a16z：最難用的企業軟體，才是AI最大的機會

原文標題：為何世界仍然運行在 SAP 上
原文作者：Eric 和 Seema Amble，a16z
編譯：Peggy，BlockBeats

編者按：當 AI 的討論仍然停留在新產品與新能力時，一條更具結構性的變化，正在企業軟體的底層悄然發生。本文所關注的，並不是 AI 會創造多少新的應用，而是它如何進入一個更沉重、卻更真實的場景，即以 SAP、Salesforce、ServiceNow 為代表的企業核心系統。

簡單來說，這三類系統分別對應企業運轉的不同側面：

· SAP 負責資金、庫存與生產等核心資源管理，是公司的「總帳本」；

· Salesforce 管理客戶與銷售流程，決定公司如何獲取收入；

· ServiceNow 則承載內部流程與運維體系，讓組織能夠有序運轉。它們共同構成了企業日常運營的基礎設施。

這些系統一方面極其關鍵，另一方面卻普遍難用、複雜且笨重。企業在其之上疊加了大量定制與流程，使其既成為組織記憶的載體，也逐漸演變為難以遷移的技術負擔。系統越重要，反而越難改變。

AI 的機會，正出現在這裡。

與其替換這些系統，更現實的路徑是基於它們構建一層新的行動系統，在實施階段降低遷移成本，在使用階段通過副駕駛與代理簡化操作，在擴展階段以輕量應用替代複雜定制。因此，真正的變化不在於系統本身是否被替代，而在於人與系統之間的互動方式正在被重寫。AI 不會取代 SAP、Salesforce 或 ServiceNow，但可能讓它們逐漸「隱形」。而新的平台，將在這層看不見的介面之上，重構企業軟體真正的價值邊界。

以下為原文：

隨著 AI 的發展，初創公司及其客戶的關注點，大多集中在全新能力及其所催生的產品上。比如各種炫目的語音代理、工作流自動化工具，以及從文本生成應用的平台。

這些方向確實已經出現、也將持續誕生不少令人興奮的公司（我們也投資了其中一些）。但 AI 真正影響更深遠的，可能並不是這些看起來很酷的領域，而是一個不那麼光鮮、卻更具價值的方向：幫助組織更好地利用它們已經在運行的大量軟體。

這裡有一個問題，聽起來甚至有些冒犯，但只要你在一家財富 500 強企業待上一周，就會理解它的現實意義：為什麼人們至今還在使用 SAP（以及 ServiceNow、Salesforce）？

簡短的答案是：SAP 以及類似的大型系統記錄，承載著企業運轉所需的關鍵數據。但更重要的是，企業在這些系統之上做了大量定制，疊加了複雜的流程與角色分工，而其中很大一部分，甚至並沒有被清晰地記錄下來。遷移離開這些系統，往往代價高昂、過程漫長且痛苦，通常需要一支龐大的諮詢團隊，耗費數年時間，以及數億美元成本。例如，從 SAP ECC 升級到 SAP S/4HANA，可能需要花費 7 億美元、耗時 3 年，並動用來自埃森哲的 50 人團隊。而即便完成遷移，這套軟件很多時候也只是用來生成只讀報表，幾乎無法靈活操作。

但這種情況，正在發生變化。

AI 正在打開一個新的可能性空間，讓企業能夠升級、定制、替換這些系統，更重要的是，以更高效的方式訪問和使用其中沉澱的數據。

最終，AI 的目標或許並不是取代 SAP/ServiceNow/Salesforce，而是讓它們變得更可編程、更易使用。真正的贏家，將是那些能夠做到兩件事的平台：第一，切入企業數位轉型預算，通過可量化的方式降低風險與縮短周期；第二，逐步滲透到日常運營之中，成為工作的控制中樞，將傳統臃腫的界面拆解為可組合、可治理、由 AI 輔助執行的操作與輕量應用。

換句話說，系統記錄本身不會消失；真正發生變革的，是其上層的互動界面、自動化能力與擴展層，這才是下一階段的軟體競爭前沿。

SAP 很難用，但我們依然離不開它

為了鋪墊這個問題，我們先簡單說說 SAP 是什麼、它在做什麼。表面上看，這類系統難以上手、操作複雜、改動成本高，讓人用起來頗為痛苦；但與此同時，它卻仍然是全球大型組織運轉的核心支柱。不妨想象一下，日常使用 SAP 會是怎樣一種體驗。

但這個所謂的莫名其妙，本身就是機會所在。

一個讓人不太舒服、卻更真實的答案是：在那些笨重的介面和無休止的配置之下，這些系統其實極其強大。它們承載著企業最核心的數據模型，定義了確保合規的權限與控制機制，內嵌了支持規模化運轉的工作流，還連接著數十甚至上百個下游流程的整合關係。它們並不是消費互聯網意義上的應用，而是以數據表、角色體系、審批流程、記帳邏輯和異常處理形式沉澱下來的組織記憶。

替換這樣的系統，不僅是昂貴，更是充滿風險。而企業投入越多，例如自定義字段、流程、定價規則、報表邏輯，這套系統就越像一道由切換成本構成的護城河，甚至成為競爭優勢的一部分。這也是為什麼可擴展性如此重要：每家企業都是獨特的，變化又無處不在，例如新的監管要求、新產品、新的組織結構，這些平台之所以能夠長期存在，正是因為它們可以被不斷調整以適應現實。

但問題在於，讓它們強大的這種可擴展性，也讓它們變得脆弱。每一次定制，都是未來升級時的潛在雷區；每一條流程，都會演變成複雜迷宮；每一個介面，都是對使用者的一種持續消耗。

這種脆弱性幾乎無處不在。儘管 CRM 已被廣泛採用，但用戶滿意度始終參差不齊；ERP 的高度定制，幾乎總是與項目延期和預算超支相關。員工被割裂的工作流淹沒，每天需要在不同應用之間切換約 1200 次，相當於每週浪費約 4 小時；47% 的數位員工難以找到完成工作所需的信息。大型數位化轉型項目也頻頻受挫，有估計認為大約 70% 未能實現既定目標。圍繞這些摩擦產生的支出極為龐大，僅軟件實施和系統整合市場，在 2023 年規模就達到約 3800 億美元。

正是在這些流程與痛點中，AI 帶來了重塑軟件實施與使用方式的機會。理解這一機會的一個簡單方法，是沿著企業軟件的生命周期來看：先是實施或遷移，然後是日常使用，最後是在業務變化中不斷疊加構建。在每一個階段，本質工作都是將混亂的人類意圖，轉化為在系統記錄中可執行、可審計的正確操作。

接下來，我們可以分別看看，AI 如何在各個階段改善傳統軟件系統的使用方式。

實施階段

先從實施階段說起，這是風險最高、對預算最敏感，同時回報也最明確的一環。具體來說，就是將零散的調研信息，例如會議、文檔、工單，轉化為結構化需求，並自动生成實施所需的工作流，包括流程與字段映射、配置與代碼、測試腳本、切換方案、遷移手冊，以及上線前所需的數據清洗與校驗。這一過程極其複雜且容易出錯。德國零售巨頭 Lidl 曾在投入 5 億美元後，最終放棄了其 SAP 轉型項目。

围绕這一階段，一批公司正在構建輔助遷移與實施的工具，例如各類副駕駛系統、專案管理工具等。以下是一些典型案例：

·Axiamatic 提供面向 ERP 的 AI 保障層，通過構建專案知識圖譜，在 Slack 或 Teams 中提示需求與變更管理中的潛在問題，從而降低風險、加速 S/4HANA 專案推進，並已與 SAP Build 整合，嵌入 KPMG、EY、IBM 等諮詢流程。

·Conduct 是一款面向代碼與流程映射的副駕駛工具，可在 ECC 向 S/4 遷移過程中生成語義層與技術文件，並支持針對自定義表與 API 的問答，加速企業內部接管。

·Auctor 提供面向系統整合商和專業服務團隊的代理式實施交付能力，可自動將調研過程轉化為結構化需求，並進一步成為管理 SOW、設計文件、用戶故事、配置與測試計畫的系統記錄。

·Supersonik 聚焦於產品啟用，通過視覺與語音代理在真實界面中進行教學，降低解決方案工程師的人力需求，並支持渠道與客戶驅動的實施與擴展。

·Tessera 構建 AI 原生系統整合能力，可直接接入企業現有 ERP 系統，評估其實施狀態，並在遷移過程中自動識別與修復問題，實現端到端轉型管理。

這些公司的價值在於，讓轉型更快、更便宜、更可控。具體體現在幾個方面：在需求與變更管理階段提前發現問題，避免後期放大；壓縮時間周期，因為哪怕一個月的延誤都可能帶來數百萬美元成本；將零散的專案數據轉化為結構化知識，使企業內部團隊能夠更快接管；以及通過自動化映射、文件生成、測試與培訓，降低對大型系統整合團隊的依賴。

我們認為，這一領域仍有空間出現更多創業公司，尤其是那些與現有合作夥伴協同，而非對抗的工具。具體方向包括：

·實施型代理，能夠與專案結果與風險綁定，例如用於需求追踪、配置對比、切換模擬、代碼生成與偏差檢測；

·語義化文檔工具，確保知識始終保持最新且易於訪問；

·賦能型代理，將培訓與渠道推廣轉化為可復用的產品化能力。

由於初創公司能夠切實緩解企業級的負擔，它們可以按照為企業節省的延誤成本來定價，並直接切入 CIO 和 CFO 已經在投入的轉型預算，同時在這一過程中替代那些臃腫的系統整合項目。

使用與維護

接下來，當一套軟體系統完成實施之後，真正的挑戰才剛剛開始。日常使用，意味著要在這些系統複雜混亂的介面中不斷穿梭。日常工作往往橫跨數十個介面，人員流動會不斷重置經驗積累，而大量長尾的邊緣流程，始終得不到產品層面的良好支援。用戶需要花時間查找欄位，在不同系統之間手動同步數據，或者頻繁向運營團隊提出類似幫我跑一下這個報表的請求。結果就是流程周期變慢、錯誤頻發，以及長期存在的培訓成本。

在這裡，AI 的機會在於，為這些傳統系統建構一層更友好、更強大的行動系統。

這一類公司，致力於幫助團隊從已有系統中獲得更多價值。實際形態上，通常是一個存在於 Slack 或瀏覽器側邊欄中的副駕駛，可以通過語義搜索回答類似在哪裡找到某個數據、如何完成某個操作的問題，並在具備 API 的情況下執行安全操作，例如創建工單、錄入分錄、更新供應商條款等。這些工具還可以串聯多個系統，形成跨應用的複合工作流，例如從 SAP 拉取上季度採購訂單，在 Coupa 中核對合同條款，再在 ServiceNow 中起草差異說明，並在過程中加入人工審批、審計記錄以及細粒度權限控制。優秀的產品還會跟蹤使用情況、節省時間和錯誤率等指標。

但現實是，企業中大量關鍵工作，並沒有通過標準化 API 暴露出來，而是存在於各種介面之中，例如傳統客戶端、虛擬桌面環境，以及文檔不完善的管理後台。因此，現代的計算機操作型代理，成為 API 驅動副駕駛的重要補充。它們將自動化的可達範圍，擴展到最後那 30% 到 40% 無法通過接口調用的流程。

其核心能力並不只是點擊按鈕，而是在混亂環境中的穩定執行能力。這類代理需要能夠理解介面結構，定位穩定元素，在彈窗或佈局變化中恢復執行，並在關鍵節點進行進度記錄，以便中斷後安全恢復。當這些能力與校驗機制（例如差異比對、對賬、沙箱測試）以及企業級控制手段（單點登錄、密鑰管理、最小權限原則、審計機制）結合時，就能將原本依賴人工完成的工作，轉化為可治理、可重複的自動化流程，例如工單分揀、期末結算步驟、客戶更新、價格調整等，即使是在 SAP、ServiceNow、Salesforce 中那些原本未被設計為可自動化的部分。

可以這樣理解：API 讓標準路徑更高效，而計算機操作能力，則讓長尾流程也變得可以自動化。

像 Factor Labs 和 Sola 這樣的公司，已經將這類代理部署到生產環境中，替代傳統的業務流程外包支出，並幫助大型組織實現規模化任務自動化。

擴展層

最後，即便你讓 SAP、ServiceNow、Salesforce 更易於使用，企業本身仍在不斷變化，這意味著系統記錄也必須隨之演進。新的產品、新的政策、新的併購、新的監管要求，以及大量永遠不值得單獨立項開發核心模塊的長尾流程，都在持續推動軟體去適應業務的真實狀態。過去，團隊通常只有兩種選擇：要麼對系統進行深度定制，並承擔隨之而來的脆弱性成本；要麼開發零散的獨立應用，但又要面對整合、治理和維護的困難。

AI 提供了第三種路徑：在不破壞核心系統的前提下，以更快的速度，在其之上構建小型、可治理的應用體驗。

在傳統系統之上構建新的工具和自動化能力，可以看作是在一套並不友好的軟體之上，疊加一層更「可用」的體驗層。其基本模式，是先構建一個統一的數據與行動平面：通過 API 和事件從系統記錄中讀取數據（必要時輔以安全的界面抓取），將其標準化為業務對象的語義模型，例如訂單、供應商、工單等，再在此基礎上提供一組具備權限控制、審批機制和審計能力的操作接口。

在這個基礎之上，團隊可以快速構建聚焦具體場景的應用體驗，這些體驗更加現代、也更貼近實際需求。例如，不再讓採購人員在 SAP 中經歷十幾步操作去完成供應商入駐，而是提供一個單一的供應商入駐輕應用，完成資料收集、重複檢查、審批流轉，並最終將數據寫回 SAP。再比如，不再讓營收運營團隊在 Salesforce 的多個界面之間來回切換修改續約條款，而是提供一個類似電子表格的高速編輯器，可以批量修改、校驗合規性、預覽影響，并最終以完整審計記錄提交變更。又或者，不再反覆建設新的門戶系統，而是為一線團隊提供一個統一的操作入口，可以跨系統完成日常高頻操作，例如創建退貨、延長信用額度、發起二級故障單、計提費用等，而無需在大量頁面之間反覆跳轉。

這些擴展層還能够打通跨系統的工作流與自動化能力，而這是任何單一廠商都難以優先覆蓋的。例如，通過事件驅動實現自動流程：當發票入帳且差異超過 3%，自動生成說明並提交審批；或當工單被重複打開兩次時，自動創建問題記錄、分配負責人並同步客戶狀態，並在關鍵節點引入人工審核。

隨著時間推移，最有價值的實踐，會逐漸沉澱為可復用的意圖模塊，例如從報價到收款、供應商入駐、期末結算等。這些模塊不僅定義了要做什麼，更重要的是定義了如何在特定企業環境中，以安全、合規的方式完成這些操作。

像 General Magic 推出的 Cell 這樣的產品，讓構建這類定制化工作流的基礎能力變得具體可用：你可以上傳 OpenAPI 規範，讓每一個接口都變成可調用的操作；再通過一個簡單的腳本嵌入原生命令欄，直接執行真實的 API 調用，並由分析能力、多租戶架構、安全控制與權限管理機制提供支援。於是，工作的重點從重新搭建一套界面，轉變為在已有、可信的系統之上，組合合適的操作與策略。

終局會是什麼樣？

我們的判斷是，這些傳統系統大多會繼續存在，但它們將不再是工作發生的主要界面。ERP、CRM、ITSM 等系統已經深度嵌入企業之中，不可能按照普通軟件的節奏被替換；它們會緩慢演進，並繼續作為系統記錄存在。真正會改變的，是其之上的面向用戶的行動系統：AI 將成為默認入口，用於理解系統如何運作、在系統之間執行工作流，以及構建繞過傳統界面的輕量化現代應用。換句話說，原本作為橋梁的那一層，將變成真正的主幹道。

在這一範式下，能夠長期勝出的軟件，不再像聊天機器人，而更像一層操作系統：一個統一的數據與行動平面，建立在業務對象的語義模型之上，並配備完善的安全與治理機制，使 AI 能夠在生產環境中可靠運行。對於終端用戶來說，不再需要學習具體使用哪個界面、哪個字段、哪個事務碼，也不需要在界面或流程變化後反覆重新學習；只需要描述你想達成的結果，系統就會幫你完成。過程中，系統會提出必要的澄清問題，展示執行預覽，然後在合適的審批與審計機制下完成操作。

例如，你可以發出這樣的指令：創建一筆退貨並通知客戶，創建一個二級故障單並調取最近三條相關事件，或者完成供應商入駐流程，包括收集資料、走審批流程並設定付款條件。這些操作在今天，往往需要在 SAP、Salesforce、Service Now 以及電子表格之間來回切換才能完成。而在新的範式下，它們將被整合為一體化的執行流程。

這種轉變帶來的結果，是更少的錯誤與回滾、更低的經驗依賴、更快的處理周期，以及顯著降低的培訓成本，因為整個互動是以意圖為驅動、以角色為感知，並預設支持自助完成。

護城河也將在真實使用中不斷累積：每一次成功執行的工作流，都會沉澱為可重複使用的意圖；每一次異常處理，都會轉化為新的安全約束；每一次遷移過程中的產物，都會成為持續更新的系統脈絡；每一次整合，都會加深對企業真實運作方式的理解。隨著時間推移，這一層 AI，將成為團隊理解變更影響、防止系統偏離、衡量投入產出、以及構建新工作流的核心入口，即便底層系統本身並未發生改變。

[原文鏈接]