企业 AI 论文
企业认知层
为什么 AI 不会取代企业软件 — 它会将其连接起来
企业已经有了器官，也有了大脑。但它从未拥有过神经系统。
1. 每个人都在问错误的问题
大家一直在问 AI 会取代哪些企业应用。
那是错误的问题。
AI 不太可能替代企业软件。它会将其连接起来。
“替代”故事之所以有诱惑力，是因为它简单。如果模型能写邮件、起草合同、对账发票、总结客户通话，那么曾经调停这些工作的那类软件就成了仪式。CRM 缩减成一个聊天窗口，ERP 缩减成一个提示框。二十年的企业 IT 蒸发进一个文本框，一代软件公司发现自己卖的是一个已经不再需要界面的问 题的界面。
这是一个好故事。但我认为它是错的——而且这种错误很昂贵，因为它让公司去追寻错误的目标。他们去寻找 AI 会淘汰的应用，而真正该找的是 AI 所使能的那一层。
以下是不那么舒服但更接近实际的版本：
大多数公司认为他们在购买 AI。
实际上，他们买到的是孤立的智能。
没有协调的智能，只不过是更昂贵的碎片化形式。
企业软件从来不是主要的界面问题。它是记录系统问题、合规问题、事务完整性问题——也是顾问们太礼貌而不愿明说的组织政治问题。替换 ERP 并不难在于它的界面难以重建，而在于它编码了二十年累积下来的决策：这家特定公司如何确认收入、如何为存货估值、如何结账一个季度并通过审计。没人把这些规则写下来，它们是一条条争论出来、由已退休的人在例外中形成的。一个聊天机器人无法重新推导出它们。
所以问题不在于这些系统能否存续——它们会的。问题在于它们是否能真正作为一个整体运作。
2. 没有神经系统的身体
走进一家中型制造企业开始数一数：财务与物料用 ERP，销售线索用 CRM，车间用 MES，产品数据用 PLM。另有一个没人喜欢的 HR 套件。还有工单平台、BI 堆栈、文档管理、质量管理、采购门户。以及影子资产：部门用公司卡买下、从未告诉 IT 的三四个工具，现在却成了承重结构的一部分。
数量很少低于五十。一旦员工数达到几千，通常会超过两百。
每一个系统都有其合理的购买理由，每一个都很好地解决了真实问题。而且每一个系统都是有意设计为掌管其领域——成为特定真相存在的权威之处。这曾是其全部价值主张，同时也成了全部问题所在。
结果是一个各部分都很优秀但整体不连贯的组织：拥有卓越器官却无法协调它们的身体。
这些症状如此熟悉，以至于大多数高管已经不再把它们当作症状来识别：
- 数据孤岛。同一个客户以四条记录存在、四个标识，但没有任何系统被认为是错误的。
- 重复的工作流。审批在采购系统发生，随后被重新录入 ERP，然后又在工单中被引用。
- 知识碎片化。决策的理由存在于聊天线程，决策本身在 PDF 中，后果记录在账本条目里。没有任何东西将它们连接起来。
- 脱节的自动化。每个系统都自带工作流引擎，但没有一个能跨越自身边界去看清全局。
- 人工编排。系统间的连结组织是人，他们把上下文从一个界面带到另一个界面，并将整体画面记在脑中。
最后一点应得到更多关注。在大多数企业里，集成层不是中间件，而是中层管理。我们建立了一个完整的职业群体，他们的真实工作——无论头衔如何——就是做两个从未“相见”系统之间的 API。他们昂贵、不具可扩展性、有休假，并且离职时会把数据模式带走。
算术对我们不利。复杂性比组织增长得更快。每新增一个系统，不只是增加一条连接；它会与已有的一切建立连接。人员线性增长，协调成本却呈组合式增长。这就是大公司尽管拥有更多一切却仍显得更慢的真正原因，也是下一笔软件采购的边际回报持续下降的原因，尽管软件本身不断改进。
我们没有构建公司，我们构建了应用的联邦，并希望人能把它们维系在一起。
3. 智能变得廉价
在计算历史的大多数时期，稀缺的投入是推理。软件执行规则；它无法解释。任何需要判断的事都必须上报给人，这就是为什么每一张流程图的终点都是标注为 "review." 的方框。
这个限制已经消失，其速度甚至快于几乎所有业内人士的预期。
智能现在是商品化的投入：按需可得、来自竞争供应商、边际成本持续下降、各版本之间能力差距在收窄。任何公司都能租用能读合同、解释例外、起草回应、分析图表的模型。模型不再是差异化因素，原因很简单：你的竞争对手也有同样的模型——很可能完全相同，并在相同的云上计费。
当一种投入变得充足，价值就会迁移到与之并存的稀缺环节。带宽变便宜，价值移向平台；算力变便宜，价值移向数据；智能变便宜，价值正在转移到四个模型自身无法提供的方面。
- 上下文。模型的有用性取决于它对这家公司的认知——实体、历史、例外和专有术语。把通用推理应用于缺失的上下文，会产生自信的胡言，表达流畅，却比没有答案更糟。
- 协调。真正的工作跨越多个系统。即便推理再精彩，如果结论无法跨越 ERP、CRM 和 MES 并转化为行动，也毫无价值。
- 治理。缺乏控制的自主性在受监管的业务中无法交付。谁批准了？基于何种依据？我们能否在 18 个月后向审计员复现？
- 执行。没人付诸行动的建议不是自动化，而是写得很好的观点。
这就是为什么那么多企业级 AI 计划在试点与推广之间悄然夭折。试点证明模型能推理——那从来不是疑问。推广失败是因为组织中没有任何安排能为这种推理提供上下文、协调、治理或执行之手。模型是容易的一部分，它本来就会是容易的。
智能可以扩展。
上下文会成倍累积。
到这里企业的结构才最终讲得通。企业有器官——ERP、CRM、MES、HR，各自独立且胜任地工作。大约两年前，它也拥有了大脑：推理现在可以按令牌购买。
大脑已经存在。缺少的，是神经系统。
4. 企业认知层
缺失的不是另一个应用，而是一层——而层比产品更难被看见，这也是它迟迟未被命名的原因。
企业认知层是一个编排层，理解企业上下文、在互相脱节的系统间推理、协调 AI 代理，并将软件转化为单一的自适应智能。
它位于应用体系之上、业务意图之下。它不保存交易——那是 ERP 的职责。它不拥有客户记录——那是 CRM 的职责。它所拥有的是现有系统没有的唯一东西：对万物之间关系的理解，以及基于这种理解采取行动的权限。
四项能力定义了它。
上下文。本层维护着企业的语义模型——哪些实体存在，它们如何在系统间映射，内部词汇究竟意味着什么，之前发生了什么以及为什么发生。有人说“Rossi 客户有风险”时，本层能知道十一条 Rossi 记录中指的是哪一条、哪个合同管辖、有哪些未关闭的工单，以及这种模式上次在其他区域出现时发生了什么。这就是企业记忆层（Enterprise Memory Layer），它正在成为公司最具防御性的资产，恰恰因为它无法被购买、授权或复制——只能被积累。
跨界推理。本层的基本工作单元横跨多个系统。“为何上季度北方地区的利润率下降？”既不是 ERP 的问题，也不是 BI 的问题。答案分布在定价数据、产量良率、物流成本和三次从未结构化记录的销售对话里。认知层是堆栈中第一个能够提出这种问题的地方。
智能体协调。单个智能体是个演示；一群智能体则是分布式系统问题：排序、争用、重试、部分失败、升级，以及当两个智能体在同一时刻对同一客户得出相反结论时会发生什么。认知运行时是处理这些问题的引擎——规划工作、分派、从失败中恢复，并知道何时停下来寻求人类介入。组织持续低估的正是这部分，而大多数 AI 项目真正死去的地方，往往是在新闻稿之后很久。
治理与监督。每一项可归因的行动。每一项决策都带着其推理、输入与授权。自主由策略授予而非默认假定。对于欧洲企业来说，这不是一种细化；在 AI Act 下，它是部署的先决条件。能在这里取胜的系统，是从第一行代码就设计了治理的，而不是在首次事故后再去补上的——而且迟早会有首次事故。
把这四样结合起来，会出现一种前所未有的东西：一个可以作为整体对话的企业。
软件不再是智能的栖居之所。
这是智能执行的所在。
5. 企业软件并不会消失
值得准确说明这将取代什么，因为对这一论点的夸大版本会让信誉受损。
ERP 继续做 ERP，CRM 继续做 CRM，MES 继续做 MES。记录系统仍然是记录系统，它们之所以如此，是因为它们经过加固、审计、受监管，并且——这是被低估的优点——是正确的。在一个语言模型里重写收入确认并非创新，那是一次控制失灵，只是带有一次发布事件而已。
改变的是位置，不是存在。这些系统不再是终点，而是能力。没人登录去“架构基础设施”。打开应用时没人去想数据库。完全同理，企业应用会变成不再需要人们去浏览，而是认知层直接调用的东西。
企业软件正在变成一个世纪前电力所成为的东西：
绝对必要，
越来越隐形。
该层理解、连接、决策、协调并监督。它并非取代，而是放大。
顺带一提，这也解释了为什么既有厂商没有替代论所声称的那样岌岌可危——但也比他们自信的更不安全。他们的数据和工作流确实很难被取代；没人会为了时髦去拆掉正在运作的 ERP。但位于其之上的那一层尚无人占据，谁占据谁就拥有与业务的关系。应用成为那层的供应方。供应方是可替换的，而平台不是，每个既有厂商都明白这一点，这也是未来五年企业软件战略将是一场争夺“谁来做那一层”的无声战争的原因。
6. 从应用到能力
这里最深刻的变化不是架构上的，而是语言上的。
今天我们的思维方式是以软件为中心。我们说：打开 CRM，跑报告，导出，和 ERP 对账，整理名单，写邮件。工具的使用顺序就是工作本身。知道这套顺序的人被视为资深——这本身就应当让你对我们如何定义“资深”感到不舒服。
明天我们会以能力来思考。我们会说：
找出最可能流失的客户并准备个性化的挽回方案。
没有人再指定要用哪些系统。智能体决定——从一个地方拉取使用数据，从另一个地方拉取合同条款，从第三处拉取支持历史，从第四处拉取销售背景，因为这才是请求真正需要的。系统变成实现细节，这是对软件能够获得的最高褒奖。
这是比表面看起来更大的变化，因为它颠倒了“谁来做翻译”的角色。六十年来，人把业务意图翻译成机器操作。那翻译就是工作所在——无论名片上写什么，那是 ERP 顾问、业务分析师和部门高级用户被付钱去做的事。认知层把那种翻译工作移交给了机器。
后果贯穿整个组织。软件选择不再只是看功能，而要看互操作性与语义清晰度——一个不能暴露其所知的系统，无论界面多好，最终都会成为负担。培训的重点从工具熟练转向意图的指定与结果的验证——这两者是真正不同的技能，目前几乎没有任何地方在教。竞争问题也不再是“我们有正确的应用吗？”，而变成更尖锐的一个问题：我们的应用能被推理吗？
模型回答问题。
组织执行决策。
这是一个预测，同时对时间点保持适当的谦逊：
十年内，没人会知道。
哪个 ERP，
哪个 CRM，
哪个工作流
执行了一项任务。
他们只会知道公司采取了行动。
这听起来像是可见性的丧失。事实正好相反。没人知道哪台服务器响应了他们的网页请求，自 2010 年左右起也没人想知道。抽象不是无知，它是从外部看进来的进步。
7. 认知型企业的崛起
值得退后一步看，因为这里有一个模式，而我们已经经历了两轮这样的迭代。
互联网让计算机互联。在此之前，机器各自独立但相互孤立；之后，网络成为了计算机，价值归属于那些组织连接的人，而不是那些制造机器的人。很少有人预见到这一点，而且多数预见者也落后了十年。
云连接了基础设施。服务器不再是公司拥有的资产，而成为可用的能力。赢家不是拥有最好数据中心的公司，而是那些让数据中心不再成为讨论话题的公司。
互联网连接了计算机。
云连接了基础设施。
API 连接了系统。
AI 连接决策。
企业认知层连接组织。
这是第四个阶段，运行在前三者之上。API 让系统交换数据，但从未让系统就数据含义达成一致。集成告诉 CRM ERP 包含了什么；却从未告诉任何一方这意味着什么。
API 交换数据。
认知层交换含义。
认知型企业是这样一种企业：任何地方做出的决策都由组织已知的一切信息所告知，并自动传播到应该触及的每个系统，而无需人为将其在各处搬运。它不是更自动化的公司，而是更少断链的公司——知道与行动之间的距离朝零塌缩。
我预期这一过程会像以往转型那样展开：比热衷者承诺的更慢，比怀疑者允许的更远，且收益的分配比任何人当前假设的都要不均。差距不会在于是否采用了 AI；人人都会采用 AI，几乎是相同的 AI，大多在同样的十八个月内。真正的差距在于——能否对其系统进行推理。
而且这种差距会自发扩大，因为上下文会积累。如今开始构建机构记忆的组织，在三年后并不会只领先一岁；它将领先三年的复利式积累，这是一种完全不同的领先——不是简单花钱就能追上的那种。
8. 接下来会发生什么
下一代企业软件的定义不在于更好的应用，而在于更好的连接。
对于一个几乎完全围绕应用组织的行业——围绕座位、模块、功能、按用户定价和年度续约对话——这是一个令人不舒服的结论。但企业表现的约束条件已经转移：已不再是某个单一系统的质量，而是整体的一致性。
智能不再是竞争优势。
这就是协调。
每家企业已经拥有足够的软件。欠缺的，是共同的智能。
未来十年胜出的公司不会是拥有最聪明模型的那些公司。模型将像电力一样被出租，来自少数供应商、价格大致相似，人人都能租用。模型访问将比大多数董事会预期的更快成为入场券，而随后展开的战略对话将比我们现在进行的要有趣得多。
还有一件值得说的事，这是我最有把握的部分。
每一次技术革命最终都会变得无形。
电力做到了。
互联网做到了。
云计算做到了。
人工智能将沿着相同的道路发展。
没人会买 AI。
公司将购买更优的决策。
而这些决策将源自我们才刚开始认识到的东西：
企业认知层。
迈向共享词汇
本文使用的五个术语，作为共享词汇而非产品描述提出。如果它们有用，应属于行业而非任何公司——包括我的公司。
- 企业认知层 — 位于企业软件之上的编排层，理解上下文、跨系统推理、协调代理并治理执行。
- 企业记忆层 — 可查询的组织理解累积：其实体、术语、历史与先例。不可转移，因此具有防御性。
- 认知运行时 — 在生产环境中负责规划、调度、监督与恢复代理工作的执行引擎。
- 无形企业 — 最终形态中，交互界面从应用转向意图。
- 能力组合 — 从购买应用转向组合能力，由代理按需组装。