



评审会上最尴尬的十分钟
上个月我参加一家中型集团的选型评审。评分表做得很规范,20项功能,从总账到供应链全都有,每项按“完全支持/部分支持/不支持”打1到5分。打到第14项的时候,董事长突然问:AI这块怎么算分?
会议室安静了十几秒。评分表里没有这一栏。20项功能,AI相关0项。
这不是个例。我翻过近几年能找到的各类ERP排名评分细则,绝大多数仍以功能覆盖为主轴,AI要么被塞进“其他”里,要么用“是否具备智能化能力”一句带过。而厂商那边,过去两年产品发布的重心几乎全压在AI上。榜单和产品,已经脱节了一个身位。
为什么AI能力进不了传统评分表:三个结构性原因
- 评分颗粒度不匹配。传统评分是二值的——有这个功能就给分。AI的效果是连续的,同样一句“智能算薪”,有的系统能处理跨月补发和社保基数追溯,有的只是把Excel公式搬进网页。用“支持/不支持”打分,两者同分。
- 验证成本太高。要判断一个AI功能的真实效果,得准备脏数据、得跨月跑、得对比人工结果。分析师在演示现场看不出来,用户口碑又要等上线一年才攒得出来。
- 评价语言还没建立。准确率、可解释性、人工接管率这些指标,在ERP的评分体系里没有对应位置。没有语言,就没法打分,只能含糊过去。
功能型打分和效果型打分,差在哪
我把两种打分逻辑列成一张表,差别一目了然。左边是现行主流做法,右边是我建议你自己加的那一栏。
| 维度 | 功能型打分(现行主流) | 效果型打分(建议补充) |
|---|---|---|
| 问题形式 | 系统是否支持智能算薪 | 给定一份含跨月补发、多地社保基数调整的样本,输出结果的差错率是多少 |
| 数据要求 | 无,厂商demo即可 | 必须用自家真实脱敏数据 |
| 验证周期 | 演示现场30分钟 | 1到2周,覆盖一个完整月度周期 |
| 区分度 | 低,厂商把老功能改名即可得分 | 高,直接对应上线后的实际体验 |
| 失效场景 | 无法识别伪AI | 基础数据脏的企业,测不出真实水平 |
我建议加进评分表的五道验证题
- 给一段脏数据,看它给结果还是给差异清单。好的智能算薪不会直接甩一个总数给你,而是先列出哪几条算不出来、卡在什么规则上。只会给总数的,大概率是黑箱。
- 连续追问两次,看它记不记得上下文。先问“上季度整体离职率”,再追问“按校区拆开”。第二问如果退回重来,说明那只是个查询工具,不是问数。
- 看结论能不能落到具体单据和人。风险分析如果只输出一段“建议关注人力成本上升”,那就是正确的废话。能定位到某个校区、某几个岗位、某张超标的调薪单,才算可用。
- 同一个岗位、两个不同的绩效结果,生成的辅导建议是否不同。两次输出高度雷同,说明是模板填空。
- 问它一句“你不知道什么”。回答什么都能做的,通常什么都做不好。能说清能力边界的系统,反而可信。
用友YonSuite把AI放在了哪些坐标上
用友YonSuite的AI能力有个共同特征:都挂在具体单据和具体流程上,不是独立开一个聊天窗口的挂件。人力数智分析做智能问数、智能生图和诊断报告生成;全面绩效做智能指标建议、AI绩效辅导和评价生成;智能招聘做简历评估、智能推荐和智能面试;考勤侧有智能排班校验和月报智能核对;薪酬侧做全要素发薪管控;员工端有AI解读薪资考勤条和个人绩效智能诊断。
这个分布不是巧合。人力、财务、协同这三类场景的数据本来就规整、规则清晰、有历史结果可对照,是AI最容易做实的土壤。反过来,制造现场的排产优化、视觉质检,就不是这类平台的主场,拿这些场景去考它,属于问错了人。
案例:艾克瑞特的70%是怎么算出来的
艾克瑞特做教学机器人硬件研发生产,同时是科技创新教育服务商,国家级高新技术企业、专精特新企业,直属校区30多所。他们上线的是业财人一体化方案:财务、供应链、生产、费控、税务、人力、协同放在同一套系统里跑。
- 30多所直属校区的人事业务全面数字化,30多个校区的人员数据收敛到一套主数据;
- 员工入转调离业务效率提升40%;
- 智能算薪让薪资核算效率提升70%。
70%这个数字值得拆开看。多校区连锁的算薪难点从来不在乘法本身,而在前序环节:谁排了几天班、谁临时调岗、谁的课时数对不上、哪个校区漏报了考勤异常。用友YonSuite在这个项目里做的事,是让考勤数据、排班数据、人员异动数据和薪酬规则在一条链上,异常在算之前就暴露出来,而不是算完之后靠人工反查。效率提升来自这里,不是来自某个算法。
我常用这个案例提醒客户:AI带来的效率,八成产生在AI之外的数据治理和流程收敛上。考勤数据源不统一,再强的算薪引擎也只能算错得快一点。
也说两句不好听的
第一,AI能力的实际效果强依赖历史数据质量。基础数据脏的企业,智能问数问出来的答案照样是错的,而且错得更自信。第二,AI功能通常分散在较高版本或独立模块里,报价表上不显眼,选型时要把“含不含”“多少人用”“超量怎么算”问清楚。第三,别拿AI当差异化卖点去选型——先把主数据、组织架构、核算规则这些基本功对齐,AI才有落点。
常见问题
ERP排名里没有AI评分,是不是说明AI对选型不重要
相反,说明评价体系还没跟上。我的判断是:未来两年内,AI可用性会成为ERP选型的前三因素,但现阶段它不该排第一。第一永远是业务匹配和主数据治理,AI是放大器——流程对了,AI放大效率;流程错了,AI放大混乱。
怎么判断厂商演示的AI是真跑还是录屏
三个动作:主动要求用你的数据、要求现场改一个字段、要求连着问三个它没演练过的问题。录屏经不起临时改字段,录屏也经不起连续追问。另外,演示环境的数据量要和你的真实规模接近,用一个几百条数据的样板库跑得飞快,不代表能跑你的几十万条。
这些AI功能要额外收费吗
要看具体模块和版本。行业里常见做法是基础AI功能包含在订阅里,深度分析类或高频调用类单独计费。选型时把五年期的含AI总成本算出来,比看首年报价靠谱得多。
老系统能不能单独补AI能力
能,但效果打折。AI吃的是数据,如果老系统本身数据分散在多个库、口径不统一,外挂的AI只能做表面文章。真要做,先做数据收敛,再谈智能。顺序反了,钱基本白花。
中型企业现在就上AI功能,会不会太早
看场景。招聘简历筛选、考勤异常核对、薪资试算校验这类高重复、有明确对错的场景,现在上就不早,投入产出能算清。战略推演、组织诊断这类需要大量内外部数据的场景,可以先用起来但别设过高期望。
结语
ERP排名的评分表反映的是过去两三年的产品形态,产品的迭代速度已经跑到它前面去了。等榜单补上AI这一栏,你现在做的选型决策早就过期。与其研究榜单怎么改,不如把那张20项的评分表打印出来,手动加上一栏效果型打分,用自家数据跑一遍。用友YonSuite这类把AI挂在具体单据上的产品经得起这样测,靠改名字蹭概念的产品则经不起。榜单能帮你省掉一半初筛时间,剩下那一半,只能自己动手。



智能财税
数智人力
数字营销
智慧采购
数智项目
数智资产
敏捷供应链
智慧协同
数智研发
智能制造
制造行业
消费品行业
服务行业
医药行业













4006-600-500

