过去一年，大模型几乎成了每家企业的必答题。但真正跑下来的团队会发现同一个卡点：聊得挺热闹，一旦涉及自己的订单、库存、成本，AI 就答不上来了。原因并不复杂——模型没有接上企业的业务数据，也没有嵌进真实的业务流程。AI 应用要产生价值，第一步从来不是选模型，而是连数据。

这也是千云做 AI 的方式。今年，公司组织 AI 应用创新大赛，各部门共提交 14 项课题。要求只有一条：紧密结合真实业务场景，成果可交付、可验证、能直接投入实际操作，不接受只讲概念。把这 14 项课题按 AI 的能力落点归拢，正好构成千云在 AI 应用上的完整布局。

一、企业做 AI，最常见的两个误区

把通用聊天工具当成 AI 应用。 这类工具确实聪明，但它看不到你的物料清单、库存余额、应收账龄，回答不了"这个订单到底赚不赚钱"。

一上来就想全面改造。 一次想覆盖所有环节，结果每个场景都只做到一半，没有一个真正用起来。企业 AI 是"用出结果"的工程，不是"铺开面"的项目。

二、数据底座：AI 应用的起跑线

AI 好不好用，取决于数据全不全、准不准。企业的数据底座由三部分组成：

• 主数据：物料、客户、供应商、BOM、价格体系

• 业务单据：采购订单、销售订单、出入库、生产工单、产品委外、发票

• 财务数据：应收应付、成本、费用、结算

易+云ERP 承载的正是这套数据底座——数据一处录入、全局共享，业务与财务天然打通。有了这份"可信的原料"，AI 才有可能给出靠谱的答案，而不是看起来合理的猜测。

三、千云 AI 应用体系：一个底座，五大方案

把 14 项课题放到一张图上看，脉络就清楚了：它们不是分散的功能点，而是围绕同一个数据底座、沿三个层次展开的五套可落地的方案。

方案一｜智能交互：让系统听得懂人话

把 AI 助手直接嵌进业务系统，一线人员不用学复杂菜单，问一句就能拿到答案。

• 千云ERP小助手：在 WorkBuddy 中增加基于千云ERP 的技能与连接器，首批落地订单查询、库存查询与库存预警——想知道某张订单走到哪了、某个物料还剩多少，问一句就行。

• 千云智插：ERP 业务系统的 AI 助手热插拔框架。AI 助手像插件一样接入 ERP，将来换模型、加能力，都不必改动业务代码。

• 办公小助手：把售前售后中重复性的整理、核对、回填工作交给 WorkBuddy，人专注在判断与沟通上。

方案二｜流程自动化：让 AI 替人动手

不止于"回答"，而是让 AI 直接操作系统，把"人点十几下"变成"交代一句话"。

• 千云ERP 自动化工作流：用 WorkBuddy 构建自动化工作流，让 AI 直接操作 ERP 完成整套流程动作。

• RPA 自动审批：把 ERP 系统内的审批流程自动化，符合规则的单据自己往下走，人只处理异常。

方案三｜数据智能：让数据自己说话

不懂表结构、不会写 SQL，也能把数据问出来——业务问题直接变成查询结果。

• 数据库智能助手：基于大模型实现自然语言查询、SQL 自动生成与表关系智能分析。

• 智能 SQL 查询助手：基于 GSCloud，把自然语言转成 SQL，让业务问题直接变成可执行的查询。

方案四｜研发效能：让交付更快、更稳

把 AI 用在研发自己的链路上，从拆任务、写代码，到查隐患、做测试、沉淀资产，全程有 AI 参与。

• 开发增量审查与测试：实现产品白盒自动化测试，改了多少代码就自动测多少，回归测试从"人工挑着点"变成"每次提交都跑"。

• 元数据智能开发助手：基于 GsCloud 的 IDP 开发平台，让 AI 生成 IDP 表单，更让 AI 在上线前抓出致命配置错误。

• 开发期 SQL 智能优化：打通本地 VS 开发环境、WorkBuddy 与 SQL Server 开发库，写 SQL 时就能拿到优化建议，不必等上线才暴露性能问题。

• 千云移动 PDA 开发助手：基于 AI 的智能移动端开发交付助手，把 PDA、移动端的开发效率提上来。

• 项目任务智能拆解：结合项目需求文档，让 AI 快速拆解、划分开发任务，排期和分工从一开始就有依据。

• 资产研码：让每段代码都成为研发资产，把普通代码转化为可复用、可沉淀、可增值的数字资产。

方案五｜知识资产：让经验不随人走

把散落各处的经验，沉淀成 AI 随取随用的知识资产。

• 产品知识库：以语雀与工单系统为知识中枢，把产品知识集中成 AI 可调用的知识库。新人问一句就有答案，老员工的经验也不再只装在脑子里。

这 14 项课题有三个共同点：接的是真实业务数据（订单、库存、审批、代码库、工单），不是演示数据；嵌的是真实流程（审批、开发、交付、售后），不另起一套让人去适应；交的是能用起来的东西——可用功能、可标准化交付的 Skill、能跑起来的智能体，而不是一份 PPT。

四、落地方式与数据安全

部署方式灵活。 支持私有化部署与混合部署，企业的经营数据可以不出内网。

权限沿用现有体系。 AI 的能力边界与 ERP 权限一致，按角色可见、操作留痕，不会出现"问一句话就看到全公司数据"的情况。

渐进式落地。 建议先选一到两个高频、边界清晰的场景跑通，比如智能问答库或应收预警，见效后再扩展。投入小、验证快，团队也能逐步建立对 AI 的信任。

五、怎么衡量 AI 到底有没有用

不看模型参数，看三个指标：

• 人效：同样的事，少花多少人工——例如对账、录单、查资料

• 时效：响应速度从几天缩短到几分钟——例如数据查询与异常发现

• 质量：错误率与漏检率下降——例如录单差错、逾期漏跟

如果某个场景三项里一项都不改善，那就说明这个场景还不适合用 AI，应该先回到流程和数据本身。

六、落地路径：三步走

结语

AI 不是再上一套新系统，而是让已有的管理系统更聪明。千云做的事情很具体：用 AI 连接企业的管理数据底座，把 AI 能力嵌进真实的业务环节，让它产生可以衡量的结果。