# 不换 ERP,给现有系统加 AI 助手:中小制造企业的做法与边界

> Source: https://netray.co/zh/add-ai-assistant-existing-erp-no-replace
> Language: zh
> Publisher: Netray (netray.co)

多数情况下不需要为了 AI 更换 ERP。更稳妥的做法是在现有系统之上叠加一层只读的 AI 助手,用于自然语言问数、单据与文档检索和异常提醒。数据留在企业内部,写回操作保留人工审批,先从一两个高频问题试点。

不少企业的 ERP 已经用了五年甚至十年,可能是用友 U8、金蝶 K/3 或云星空、SAP Business One,也可能是自研或老旧的行业软件。老板和 IT 负责人想知道:能不能让它「会说话」,问一句就能查到库存、订单、欠款,而不是找人导报表,又不想承担换系统的风险和成本?

答案通常是可以。本文介绍这种叠加方式的做法、数据安全考虑,以及它不适合的场景。

## 为什么不必为了 AI 而换 ERP

换 ERP 是一个牵涉流程、数据、人员培训和停工风险的大项目,其成本和风险远高于在其上加一层查询与辅助能力。而 AI 助手最常见的价值,恰恰是读取数据并给出解释,这并不需要改变事务处理系统本身。

只有当现有系统已经无人维护、厂商停止服务、或者与业务根本不匹配时,才应认真评估更换。否则,把预算放在数据质量和流程规范上,再叠加 AI,通常收益更大。

## 常见的三类用例

第一类是自然语言问数:例如「本月逾期未交的销售订单有哪些」「某物料现在各仓库库存多少,在途多少」「某客户的应收账龄」。系统把问题转为对 ERP 数据的只读查询,返回结果并展示所执行的查询,以便核对。

第二类是单据与文档检索:跨合同、图纸、质检报告、邮件附件做语义检索并给出出处。第三类是异常提醒与摘要:例如每天早晨汇总缺料风险、延期工单、超期应收,供计划员和管理者查看。写入类动作(如生成采购申请)可以作为草稿,由人审批后再进入 ERP。

- 问数:订单、库存、采购、应收应付的自然语言查询
- 检索:合同、图纸、质检单据的语义检索
- 提醒:缺料、延期、超期应收的每日摘要
- 草稿:由 AI 起草,人工确认后再写入

## 怎么接入现有 ERP:几种常见方式

接入方式取决于 ERP 的类型。有开放接口的产品可以通过官方 API 或 Web 服务读取数据;对于只能直接访问数据库的老系统,可以建立只读账号或只读副本,并在其上做语义层,把难懂的表名与字段名映射成业务术语。千万不要让 AI 使用能写入的数据库账号。

语义层很关键。ERP 的表结构往往数百上千张表,字段命名晦涩,直接让大模型生成 SQL 容易出错。把常用的业务概念(销售订单、在途、齐套、应收账龄)预先定义好,并限制可访问的表,准确率和安全性都会明显提升。

## 数据位置与安全:数据不必出厂

对于有保密要求的制造企业,例如军工配套、电子和航空航天供应商,把 ERP 数据发送到外部公有大模型服务并不合适。可行的做法是在企业自己的服务器或私有云上运行开源模型(例如 Qwen、DeepSeek、Llama 一类),使用 vLLM 或 Ollama 等工具部署,数据不离开内部网络。

同时要沿用 ERP 原有的角色与权限:销售只能查到自己权限内的客户,成本数据不向无权限者展示。涉及个人信息的场景,企业需要按《个人信息保护法》等规定履行自己的合规义务;私有化部署有助于企业控制数据的存放和访问,但合规责任仍在企业自身。

## 边界与取舍:什么时候不需要,什么时候不适合

如果你的 ERP 厂商已经提供了够用的 AI 助手,而且你愿意使用其云服务,直接用厂商的就可以,没必要再叠加一层。另外,如果底层数据本身不准确,AI 只会更快地给出不准确的答案,应先治理数据。

建议的起步方式是做一次小范围评估:选一个部门和五到十个最常被问到的问题,在测试环境用只读账号验证准确率,再决定是否扩展。Netray 的 ERPray 与 DataRay 就是按这个思路设计的:只读为默认,展示所执行的查询,写回需人工审批,并支持本地部署。我们也会如实告诉你 AI 是否适合你的场景。

## FAQ

### 我们的 ERP 是十年前的老版本,也能接 AI 吗?

通常可以。只要能通过接口或只读数据库账号取到数据,就可以在其上建语义层并接入 AI。能否做、做到什么程度,要经过评估才能确定。

### AI 会不会误改 ERP 里的数据?

默认设计为只读,不具备写入权限。如需要写入类功能,应限定为生成草稿,由有权限的人员审批后再进入 ERP。

### 需要买很贵的显卡吗?

取决于模型大小和并发用户数。小范围试点可以使用较小的开源模型,用较少的硬件起步,再根据实际使用扩容。具体配置需要评估后给出。

### 用厂商自带的 AI 和自己叠加,怎么选?

如果厂商的 AI 满足需求,且你接受其数据处理方式,直接使用即可。当需要跨系统(ERP、MES、文档)、数据不能外传,或厂商没有对应能力时,再考虑叠加。

### 多久能看到试点效果?

范围小、数据可访问时,一个高频问题集的试点通常可以在数周内验证。实际时间取决于系统接口和数据质量。

### 回答不准确怎么办?

因为系统展示所执行的查询,使用者可以核对来源。准确率主要靠语义层的定义和范围的收敛来提升,并通过持续收集错误样例迭代。