企业资源规划(ERP)套件长期以来一直是全球商业运营的支柱。其目的是编纂最佳实践、优化业务流程、改善数据管理并支持明智的决策制定。然而,智能体AI的出现为重新思考ERP实施如何支持核心业务能力创造了机遇。
在ERP系统中嵌入智能体AI,为真正的业务转型打开了大门,能够实现新的、更高效的运营模式。智能体AI可以重塑组织的工作方式——提高敏捷性、效率和对客户需求的响应能力。
对于已经投资于单体ERP和集成财务套件的组织来说,预封装的智能体功能提供了一个实用且易于接入的切入点。实际上,对于许多企业而言,ERP将是将智能体AI应用于实际业务问题的最早期和最实用的场所。在智能体组织中,小型的多学科团队将监督管理从端到端整个流程的"智能体工厂"。至关重要的是,智能体AI将转换而非取代大多数ERP系统。
"在曾经沉闷的应用程序领域,ERP正在通过智能体AI能力重新构想,"德雷斯纳咨询服务公司的杰出分析师约翰·范·德克如此解释这一变化。他表示,智能体AI能够优先处理任务并与财务、供应链和人力资源生态系统中的应用程序进行交互——并通过反馈和学习持续改进——这将ERP"从一套软件工具转变为智能化的工作力量"。
从被动工具到主动智能体的转变
自现代企业兴起以来,人们一直在管理财务、供应链和制造业的核心业务流程。管理理论家加里·哈默尔观察到,今天仍在使用的许多流程最初是在早期工业革命期间设计的。现在,人类执行了一个多世纪的许多任务——以及后来嵌入ERP实施中的任务——正在转向智能体AI。在这里,智能体将越来越多地承担财务和规划、供应链管理和采购、制造、人力资源和客户服务方面的工作。
智能体AI提供了从被动管理向主动管理演进的潜力,能够独立执行多步骤任务和决策。自主的"数字化工作者"将管理和执行复杂的端到端业务流程。范·德克指出了以下影响领域:
2026年战略:CIO和CFO的优先事项
鉴于这些机遇,CIO——以及他们所支持的CFO——应该采取什么行动?以下优先事项应该被添加到2026年的CIO议程中:
优化还是转型:这是一个问题
ERP应该继续成为每个CIO 2026年议程的核心要素。对于领先的组织来说,核心挑战将是决定是部署智能体来优化现有业务流程,还是追求改变游戏规则的业务转型。因此,具备AI素养的CIO将努力在渐进式流程改进和成本削减与大胆的重新发明之间取得正确的平衡。我们的数据显示,拥有成熟的、工业化数据和流程基础的组织已经采用了更广泛、更具变革性的智能体AI方法。
Q&A
Q1:智能体AI如何改变传统的ERP系统?
A:智能体AI将ERP系统从被动的软件工具转变为智能化的工作力量。它能够独立执行多步骤任务和决策,通过反馈和学习持续改进,使自主的"数字化工作者"能够管理和执行复杂的端到端业务流程,从而重塑组织的工作方式。
Q2:为什么ERP是应用智能体AI的理想起点?
A:对于已经投资于ERP和集成财务套件的组织,预封装的智能体功能提供了实用且易于接入的切入点。ERP是许多企业将智能体AI应用于实际业务问题的最早期和最实用的场所,因为它已经涵盖了财务、供应链、制造、人力资源等核心业务领域。
Q3:CIO在2026年实施智能体AI时面临的主要挑战是什么?
A:主要挑战是决定是部署智能体来优化现有业务流程,还是追求改变游戏规则的业务转型。CIO需要在渐进式流程改进和成本削减与大胆的重新发明之间取得正确的平衡,这需要具备AI素养并拥有成熟的数据和流程基础。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。