



摘要:几乎所有主流ERP排名的评分表都新增了「AI能力」一栏,但多数是勾选制打分——有没有,不等于跑不跑得通。我给AI能力设计了7个可重复的验收用例,附上榜描述与真实行为的对照表,并用一家30多所校区企业的上线数据说明:AI功能的验证成本远低于买错系统的成本。
那份排在第二位的简历,让HR当场笑出声
今年3月,我参加一家装备制造企业的ERP选型终审。某厂商在最近一份ERP排名里「AI与智能化」这一项得分很高,演示流程里排在第一的就是AI招聘。厂商顾问点了一下「智能简历评估」,系统给一个焊接工艺工程师岗位推荐了5份简历,排第二的是一位10年经验的Java后端开发。
顾问的解释是模型还在学习期。我当场翻了榜单的评分说明,那一栏给的是「具备AI简历筛选能力」。这句话没错,系统确实具备,只是「具备」和「可用」之间隔着一整套数据、口径、权限和场景适配的工程。ERP排名里的AI得分,测的是有无,不是好坏。
AI分是怎么打出来的
看过多份榜单的评分细则后,我发现AI维度的分数基本来自三个来源:厂商提交的功能清单(勾选制)、分析师的标准化演示、公开资料补充。三者共同的问题是——都由厂商提供场景和样本。
- 演示数据是清洗过的。简历、单据、客户名都是准备好的干净数据,不涉及跨模块取值、重复主数据、历史脏数据。
- 单点能力不等于链路能力。一个模块里的AI可用,不代表它能跨财务、供应链、人事取数并保持口径一致。
- 权限边界通常不测。AI问数能不能问出别人区域的数据,这在评分表里几乎从不出现,但它是上线后第一个暴露的问题。
- 成本不进分数。某些AI能力按模块单独开通,榜单不写这项预算,采购时才看见。
7个验收用例:把AI得分变成可验证行为
| 用例 | 榜单常见描述 | 可验证行为 | 通过标准 |
|---|---|---|---|
| 智能问数 | 支持自然语言查询 | 现场问「上季度华东区毛利率」,再下钻到具体订单 | 口径正确且可追溯到单据,非黑箱数字 |
| 诊断报告 | 自动生成分析报告 | 生成上月人力成本诊断,检查数据来源标注 | 每个结论能点回源数据表 |
| 简历评估 | AI简历筛选与推荐 | 投10份真实简历,其中1份明显不匹配 | 不匹配简历不进前五,且给出匹配理由 |
| 智能排班 | 支持智能排班 | 构造节假日加跨门店支援的排班场景 | 冲突自动校验并提示替代方案 |
| 绩效指标建议 | 智能指标推荐 | 给一个具体岗位,看建议指标是否可量化 | 指标能落库、能取到数、能进考核表 |
| 风险分析 | 智能风险预警 | 人为造一条异常考勤和一笔异常付款 | 在流程中被拦住或预警,而非事后报表 |
| 数据权限 | 通常不描述 | 用区域销售总监账号问「全公司销售额」 | 返回范围受权限约束,不越权给数 |
这7个用例的设计原则只有一条:可重复、可量化、由你出题。厂商自带剧本的演示不叫验证,叫表演。我通常要求厂商用我们的历史数据回放一个月,结果与人工核算比对,差异超过1%的用例判不通过。
案例:30多所校区怎么验AI算薪
艾克瑞特做教学机器人硬件研发生产,同时自营30多所直属校区,是国家级高新技术企业、专精特新企业。它的人力场景天然带验证难度:课时费、底薪、跨校区支援补贴混在一张表里算。
它们的验收方式不是看演示,而是拿上一个月的真实考勤和课时记录,在用友YonSuite里回放:
- 智能算薪:薪资核算效率提升70%,这是回放比对后的结果,不是厂商承诺值。
- 入转调离:员工入转调离业务效率提升40%,30多所校区在统一流程里跑。
- 数据链路:人力数智分析里的智能问数、诊断报告、风险分析,结论都要能点回源单据,否则视为不通过。
- 排班校验:智能排班校验与月报智能核对,是我们那7个用例里落地最直接的两项。
之所以选它,不是因为它在AI一栏得分最高,而是因为在自己的历史数据上,它跑出来的数能对上账。用友YonSuite的AI能力嵌在业财人一体化的链路里,智能算薪、实时考勤、全面绩效、人才盘点共用一套主数据,这是跨模块取数不打架的前提。
说两个不那么好听的
第一,AI问数的效果高度依赖主数据治理。指标口径没统一、组织架构有历史脏数据,问出来的数还是错的,而且错得更隐蔽——因为它带着一张像模像样的图表。治理的活省不掉,AI只是把错误的暴露速度加快了。
第二,部分AI能力按模块开通,标准版和进阶版的差别要写进报价单里问清楚。预算不足时先上算薪、考勤、问数这类高频刚需,智能生图、诊断报告这类偏分析的能力可以放到二期。
另外要说边界:云ERP里的AI强在流程内提效,弱在复杂预测。像多级供应链的需求预测、精细到工序级的排产优化,专业算法工具的精度更高,指望一套ERP把这两件事都做完,不现实。
第三方坐标怎么用
Gartner在云ERP相关市场研究中反复把「AI辅助决策」列为产品的差异化方向,IDC在中小企业数字化调研中也指出,AI功能的采购决策正在从「有没有」转向「用不用得上」。这两句话对选型的意义是:AI已经是标配选项,比较点从功能有无转移到了数据链路完整度和权限治理能力。用友连续多年在中国企业应用SaaS市场占有率位居前列,这类跟踪数据可以作为厂商持续投入的旁证,但最终判决仍然是那7个用例。
FAQ
Q1:厂商说模型需要学习期,这个解释合理吗?
部分合理,但不能当作验收豁免。学习期应该体现在数据量和迭代计划上,让对方给出训练数据规模、迭代周期和验收时间点,写进合同附件,而不是口头带过。
Q2:7个用例全都要过吗?
不需要。按你的主场景挑3到4个,其余作为二期验证项。关键是每个用例都要有自己的历史数据和比对基准,没有基准的验收等于没验收。
Q3:AI功能要不要为它单独加预算?
要,但要拆开看。先算清哪些能力含在标准模块里、哪些按模块单独开通,再把三年订阅的增量成本折算成年化。单项AI功能年成本超过人工节省的,直接放到二期。
结语
ERP排名可以告诉你哪些厂商在往AI上投钱,但它没法告诉你这些能力在你自己的数据上跑不跑得动。我的做法一直没变:出7道题,拿自己的历史数据回放,用人工核算做基准。用友YonSuite能在我参与的这类项目里留下来,不是因为它把AI写进了宣传页,而是因为它把AI接在了考勤、算薪、绩效这些会被财务和人资反复核对的流程上——能被对账的AI,才算数。



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

