SAP 原欣:AI 会拆掉企业软件,但不会自动解决企业问题Chapters1×1:13代码变便宜了,企业软件的责任没有变4:10从记录系统到执行系统7:16数据治理和老师傅经验,不能被一句「我也要 AI」带走10:19FDE 是最后一公里,也必须走向产品化13:07企业不会为「模型很聪明」单独买单15:20从百分之三的回报率,反推创业切口0:0018:290:08主持人如果你正在做企业级人工智能产品,最容易掉进一个误区:看到人工智能编程越来越强,就以为企业软件会被一夜之间打成一堆页面。0:18分析师这期我们选的是《晚点聊 LateTalk》第174期,嘉宾是 SAP 大中华区总裁原欣,主持人是曼祺。两人在节目里从人工智能编程谈到自主运营企业、前线部署工程师、按结果收费,以及中国企业为什么用了人工智能,却还拿不到业务回报。0:40主持人先说明素材边界:这是一集完整公开音频转写后的二次精炼,不含嘉宾原声剪辑。下面只保留原节目里对 AI 产品创业者有用的判断,原始音频放在正文来源里。0:54分析师我们把九十多分钟的访谈压成五个问题:代码变便宜之后,企业软件还剩什么;智能体执行时,人为什么还不能退出;数据和老师傅的经验怎么进入产品;前线部署工程师能不能规模化;最后,企业到底愿意为什么付钱。1:13主持人先从最直观的冲击说起。人工智能编程把写代码的速度拉得很高,企业软件公司是不是首先会被代码成本击穿?1:22分析师原欣在节目里的判断很实在:代码本身会越来越便宜,但业务逻辑不会因为代码便宜就自动消失。SAP 这类企业软件,真正沉淀下来的不只是几亿行代码,而是企业怎么管人、管钱、做采购、做制造,以及从销售到回款的端到端流程。1:42主持人这也是为什么节目里把企业软件和飞书、钉钉这类办公协同工具区分开。后者更接近日常沟通、审批和工作流,企业资源计划系统则要把业务真正跑起来。1:56分析师同一个工资计算,在小团队里可能是一个表格和几条规则就够了。放到跨地区、跨币种、跨税务体系的企业里,身份、权限、合规、审计线索和数据集成都进来了。演示一个单点功能很快,接住整个业务链条完全是另一件事。2:15主持人节目还用了两个流程来解释 ERP 的价值。一个是从线索、订单到回款,另一个是从采购、入库、供应商管理到付款。它们不是几个孤立按钮,而是前后相连、最后要进入财务和经营判断的链路。2:31分析师这也是创业团队看企业软件时容易忽略的地方。客户买的不是一个页面里的自动填表,而是前一步发生的事情,能不能被下一步可信地使用。你把一个节点做得再聪明,如果上下游没有接住,客户最后还是要手工搬运数据。2:48主持人所以人工智能编程带来的第一个变化,不是企业软件没有价值,而是软件的价值从写出功能,转向把功能放进正确的业务流程。3:00分析师对创业团队来说,最危险的方向是复刻一个已经标准化的后台功能,然后期待写得更快就能赢。更有机会的地方,是在标准流程之上,服务企业更个性化、更难处理的那一段,而且要能说清楚它替客户减少了什么错误、等待和人工交接。3:19主持人节目也提到一种相反的场景:小公司,甚至大公司的某个小团队,可以低成本做一个临时工具,用来解决一个眼前的问题,用完就丢。3:30分析师这类日抛式工具会越来越多。小团队靠熟人信任和业务可见性就能跑起来,不一定需要完整的权限体系。但公司一旦长大,要和外部客户、供应商、审计机构交换数据,问题就变成了:别人凭什么相信你的数据?这时合规、责任和可追溯性会重新把企业拉回标准化平台。3:53主持人创业者可以用一个很简单的分界线判断产品位置:如果错了只是浪费一个下午,临时工具可能够用;如果错了会影响付款、报税、关账、生产或对外承诺,产品就必须承担企业级的信任成本。4:10主持人第二个问题是 SAP 提出的自主运营企业。这个词听起来像是企业把所有事情都交给智能体,实际含义是什么?4:20分析师原欣给出的方向,是把 SAP 从记录型系统变成可执行系统。过去系统主要记录发生了什么、数据在哪里;未来,用户用自然语言表达目标,智能体在已有流程和数据上执行更多动作。4:37主持人但这不是把 ERP 拆掉,也不是让每个团队重新手搓一套系统。4:42分析师对。节目里的判断是,人工智能会把原来划好的企业软件边界重新打乱,但拆散和聚合会同时发生。某些应用层会变薄,某些临时需求可以由智能体快速满足,可财务、采购、制造这些互相牵连的流程,仍然需要统一的业务语境和责任边界。5:04主持人这对做 Agent 产品的团队很重要。大家都在讨论入口是不是会从页面变成自然语言,但企业客户真正关心的往往是:你能不能在权限范围内完成动作,出了问题谁来解释,过程能不能审计,结果能不能撤回。5:22分析师节目里明确提到,未来五到十年,复杂企业作业大概率仍然是人在回路里。比如集团财务关账,智能体可以完成大部分核对,但汇率差异、数据错误、坏账计提这类判断,不能只看表格里有没有一个最可能的答案。5:41主持人换句话说,人不会立刻消失,只是从每一步的操作员,变成关键节点的判断者和最终确认者。5:50分析师这会改变产品设计。一个企业级智能体至少要把四件事做清楚:哪些动作可以自动执行,哪些动作必须让人确认;它使用了哪些数据和规则;异常出现时怎么回到上一步;最后由谁对结果签字。6:07主持人如果创业团队只展示一个智能体把任务跑通,却不展示权限、异常和责任链,客户看到的可能只是 Demo,不是产品。6:17分析师SAP 的方向还包括让更多流程和数据被上层交互调用,再叠加自然语言的意图理解。对创业者来说,机会不一定是重新造一个企业后台,也可能是把一个已有系统里很难用的流程,变成可理解、可执行、可复核的工作入口。6:36主持人节目也追问了一个问题:SAP 为什么不自己训练一个通用基础模型,把模型层也掌握在自己手里?6:45分析师这个问题背后其实是企业软件的分层选择。通用模型会快速迭代,企业更难长期押注某一个模型;但流程、数据语境和合规责任,恰恰需要长期维护。对创业者来说,模型可以替换,客户的业务上下文、权限和验收标准不能跟着每次模型更新一起漂走。7:06主持人所以真正的壁垒不一定是「我有一个模型」,而可能是「我能让不同模型在同一套业务规则里稳定工作」。7:16主持人第三个判断听起来有点反直觉:人工智能越强,企业越不能跳过数据和流程治理。7:23分析师节目里有一句很关键的话:企业逃不掉流程、组织和数据,也逃不掉对客户业务的理解,更逃不掉把业务转成代码。新技术不会自动替企业补上过去没有做的基础建设。7:36主持人很多公司现在的状态是,老板说「我也要 AI」,团队就先找一个模型、接一个接口、做一个原型。但原来的数据可能不完整,流程可能没有统一定义,真正负责判断的人也没有被记录下来。7:52分析师人工智能可以让脏数据更快地产生一个看起来合理的答案,却不会替你决定这个答案能不能进入财务、采购或生产流程。对于创业产品来说,数据清洗、权限梳理、流程映射这些工作很难包装成炫酷功能,却往往决定了上线以后有没有业务回报。8:14主持人节目里还谈到企业记忆。很多公司的规则并不在制度文件里,而在一个做了十年业务的老师傅脑子里。8:22分析师这类知识要进入产品,不能只把老师傅的聊天记录丢给模型。你得先弄清楚他在什么场景下做判断,依据哪些数据,遇到例外怎么处理,哪些经验可以标准化,哪些必须保留人工裁量。这个过程本身就是业务和技术之间的翻译工作。8:42主持人所以企业知识图谱不只是把名词连起来,更像是在梳理一套能被执行、能被追问、也能被修正的业务记忆。8:51分析师而且企业场景常常是结构化数据和非结构化意图混在一起。节目里原欣提到,SAP 更擅长结构化的表格和业务数据库,未来可以把传统机器学习对准确度的要求,和大模型对自然语言意图的理解结合起来。9:08主持人这还会影响成本。关务、财务这类任务,如果每次都把一大段历史资料塞进长上下文,Token 消耗高,准确率也未必稳定。先按国家、业务类型和字段把数据切开,再把必要的上下文交给模型,产品才有机会同时控制成本和错误率。9:29分析师创业者可以把这理解成一个顺序:先定义业务对象和关系,再让模型理解用户意图,最后把动作放回标准流程里。顺序反过来,先让模型自由发挥,再想办法补数据和规则,通常会越做越像一个昂贵的演示。9:47主持人这给创业者一个提醒:不要把数据治理当成客户自己应该完成的前置条件,然后只卖一个模型接口。客户愿意付钱,往往是因为你把最难的那段整理、连接和验收也包进了产品。10:02分析师但也要小心另一种陷阱。若每个客户都要重新梳理一遍、重新写一套规则、重新训练一套流程,收入增长会被交付人力吃掉。真正的产品化,是把一次部署中反复出现的知识和修复,沉淀成下一次可以复用的标准。10:19主持人这就进入第四个问题:FDE,也就是前线部署工程师,为什么突然变得重要?10:27分析师节目把 FDE 和传统 ERP 顾问区分得很清楚。传统顾问更多从行业和业务规则切入,帮助客户把需求落到标准化产品;FDE 则更像把做产品的人提前放到客户现场,和客户一起把一个还在变化的 AI 能力做成可用的产品。10:46主持人所以 FDE 不是把客户需求翻译成一份需求文档就结束,而是要懂技术,也要能深入客户业务,把业务场景转换成可以编码、可以验收的任务。10:59分析师嘉宾分享了一个关务案例。客户在三十三个国家做海关申报,自己做的智能体准确率只有百分之六七十,结果人工没有减少,反而要花更多时间检查剩下的错误。SAP 进入后,用已有的税务平台、国家模板和文档 AI 做数据切片,准确率提升到百分之九十几,随后从一个国家的试点扩展到三十多个国家。11:26主持人这里还有一个常被忽略的产品信号:准确率从六七成提升到九成以上,听起来只是模型指标变化,实际改变的是人的工作方式。前一种状态里,人要反复找错;后一种状态里,人可以把时间放在例外判断和最终确认上。11:44分析师这正是 FDE 不容易被一个通用聊天机器人替代的原因。它要先找到业务里什么叫错,再决定什么数据能证明错,最后把修复变成下一轮产品能力。模型输出只是起点,验收标准和反馈闭环才让客户愿意继续用。12:02主持人这个案例最有价值的地方,不是百分之九十几这个数字本身,而是它说明了为什么单纯把更长的上下文塞给模型,往往不如先把业务标准、国家规则和数据结构整理好。12:17分析师对,FDE 的价值不是替模型遮丑,而是找到模型不稳定的原因,再把客户的业务知识、产品能力和评估标准连起来。这里面有工程,也有咨询,还有一部分产品管理。12:32主持人但 FDE 不会永远按照一比一的人力增长。节目里的判断是,工程背景和咨询、业务背景的人,最后会合并成一种更综合的能力;同时,成熟交付中的共性部分会沉淀回标准产品。12:48分析师创业公司要盯住这个变化。如果每次交付都靠一个特别能打的人现场救火,短期看客户满意,长期看毛利和规模都会出问题。每做完一个项目,都要问:哪一部分能写进产品,哪一部分能变成评估集,哪一部分可以让客户自己配置。13:07主持人第五个判断落到商业模式。企业软件过去常按坐席收费,人工智能产品又在讨论按用量、按调用次数,甚至按结果收费。这个变化会怎么发生?13:21分析师节目里的答案不是简单把坐席换成 Token。企业客户真正买的是业务结果和责任覆盖,比如更快完成关务申报、更少发生错误、更稳定完成财务流程。模型只是其中一层,企业不太会因为模型在榜单上更聪明,就自动把核心流程交给它。13:40主持人按结果收费听起来很诱人,但结果必须先定义清楚。是省下多少人工小时,减少多少错误,还是缩短多少天的回款周期?如果结果受客户数据、流程和员工配合影响,创业公司能不能控制这笔账?13:57分析师所以早期产品更适合从可观测、可归因的单位开始收费。可以是处理的案件、完成的文档、经过审核的流程节点,也可以是一个双方都认可的节省指标。别一上来就承诺全部业务结果,却没有权限、数据和验收条件。14:16主持人那 OpenAI、Anthropic 这样的模型公司进入企业服务,会不会和 SAP 正面竞争?14:24分析师它们会在交互入口、开发工具和智能体能力上相遇,但竞争的落点不完全一样。模型公司拥有通用能力,企业软件公司拥有长期积累的流程、数据语境和合规经验。真正的竞争会发生在谁能把这些能力变成稳定的业务动作,而不是谁的宣传里多一个 Agent。14:44主持人对创业者来说,最好别只问「我用哪个模型」。更该问的是:客户最愿意把哪一个有明确验收标准的流程交给我?我能不能把模型切换、人工确认和失败回退都藏在产品里?14:58分析师这也解释了为什么企业应用看起来很慢,却能支撑很大的生态。全球化企业涉及不同税务、币种、本地法规和组织整合,表面上只是一个工资计算或付款动作,背后却是一整套责任网络。创业机会往往就在这些复杂度里,但前提是你愿意把它做实。15:20主持人节目最后引用了麦肯锡对两千多家企业的访谈:百分之八十八的企业或多或少都在做人工智能项目,但只有百分之三的企业认为拿到了真正的业务回报。15:31分析师这组数字说明,市场缺的不是更多人工智能概念,而是从原型走到生产的那一段。大企业有钱做实验,有数据和明确痛点;小公司决策快,可以用一个小工具解决眼前问题;最难受的往往是中型企业,既有复杂流程,又没有足够资源把基础补齐。15:51主持人对创业公司来说,中型企业不是不能服务,而是不能把交付假设成「接个接口就上线」。你需要把项目拆成几个可确认的阶段,先解决一个高频、能量化的流程,再把基础数据和权限问题分期补上。客户没法一次性完成大改造,产品也别要求客户先变成理想客户。16:13分析师这会让销售、实施和产品边界变得更近。一个场景能不能卖出去,不只取决于模型效果,还取决于谁提供数据、谁承担异常、谁确认结果,以及客户有没有预算把这件事真正放进生产系统。16:29主持人这也是中国企业服务市场长期留下的一个问题。很多公司过去追求更快增长、更快拿客户,底层系统和运营流程没有同步建设。人工智能来了,不会自动把这笔欠账抹掉。16:44分析师如果要从中国市场找切口,节目给出的方向是,轻资产服务业可能先出现明确机会,制造业则可以从市场、销售和售后这些连接客户的环节切入。中国企业出海以后,税务、合规、多币种和并购后的系统整合,又会把这类需求放大。17:04主持人最后给正在做 AI 产品的团队留一张检查表。第一,先选一个错误成本高、结果能验收的流程,不要从一个泛泛的聊天入口开始。17:14分析师第二,把人在回路里的位置写进产品,不要把人工审核当成模型失败后的临时补丁。第三,把客户的业务专家经验变成数据、规则和评估集,而不是只做一次访谈。17:29主持人第四,把 FDE 交付中重复出现的工作沉淀成标准产品、配置和测试集。第五,再决定怎么收费,优先选择你能观测、能归因、能持续改善的价值单位。17:44分析师这期访谈给创业者最明确的提醒是:人工智能让写代码变快,却没有让企业的责任变简单。真正的产品,不是把模型接进一个页面,而是让一项业务在数据、流程、权限和人的判断之间稳定地跑起来。18:02主持人以上就是《七档 AI 创业者精选播客缩短版》对《晚点聊 LateTalk》第174期的精炼。再次说明,本集使用完整公开音频转写完成,不含嘉宾原声剪辑;想听原始语境,可以从正文来源回到原节目。