把 AI 塞进老流程，为什么总失败：ERP、CRM 这类系统的接入顺序

企业里做 AI 项目，最常听到的一句话是“我们的流程不支持”。

仔细拆开看，这通常不是说流程不能改，而是说AI 的输出形态和流程的输入形态不匹配。ERP 要的是一个确定的下拉选项，AI 给的是一段自然语言；CRM 要求先建客户再建商机，AI 一次性给了两样东西。

于是项目卡住，最后结论是“模型还不够好”。但换更大的模型，流程还是接不上。

一条几乎所有项目都该遵守的顺序

第一步：只读。 AI 只查询，不写入。这一步的目标是把系统里的数据变成模型能用的事实。多数项目的价值在这一步就已经出现了——比如“帮我把过去三个月所有超期工单的原因归一下类”。

第二步：旁路产出。 AI 生成结果，但结果落在一个独立的地方（文档、看板、消息），由人手动搬到老系统里。看着很笨，但这是风险最低、接受度最高的环节。

第三步：带确认的写回。 人点确认，AI 执行写入。此时所有权限、幂等、审计都必须已经到位。

第四步：自动写回。 只在前面三步跑满两三个月、错误率可量化之后才谈。

跳过任何一步，通常的结局是：上线时惊艳，两周后被人关掉，理由是“改错了几次，不放心”。信任是靠可控的错误率一点点建立的，不是靠准确率数字。

老系统的三个“隐藏假设”

假设一：输入是确定性的。 老系统字段是枚举、是校验规则、是不允许为空的。AI 会给出模糊值——“大概三成”“部分客户”。接入层必须做归一化：把模糊值映射为枚举，或者明确落到“待人工判定”队列。不要让 AI 的输出直接进数据库。

假设二：操作是有顺序的。 建单、审单、归档，顺序固定。AI 很容易把三步合并成一次调用，然后被系统拒绝。做法是给 Agent 一个状态机视图：它只能从当前状态出发做一次合法转移，而不是自由组合。

假设三：操作人是明确的人。 审计日志里必须有“谁做的”。AI 操作的署名尤其重要——必须能一眼看出哪些记录是 AI 修改的，并保留原始值。这一条不做，后面出问题时无法追责，也无法回滚。

最容易低估的部分：脏数据

老系统里的字段往往是历史遗留的：同一客户在 CRM 里有三种写法，工单分类里有 40% 是“其他”。

AI 不会自动修好这些，它只是把脏数据的后果放大。所以在第二步之前，应该先做一轮小范围的数据探查：抽 200 条记录，看空值率、重复率、枚举散乱程度。这一步通常一两天，但能提前发现“AI 算不准”的真实原因是数据不行，而不是模型不行。

一个衡量指标

不要用“准确率”作为唯一指标。更实用的是**“人工修正率”**：AI 产出的内容，人最终改了多少。

这个指标会告诉你三件事：哪些环节可以往自动化推（修正率低的）、哪些环节需要增加校验（修正率高但有规律）、哪些环节干脆不该做（修正率高于 50%，且无规律）。当某个环节的修正率连续一个月低于 5%，就可以考虑进入第四步。

一句总结

在老系统里落地 AI，本质是做接口工程，不是做模型工程。 顺序错了，再好的模型也接不住流程；顺序对了，中等水平的模型也能跑出价值。