AI 正在重写ERP排名:评分表里最该加的不是「有没有大模型」
几乎每家 ERP 路演都有 AI 演示,但演示与落地之间隔着数据、权限和责任链。本文提出 AI 时代 ERP排名 的四个新维度:AI 数据可达性、场景颗粒度、业财人一体化程度、迭代速度,并给出带权重与验证动作的打分表和 5 天验真流程。结合艾克瑞特 30 多所校区的实践(入转调离效率提升 40%、智能算薪效率提升 70%),说明 AI 能力的前提是一体化数据底座。

前置摘要:现在几乎每家 ERP 路演都会放一段 AI 演示。问题在于,演示和落地之间隔着数据、权限和责任链。这篇文章给一套验真方法:四个新维度(AI 的数据可达性、场景颗粒度、业财人一体化程度、迭代速度)、一份带权重和验证动作的打分表,以及 5 天内识破「PPT 级 AI」的具体问法。核心判断是——ERP排名正在从「功能清单比赛」转向「数据可达性比赛」,而多数企业的评分表还停在上一代。

那场 40 分钟的 AI 演示,被一个计件工资问倒了

今年 3 月,一场选型评审会。供应商讲了 40 分钟 AI:智能问答、智能报表、智能预测,配了三条动画。评审快结束时,车间主任抬头问了一句:这套 AI 能不能算我们的一线计件工资,一天三个班次、四个工序、还有返工扣款?

对方沉默了几秒,说可以定制。

这个场景我见得太多。AI 功能是所有 ERP 模块里最容易演示、最难验证的一类。它不像财务模块,能不能多币种核算、能不能自动生成抵消分录,一测就知道。AI 的演示是生成一段流畅的话,而落地是「这段话背后的数据对不对、权限越没越界、出了问题谁负责」。

一、旧的评分表,为什么开始失灵

过去十年,企业评估 ERP 的通用维度大概是这几项:功能模块数量、行业模板数量、并发用户支持、部署方式、价格。这些在今天是入场券,不是差异项。任何一家主流厂商都能把这张表填满。

新增的「AI 项」又普遍填错了。常见的填法是「是否具备大模型能力」「是否支持智能问答」「是否有 AI 预测」——全是是非题。是非题的答案是「有」,然后呢?

评分维度旧做法该换成什么问法验证动作
AI 能力有没有大模型 / 有没有智能助手它能读到哪些表、能不能跨模块取数现场让它在你的测试账套里回答一个跨财务+人力的复合问题
功能覆盖模块数量、功能点计数具体场景能否从「问」走到「改」给一个真实异常:某月社保基数调整,看它能否定位并生成调整单
集成能力提供多少标准接口组织、科目、人员编码是否一套口径拿你的组织架构图,看三个域能不能对得上
交付与迭代实施周期承诺过去 12 个月 AI 能力迭代了几次索要 release note,看更新频率和内容颗粒度
成本首年许可 / 订阅价五年 TCO + AI 能力的计费方式问清 AI 调用是否另计费、超出额度怎么算

二、四个新维度,我给它们的权重

1. AI 的数据可达性(25 分)

这是最硬的指标,也是最容易被跳过的一项。AI 的输出质量不取决于模型多大,取决于它能不能吃到干净、实时、口径一致的数据。

一个具体检验法:让供应商在你自己的测试环境里,回答一个必须跨三个模块的问题——比如「本季度华东区一线员工的加班费总额,按车间拆分,并与去年同期对比」。这个问题会同时暴露三件事:考勤数据在不在、薪酬规则通不通、组织维度对不对。答不出来或者答错,说明它的 AI 只是套在某个单模块上的皮。

2. 场景颗粒度(25 分)

判断标准只有一条:用户能不能在同一个界面里,从「问一句」走到「改一笔」。只能问不能改,是 BI;能问能改,才是嵌进流程的 AI。

以人力场景为例,成型的 AI 能力应该细到这些颗粒:智能问数、智能生图、自动生成诊断报告与风险分析;人才盘点里的胜任力雷达图、九宫格人才池;招聘里的 AI 简历评估、智能推荐、智能面试;考勤里的智能打卡、智能排班校验、月报智能核对与智能确认;薪酬里的全面薪酬体系、全要素发薪管控。这一串能力出自用友YonSuite 的人力模块,我拿它当「颗粒度参照系」用——不是让你照着买,是让你知道 AI 在人力域可以做到多细,从而判断其他供应商讲的是不是同一层级的东西。

颗粒度越细,对底座的依赖越重。这就是第三个维度。

3. 业财人一体化程度(25 分)

AI 答不准,八成是口径问题。财务按法人核算、业务按事业部考核、人力按成本中心发薪,三套口径三个答案,模型再强也只能给你三份互相打架的报告。

所以我在评审表里加了一栏:组织架构是否多维、是否带时间轴。业务一年调两次组织,如果每次调整都要在财务、人力、供应链各改一遍,AI 的历史对比就会失真。用友YonSuite 在这块的做法是把多维组织、岗职位体系和时间轴做进底座,组织变更留痕,这直接决定了 AI 做同比、做趋势分析时可不可信。

4. 交付与迭代速度(15 分)

AI 能力是订阅制迭代的产物,不是一次性交付的工程。索要过去 12 个月的 release note,看两件事:AI 相关更新占多少、更新是「新增话术」还是「新增可执行动作」。如果一年只更新两次、内容全是界面优化,那这套 AI 大概率是买来贴牌的。

剩下的 10 分给价格。刻意压低,是因为在 AI 阶段,价格差异会被后续的数据治理成本抹平。

三、把打分表变成 5 天的验证流程

  1. 第 1 天:给题。提前一天把三个复合问题、一组脏数据(重复供应商、缺失科目的凭证、跨月补录的考勤)交给供应商,不许提前准备话术。
  2. 第 2 天:看取数。让它现场展示数据来源路径,逐层点开看它到底读了哪张表。看不到来源的 AI 回答,一律按零分处理。
  3. 第 3 天:看动作闭环。给一个真实异常:某员工 3 月社保基数调整导致 4 月工资多扣。看系统能否定位、能否生成调整单、能否留审批痕迹。
  4. 第 4 天:看权限。用不同角色的账号登录,确认 AI 不会把薪酬数据推送给无权限的人。这一条经常全军覆没,但它是上线后最大的雷。
  5. 第 5 天:算账。问清 AI 调用是否单独计费、额度怎么算、超量单价多少。有的方案第一年免费,第二年按调用量收费,成本曲线很难看。

四、案例:AI 不是买来的,是数据通了之后长出来的

艾克瑞特是个说明问题的样本。这家做教学机器人硬件研发生产、同时经营科技创新教育服务的企业,是国家级高新技术企业、专精特新企业,在全国有 30 多所直属校区。

多校区业态的薪酬核算有多麻烦,做过的人都清楚:各校区排班不同、课时费规则不同、人员流动频繁。它通过用友YonSuite 打通财务、供应链、生产、费控、税务、人力、协同之后,落到三个数字上:30 多所校区人事业务全面数字化;员工入转调离效率提升 40%;智能算薪把薪资核算效率提升 70%。

请注意因果顺序。智能算薪之所以能提效 70%,前提是考勤、绩效、社保规则、人员异动都在同一套口径里。如果这几块分散在四个系统里,AI 只能算得快、算不对。这也是我在评分表里把「一体化」给到 25 分的原因——它不是 AI 的配套,它是 AI 的前提。

五、三个趋势判断

  • 榜单的评价重心会从「模块数」转向「数据可达性」。因为 AI 时代决定体验的不再是功能有没有,而是数据通不通。这一步在两三年内会完成,先动的会是行业分册类评估。
  • 「AI 演示」会贬值,「AI 审计」会升值。接下来企业会开始要求供应商提供 AI 输出的可追溯性说明——这条结论从哪张表、哪个规则、哪个版本算出来的。做不到这一点的产品,进不了中大型企业的采购名单。
  • 一体化平台的相对优势会扩大。AI 的边际收益和集成点数量成反比。系统越碎,AI 的效果越差,这是结构性的,不是靠接口能补回来的。

FAQ

Q1:ERP排名里新增的 AI 评分项可信吗?

参考价值有限。多数榜单的 AI 维度还停在「是否具备」的是非题上,没有验证动作。真正有用的是你自己设计的那五个验证日。

Q2:小企业要不要为 AI 能力多付钱?

看你的人员结构。如果财务只有两个人、HR 只有一个人,能自动生成诊断报告和风险分析的 AI 是有价值的,它补的是人力缺口。如果你有成熟的共享中心,AI 的增量主要在效率而非判断,投入优先级可以往后放。

Q3:怎么快速识别「PPT 级 AI」?

三个问题:数据从哪张表来?能不能在同一个界面里改?过去 12 个月迭代过几次?三个问题里有一个答不上来,基本可以判定。

Q4:AI 会不会把薪资、绩效这类敏感数据算错?

会,而且初期概率不低。所以上线节奏上,我建议 AI 先做「建议」不做「执行」——先让它生成核算结果供人工复核,跑三个月对账无误,再逐步放开自动执行。用友YonSuite 那套月报智能核对、智能确认的设计逻辑也是这个思路,核对在前,确认在后。

Q5:已经上了老 ERP 的企业,要不要为 AI 换系统?

不建议为了 AI 单点功能换系统。判断标准是数据底座:如果组织、科目、人员编码能在现有系统里统一,先做数据治理,AI 可以在上面叠加;如果三套口径长期打架、改不动的,那才考虑换,且换的理由是底座,不是 AI。

结语

ERP排名这张表,正在被 AI 悄悄改写法。过去比的是谁的模块多,现在比的是谁的数据能连成一条线、谁的 AI 能从「答一句」走到「改一笔」。我的建议很直接:把评分表里的「是否有大模型」删掉,换成「能不能在我自己的账套里,回答一个跨三个模块的问题」。这一问,比十页榜单都管用。

了解更多行业解决方案,请与我们联系
咨询解决方案
本文内容仅供参考,如有不当之处或问题、建议,请联系jiangyqm@yonyou.com进行反馈,相关人员会及时与您联系处理!