原文标题：Why the World Still Runs on SAP
原文作者：Eric And Seema Amble，a16z
编译：Peggy，BlockBeats

编者按：当 AI 的讨论仍停留在新产品与新能力时，一条更具结构性的变化，正在企业软件的底层悄然发生。本文所关注的，并不是 AI 会创造多少新的应用，而是它如何进入一个更沉重、却更真实的场景，即以 SAP、Salesforce、ServiceNow 为代表的企业核心系统。

简单来说，这三类系统分别对应企业运转的不同侧面：

·SAP 负责资金、库存与生产等核心资源管理，是公司的「总账本」；

·Salesforce 管理客户与销售流程，决定公司如何获取收入；

·ServiceNow 则承载内部流程与运维体系，让组织能够有序运转。它们共同构成了企业日常运营的基础设施。

这些系统一方面极其关键，另一方面却普遍难用、复杂且笨重。企业在其之上叠加了大量定制与流程，使其既成为组织记忆的载体，也逐渐演变为难以迁移的技术负担。系统越重要，反而越难改变。

AI 的机会，正出现在这里。

与其替换这些系统，更现实的路径是基于它们构建一层新的行动系统，在实施阶段降低迁移成本，在使用阶段通过副驾驶与代理简化操作，在扩展阶段以轻量应用替代复杂定制。因此，真正的变化不在于系统本身是否被替代，而在于人与系统之间的交互方式正在被重写。AI 不会取代 SAP、Salesforce 或 ServiceNow，但可能让它们逐渐「隐身」。而新的平台，将在这层看不见的接口之上，重构企业软件真正的价值边界。

以下为原文：

随着 AI 的发展，初创公司及其客户的关注点，大多集中在全新能力及其所催生的产品上。比如各种炫目的语音代理、工作流自动化工具，以及从文本生成应用的平台。

这些方向确实已经出现、也将持续诞生不少令人兴奋的公司（我们也投资了其中一些）。但 AI 真正影响更深远的，可能并不是这些看起来很酷的领域，而是一个不那么光鲜、却更具价值的方向：帮助组织更好地利用它们已经在运行的大量软件。

这里有一个问题，听起来甚至有些冒犯，但只要你在一家财富 500 强企业待上一周，就会理解它的现实意义：为什么人们至今还在使用 SAP（以及 ServiceNow、Salesforce）？

简短的答案是：SAP 以及类似的大型系统记录，承载着企业运转所需的关键数据。但更重要的是，企业在这些系统之上做了大量定制，叠加了复杂的流程与角色分工，而其中很大一部分，甚至并没有被清晰地记录下来。迁移离开这些系统，往往代价高昂、过程漫长且痛苦，通常需要一支庞大的咨询团队，耗费数年时间，以及数亿美元成本。例如，从 SAP ECC 升级到 SAP S/4HANA，可能需要花费 7 亿美元、耗时 3 年，并动用来自埃森哲的 50 人团队。而即便完成迁移，这套软件很多时候也只是用来生成只读报表，几乎无法灵活操作。

但这种情况，正在发生变化。

AI 正在打开一个新的可能性空间，让企业能够升级、定制、替换这些系统，更重要的是，以更高效的方式访问和使用其中沉淀的数据。

最终，AI 的目标或许并不是取代 SAP/ServiceNow/Salesforce，而是让它们变得更可编程、更易使用。真正的赢家，将是那些能够做到两件事的平台：第一，切入企业数字化转型预算，通过可量化的方式降低风险与缩短周期；第二，逐步渗透到日常运营之中，成为工作的控制中枢，将传统臃肿的界面拆解为可组合、可治理、由 AI 辅助执行的操作与轻量应用。

换句话说，系统记录本身不会消失；真正发生变革的，是其上层的交互界面、自动化能力与扩展层，这才是下一阶段的软件竞争前沿。

SAP 很难用，但我们依然离不开它

为了铺垫这个问题，我们先简单说说 SAP 是什么、它在做什么。表面上看，这类系统难以上手、操作复杂、改动成本高，让人用起来颇为痛苦；但与此同时，它却仍然是全球大型组织运转的核心支柱。不妨想象一下，日常使用 SAP 会是怎样一种体验。

但这个所谓的莫名其妙，本身就是机会所在。

一个让人不太舒服、却更真实的答案是：在那些笨重的界面和无休止的配置之下，这些系统其实极其强大。它们承载着企业最核心的数据模型，定义了确保合规的权限与控制机制，内嵌了支持规模化运转的工作流，还连接着数十甚至上百个下游流程的集成关系。它们并不是消费互联网意义上的应用，而是以数据表、角色体系、审批流程、记账逻辑和异常处理形式沉淀下来的组织记忆。

替换这样的系统，不只是昂贵，更是充满风险。而企业投入越多，例如自定义字段、流程、定价规则、报表逻辑，这套系统就越像一道由切换成本构成的护城河，甚至成为竞争优势的一部分。这也是为什么可扩展性如此重要：每家企业都是独特的，变化又无处不在，例如新的监管要求、新产品、新的组织结构，这些平台之所以能够长期存在，正是因为它们可以被不断调整以适应现实。

但问题在于，让它们强大的这种可扩展性，也让它们变得脆弱。每一次定制，都是未来升级时的潜在雷区；每一条流程，都会演变成复杂迷宫；每一个界面，都是对使用者的一种持续消耗。

这种脆弱性几乎无处不在。尽管 CRM 已被广泛采用，但用户满意度始终参差不齐；ERP 的高度定制，几乎总是与项目延期和预算超支相关。员工被割裂的工作流淹没，每天需要在不同应用之间切换约 1200 次，相当于每周浪费约 4 小时；47% 的数字员工难以找到完成工作所需的信息。大型数字化转型项目也频频受挫，有估计认为大约 70% 未能实现既定目标。围绕这些摩擦产生的支出极为庞大，仅软件实施和系统集成市场，在 2023 年规模就达到约 3800 亿美元。

正是在这些流程与痛点中，AI 带来了重塑软件实施与使用方式的机会。理解这一机会的一个简单方法，是沿着企业软件的生命周期来看：先是实施或迁移，然后是日常使用，最后是在业务变化中不断叠加构建。在每一个阶段，本质工作都是将混乱的人类意图，转化为在系统记录中可执行、可审计的正确操作。

接下来，我们可以分别看看，AI 如何在各个阶段改善传统软件系统的使用方式。

实施阶段

先从实施阶段说起，这是风险最高、对预算最敏感，同时回报也最明确的一环。具体来说，就是将零散的调研信息，例如会议、文档、工单，转化为结构化需求，并自动生成实施所需的工作流，包括流程与字段映射、配置与代码、测试脚本、切换方案、迁移手册，以及上线前所需的数据清洗与校验。这一过程极其复杂且容易出错。德国零售巨头 Lidl 曾在投入 5 亿美元后，最终放弃了其 SAP 转型项目。

围绕这一阶段，一批公司正在构建辅助迁移与实施的工具，例如各类副驾驶系统、项目管理工具等。以下是一些典型案例：

·Axiamatic 提供面向 ERP 的 AI 保障层，通过构建项目知识图谱，在 Slack 或 Teams 中提示需求与变更管理中的潜在问题，从而降低风险、加速 S/4HANA 项目推进，并已与 SAP Build 集成，嵌入 KPMG、EY、IBM 等咨询流程。

·Conduct 是一款面向代码与流程映射的副驾驶工具，可在 ECC 向 S/4 迁移过程中生成语义层与技术文档，并支持针对自定义表与 API 的问答，加速企业内部接管。

·Auctor 提供面向系统集成商和专业服务团队的代理式实施交付能力，可自动将调研过程转化为结构化需求，并进一步成为管理 SOW、设计文档、用户故事、配置与测试计划的系统记录。

·Supersonik 聚焦于产品启用，通过视觉与语音代理在真实界面中进行教学，降低解决方案工程师的人力需求，并支持渠道与客户驱动的实施与扩展。

·Tessera 构建 AI 原生系统集成能力，可直接接入企业现有 ERP 系统，评估其实施状态，并在迁移过程中自动识别与修复问题，实现端到端转型管理。

这些公司的价值在于，让转型更快、更便宜、更可控。具体体现在几个方面：在需求与变更管理阶段提前发现问题，避免后期放大；压缩时间周期，因为哪怕一个月的延误都可能带来数百万美元成本；将零散的项目数据转化为结构化知识，使企业内部团队能够更快接管；以及通过自动化映射、文档生成、测试与培训，降低对大型系统集成团队的依赖。

我们认为，这一领域仍有空间出现更多创业公司，尤其是那些与现有合作伙伴协同，而非对抗的工具。具体方向包括：

·实施型代理，能够与项目结果与风险绑定，例如用于需求追踪、配置对比、切换模拟、代码生成与偏差检测；

·语义化文档工具，确保知识始终保持最新且易于访问；

·赋能型代理，将培训与渠道推广转化为可复用的产品化能力。

由于初创公司能够切实缓解企业级的负担，它们可以按照为企业节省的延误成本来定价，并直接切入 CIO 和 CFO 已经在投入的转型预算，同时在这一过程中替代那些臃肿的系统集成项目。

使用与维护

接下来，当一套软件系统完成实施之后，真正的挑战才刚刚开始。日常使用，意味着要在这些系统复杂混乱的界面中不断穿梭。日常工作往往横跨数十个界面，人员流动会不断重置经验积累，而大量长尾的边缘流程，始终得不到产品层面的良好支持。用户需要花时间查找字段，在不同系统之间手动同步数据，或者频繁向运营团队提出类似帮我跑一下这个报表的请求。结果就是流程周期变慢、错误频发，以及长期存在的培训成本。

在这里，AI 的机会在于，为这些传统系统构建一层更友好、更强大的行动系统。

这一类公司，致力于帮助团队从已有系统中获得更多价值。实际形态上，通常是一个存在于 Slack 或浏览器侧边栏中的副驾驶，可以通过语义搜索回答类似在哪里找到某个数据、如何完成某个操作的问题，并在具备 API 的情况下执行安全操作，例如创建工单、录入分录、更新供应商条款等。这些工具还可以串联多个系统，形成跨应用的复合工作流，例如从 SAP 拉取上季度采购订单，在 Coupa 中核对合同条款，再在 ServiceNow 中起草差异说明，并在过程中加入人工审批、审计记录以及细粒度权限控制。优秀的产品还会跟踪使用情况、节省时间和错误率等指标。

但现实是，企业中大量关键工作，并没有通过标准化 API 暴露出来，而是存在于各种界面之中，例如传统客户端、虚拟桌面环境，以及文档不完善的管理后台。因此，现代的计算机操作型代理，成为 API 驱动副驾驶的重要补充。它们将自动化的可达范围，扩展到最后那 30% 到 40% 无法通过接口调用的流程。

其核心能力并不只是点击按钮，而是在混乱环境中的稳定执行能力。这类代理需要能够理解界面结构，定位稳定元素，在弹窗或布局变化中恢复执行，并在关键节点进行进度记录，以便中断后安全恢复。当这些能力与校验机制（例如差异比对、对账、沙箱测试）以及企业级控制手段（单点登录、密钥管理、最小权限原则、审计机制）结合时，就能将原本依赖人工完成的工作，转化为可治理、可重复的自动化流程，例如工单分拣、期末结算步骤、客户更新、价格调整等，即使是在 SAP、ServiceNow、Salesforce 中那些原本未被设计为可自动化的部分。

可以这样理解：API 让标准路径更高效，而计算机操作能力，则让长尾流程也变得可以自动化。

像 Factor Labs 和 Sola 这样的公司，已经将这类代理部署到生产环境中，替代传统的业务流程外包支出，并帮助大型组织实现规模化任务自动化。

扩展层

最后，即便你让 SAP、ServiceNow、Salesforce 更易于使用，企业本身仍在不断变化，这意味着系统记录也必须随之演进。新的产品、新的政策、新的并购、新的监管要求，以及大量永远不值得单独立项开发核心模块的长尾流程，都在持续推动软件去适应业务的真实状态。过去，团队通常只有两种选择：要么对系统进行深度定制，并承担随之而来的脆弱性成本；要么开发零散的独立应用，但又要面对集成、治理和维护的困难。

AI 提供了第三种路径：在不破坏核心系统的前提下，以更快的速度，在其之上构建小型、可治理的应用体验。

在传统系统之上构建新的工具和自动化能力，可以看作是在一套并不友好的软件之上，叠加一层更「可用」的体验层。其基本模式，是先构建一个统一的数据与行动平面：通过 API 和事件从系统记录中读取数据（必要时辅以安全的界面抓取），将其标准化为业务对象的语义模型，例如订单、供应商、工单等，再在此基础上提供一组具备权限控制、审批机制和审计能力的操作接口。

在这个基础之上，团队可以快速构建聚焦具体场景的应用体验，这些体验更加现代、也更贴近实际需求。例如，不再让采购人员在 SAP 中经历十几步操作去完成供应商入驻，而是提供一个单一的供应商入驻轻应用，完成资料收集、重复检查、审批流转，并最终将数据写回 SAP。再比如，不再让营收运营团队在 Salesforce 的多个界面之间来回切换修改续约条款，而是提供一个类似电子表格的高速编辑器，可以批量修改、校验合规性、预览影响，并最终以完整审计记录提交变更。又或者，不再反复建设新的门户系统，而是为一线团队提供一个统一的操作入口，可以跨系统完成日常高频操作，例如创建退货、延长信用额度、发起二级故障单、计提费用等，而无需在大量页面之间反复跳转。

这些扩展层还能够打通跨系统的工作流与自动化能力，而这是任何单一厂商都难以优先覆盖的。例如，通过事件驱动实现自动流程：当发票入账且差异超过 3%，自动生成说明并提交审批；或当工单被重复打开两次时，自动创建问题记录、分配负责人并同步客户状态，并在关键节点引入人工审核。

随着时间推移，最有价值的实践，会逐渐沉淀为可复用的意图模块，例如从报价到收款、供应商入驻、期末结算等。这些模块不仅定义了要做什么，更重要的是定义了如何在特定企业环境中，以安全、合规的方式完成这些操作。

像 General Magic 推出的 Cell 这样的产品，让构建这类定制化工作流的基础能力变得具体可用：你可以上传 OpenAPI 规范，让每一个接口都变成可调用的操作；再通过一个简单的脚本嵌入原生命令栏，直接执行真实的 API 调用，并由分析能力、多租户架构、安全控制与权限管理机制提供支撑。于是，工作的重点从重新搭建一套界面，转变为在已有、可信的系统之上，组合合适的操作与策略。

终局会是什么样？

我们的判断是，这些传统系统大多会继续存在，但它们将不再是工作发生的主要界面。ERP、CRM、ITSM 等系统已经深度嵌入企业之中，不可能按照普通软件的节奏被替换；它们会缓慢演进，并继续作为系统记录存在。真正会改变的，是其之上的面向用户的行动系统：AI 将成为默认入口，用于理解系统如何运作、在系统之间执行工作流，以及构建绕开传统界面的轻量化现代应用。换句话说，原本作为桥梁的那一层，将变成真正的主干道。

在这一范式下，能够长期胜出的软件，不再像聊天机器人，而更像一层操作系统：一个统一的数据与行动平面，建立在业务对象的语义模型之上，并配备完善的安全与治理机制，使 AI 能够在生产环境中可靠运行。对于终端用户来说，不再需要学习具体使用哪个界面、哪个字段、哪个事务码，也不需要在界面或流程变化后反复重新学习；只需要描述你想达成的结果，系统就会帮你完成。过程中，系统会提出必要的澄清问题，展示执行预览，然后在合适的审批与审计机制下完成操作。

例如，你可以发出这样的指令：创建一笔退货并通知客户，创建一个二级故障单并调取最近三条相关事件，或者完成供应商入驻流程，包括收集资料、走审批流程并设定付款条件。这些操作在今天，往往需要在 SAP、Salesforce、Service Now 以及电子表格之间来回切换才能完成。而在新的范式下，它们将被整合为一体化的执行流程。

这种转变带来的结果，是更少的错误与回滚、更低的经验依赖、更快的处理周期，以及显著降低的培训成本，因为整个交互是以意图为驱动、以角色为感知，并默认支持自助完成。

护城河也将在真实使用中不断累积：每一次成功执行的工作流，都会沉淀为可复用的意图；每一次异常处理，都会转化为新的安全约束；每一次迁移过程中的产物，都会成为持续更新的系统脉络；每一次集成，都会加深对企业真实运作方式的理解。随着时间推移，这一层 AI，将成为团队理解变更影响、防止系统偏离、衡量投入产出、以及构建新工作流的核心入口，即便底层系统本身并未发生改变。

[原文链接]

点击了解律动BlockBeats 在招岗位

欢迎加入律动 BlockBeats 官方社群：

Telegram 订阅群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方账号：https://twitter.com/BlockBeatsAsia