AI 重构 ERP:利润会从卖功能转向跑通业务吗?
date
Nov 13, 2026
status
Published
slug
ai-erp-business-model-workflow-delivery
tags
AI
产品笔记
创业
实践
summary
从接触传统 ERP 的一线观察出发,思考 AI 如何改变定制开发与交付成本,以及在旧系统之上构建业务执行层的机会、风险和商业边界。
type
Post
URL
最近接触了一些传统 ERP 软件,我开始重新思考一个问题:AI 到来之后,企业软件的利润,究竟会留在哪里?
在我接触的部分企业客户中,老板们对软件采购成本越来越敏感,但企业自身的流程、组织和管理要求又很难被一套标准系统完整覆盖。预算希望更低,适配要求却没有减少。
这只是我的一线观察,不能代表整个行业。不过,它让我看到一个值得探索的方向:在已有 ERP 之上,帮助企业把业务真正跑通,可能比再卖一套系统更有机会。
一、传统 ERP 收费背后,是一整套交付工作
传统 ERP 厂商的收入通常来自软件授权或订阅、功能模块、实施配置、定制开发,以及持续维护服务。
从客户的角度看,买完系统之后还要继续付费,容易产生“怎么每改一点都要钱”的感受。但从交付方看,需求梳理、数据迁移、系统集成、员工培训和长期维护,都有真实成本。
企业之间的差异也不只在界面上。同样是采购审批,不同公司的权限、预算规则、供应商管理方式可能完全不同;同样是库存管理,批次、计量单位和出入库流程也可能有不同要求。
所以,ERP 的竞争壁垒不能简单理解为代码量。行业知识、稳定的数据模型、实施经验和客户信任,同样重要。
AI 真正可能改变的,是其中一部分工作的成本结构,以及客户愿意为什么付费。
二、接入大模型,还不足以构成新的商业模式
我接触到的一些方案,开始把大模型接入原有系统,并考虑通过模型调用量或额度收费。
这种方式可以覆盖推理成本,但如果只是给 ERP 增加一个问答入口,再转售 token,长期差异化可能有限。
企业更关心的是:少做了多少重复录入,异常订单能否更早发现,跨部门流转是否更顺畅,对账是否更快、更准确。
模型调用是成本项,业务改善才是客户判断价值的依据。
当然,实际收费未必只能按结果计算。订阅、用量、实施和服务费用可以并存。关键是让客户看清楚:这些费用对应什么能力、什么责任,以及什么可验证的改善。
三、机会可能在旧系统之上的“业务执行层”
与其推翻原有 ERP,我更倾向于探索一种渐进式改造:保留稳定的核心系统,在上面增加交互入口、工作流编排、Agent 和自动化能力。
这里的“业务执行层”,不应只是再套一个界面。它需要把企业已有系统中的能力,组织成更贴近实际工作的流程。
例如,一条可能的采购流程是:
- 员工通过统一入口描述采购需求。
- 系统读取库存、历史订单和供应商信息,形成申请草稿。
- 根据企业规则检查预算与审批路径。
- 经有权人员确认后,通过受支持的接口写回 ERP。
- 跟踪采购、收货和异常状态,提醒相关人员处理。
这是一个设计示例,而非已经完成的项目。能否落地,取决于原系统接口、授权范围、数据质量和业务规则。
有开放接口时,应优先使用接口和受支持的扩展机制。界面自动化可以补足个别缺口,但界面变化、会话失效和重复点击都可能导致故障,不宜把它当作核心账务流程的唯一基础。
四、旧 ERP 改造,必须守住三个边界
第一,权限不能因为增加 AI 而被绕过。
Agent 应继承明确的角色与操作范围,而不是共用一个拥有所有权限的账号。涉及付款、库存调整、合同及财务过账等动作,需要保留适用的审批和人工确认。模型负责提出建议,不等于拥有最终决策权。
第二,业务数据必须有明确的权威来源。
库存、应收、应付等核心数据,应由约定的主系统维护。新增交互层不能悄悄形成一套互相矛盾的账。写入要校验状态,重试要避免重复制单,跨系统失败要能对账、补偿并追踪。未经支持直接修改底层数据库,可能破坏原系统的业务约束。
第三,交付责任必须提前说清。
原厂升级后谁负责适配,接口中断谁处理,哪些历史数据问题不在本次范围内,自动化出错如何停止和恢复,都应写进交付约定。还需要核查软件许可、接口使用权和原厂支持边界。
测试环境验证、分阶段上线、操作日志和人工兜底,是这类改造的基本条件。AI 降低了部分开发门槛,却不会自动降低业务风险。
五、技术服务团队的价值,会更多体现在持续交付
围绕现有 ERP 做二次开发、集成和实施,本来就有成熟的服务角色。AI 未必创造一个全新职业,但可能让更小的团队承担过去需要更多人才能完成的工作。
比起用 SDE 这样的通用工程师称呼,我更愿意把这类团队理解为“业务系统改造与集成团队”。
他们既要理解企业流程,也要懂软件接口、权限、数据和运维。客户最终购买的,是流程能够稳定运行,以及出现问题时有人负责。
商业上,可以从一条边界清晰的流程切入:先做诊断和小规模试点,按约定范围收取实施费;运行稳定后,再按维护、服务量或可核验的改善收费。
如果只不断承接互不相同的定制项目,即使用 AI 写代码,也可能继续陷在高交付成本里。可复用的行业流程、接口适配和验收方法,才有机会改善这门生意的经营效率。
六、利润会转移,但不会自动转移
AI 编程可能压缩部分重复开发和配置工作的成本,对依靠工时差、信息差收取高额费用的模式形成压力。
但成本下降并不必然意味着厂商利润下降。厂商也可能提高交付效率、扩大客户覆盖,或把资源投入更复杂的需求。实施、治理、合规与长期运维成本,也不会随代码生成速度同步消失。
因此,我不会把“传统 ERP 一定被彻底革命”当作已经成立的结论。更值得关注的变化是:仅靠功能数量和定制工时支撑溢价,会越来越需要证明其价值。
未来,功能和席位收费仍可能存在,但围绕业务运行、可靠交付和持续服务的价值,可能获得更高权重。这部分机会既属于新团队,也属于愿意改变交付方式的原有 ERP 厂商。
对准备进入这个方向的人,我更建议先验证三个问题:
- 能否找到一个客户愿意付费解决的具体流程问题?
- 能否在不破坏原系统的前提下,稳定完成改造?
- 扣除模型、接口、实施和维护成本之后,项目是否仍然有合理利润?
我的判断是,ERP 的下一阶段竞争,会越来越考验谁真正理解企业,并能以可控成本让业务持续运转。
让一条真实流程跑通、跑稳,再证明它能够复制,可能就是 AI 时代企业软件最值得寻找的商业起点。