企业级AI不仅需要解决“如何让智能体完成任务”,还需要回答“如何验证它的行为、追踪执行过程以及管理运行风险”。

随着智能体逐步进入企业核心业务流程,治理能力的重要性也将进一步凸显。

知识图谱:让AI理解企业自己的业务

如果说Joule Work和Joule Studio解决的是智能体如何使用、开发和管理,那么SAP Knowledge Graph关注的是智能体如何理解企业。

蔡彦斌表示,通用大模型掌握了大量公共知识,可以回答行业趋势等问题,但如果询问一家企业未来三个月应该采取什么经营策略,模型可能缺少作出判断所需的具体业务信息。这也是前文自行车加工厂案例所反映的问题。

企业级AI需要的不只是通用知识,还包括企业自身的数据、业务流程和管理规则。据蔡彦斌介绍,SAP现有ERP系统中涉及700多万个字段、50多万张数据表以及超过1.5万个流程。SAP正在将长期积累的相关数据资产和业务知识进行整理,通过知识图谱等方式,为智能体提供理解企业业务的上下文。

物理AI:企业智能体开始连接真实世界

除了软件,采访中还有一个引起笔者关注的方向,是SAP中国研究院正在探索的物理AI(Physical AI)。蔡彦斌介绍,中国研究院正在推动企业智能体与机器人等物理设备相结合。以仓储物流为例,许多企业已经部署SAP仓库管理系统,同时开始使用机器人完成拣货、配货等任务。

企业随之产生了新的需求:机器人如何与现有仓库管理系统对接?如何通过智能体以及A2A等方式实现协同?这看似是一个系统集成问题,背后却涉及企业业务逻辑与物理执行能力的结合。

在实际业务中,机器人还需要知道应该搬运哪些货物、任务优先级如何确定、库存发生变化时如何调整,路线选择,以及遇到异常情况时应该遵循哪些规则。这些问题,仅靠机器人的感知和运动能力难以完整解决,还需要与企业现有的业务系统协同。

当前,机器人技术正在不断提升感知、规划和执行能力,但要真正融入企业生产经营,还需要与订单、库存、生产计划和物流调度等业务流程连接起来。而SAP长期积累的企业业务系统和管理经验,恰好为这一方向提供了新的结合点。

国内拥有丰富的制造业、仓储物流应用场景,以及持续发展的机器人产业。相信企业智能体与物理AI的结合,有机会在这些场景中形成更多实际应用。

本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信