Integrating Artificial Intelligence into SAP ERP: Opportunities, Challenges, and Implementation Paths
本文分析了将人工智能集成到 SAP ERP 系统中的机遇与结构性挑战，主张通过数据就绪性和可持续治理框架，采取一种在核心稳定性与自适应智能之间取得平衡的双轨实施策略。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代商业庞大且轰鸣的基础设施中，存在着一种被称为企业资源规划（ERP）系统的数字神经系统。你可以将其想象成公司的中央账本，记录着从工厂门口抵达的原材料到发送给客户的最终发票中的每一笔交易。几十年来，这些系统一直是组织可靠且不显眼的支柱，确保财务、供应链和人力资源都在使用同一种语言。最近，一股新的力量进入了这个领域：人工智能（AI）。与传统软件那种僵化的、基于规则的逻辑不同，人工智能可以从模式中学习，预测未来事件，甚至能自主提出建议。对于全球最大的业务软件供应商 SAP 以及依赖它的数千家公司而言，面临的问题是如何将这种具有适应性和学习能力的智能，编织进一个旨在实现绝对稳定性和可预测性的系统中。如果 AI 太过狂野，可能会破坏系统；如果它太过谨慎，则可能无法提供任何新意。
研究员吉姆·多西（Jim Dorsey）最近的一项研究探讨了这种精确的张力，研究了企业如何在不引发混乱的情况下将 AI 集成到其 SAP 系统中。该研究并非侧重于算法背后的复杂数学，而是侧重于这两种截然不同的技术如何共存的实际情况。论文指出，前进的道路不在于寻找最先进的 AI 模型，而在于在对稳定、不变的核心系统的需求与对 AI 适应和学习的需求之间找到可持续的平衡。研究结果表明，成功较少取决于技术上的卓越，而更多取决于组织纪律，特别是在数据管理和系统变更处理方面。
这种集成的格局由一个被称为“洁净核心”（Clean Core）的概念所定义。在 SAP 的世界里，这一原则规定核心软件应尽可能保持其原始的标准形态。公司被鼓励避免对核心代码进行深度的、永久性的更改，就像房主可能会避免为了增加一个新房间而拆除承重墙一样。相反，他们应该在外部构建扩展功能。这种方法确保了当软件供应商发布更新时，系统不会崩溃。然而，AI 通常要求相反的操作。为了真正发挥作用，AI 需要看到关于公司运营的特定且独特的细节——它自己的客户习惯、其特定的供应链特性以及专有数据。这产生了一种结构性冲突：AI 想要深入挖掘并进行定制化，而系统则要求它停留在表面并保持标准。
研究指出，这种冲突不仅是一个技术障碍，更是一个根本性的组织挑战。当公司试图将 AI 强行塞入一个尚未准备就绪的系统时，它们面临着创造出论文中所说的“幽灵技术”（ghost technology）的风险。这些系统在技术上仍在运行并产生输出，但由于缺乏业务的具体语境，其结果会被需要的人员所忽略。例如，一个需求预测工具可能会根据一般的行业趋势来预测销售，但如果它看不见公司独特的营销活动或特定的供应商合同，它的建议将毫无用处。研究强调，通用型 AI 与业务具体现实之间的差距，是许多实施案例无法交付价值的主要原因。
为了应对这一问题，论文提出了“双轨”策略，承认大多数公司目前正同时生活在两个世界中。许多组织仍在运行其旧有的系统（称为 ECC），这些系统计划在 2027 年前逐步退出，同时也在准备向更新的、基于云的 S/4HANA 系统迁移。研究建议，公司不应等待全面迁移开始后再使用 AI。相反，他们可以运行两条平行的路径。在旧系统上，可以使用“边车”（sidecar）AI，它位于主系统之外，通过安全、标准的渠道与主系统通信。这使得公司可以在不危及核心稳定性的情况下尝试 AI。在新的云端系统上，他们可以逐步启用直接内置于软件中的 AI 功能，利用支持这些能力的现代化架构。
研究的一个关键发现是，数据的就绪程度才是真正的守门人。无论 AI 有多先进，如果它所摄取的资料是混乱、不完整或不一致的，它就无法发挥作用。论文强调，许多组织低估了在引入 AI 之前清洗和组织数据所需的工作量。如果数据质量差，AI 产生的也会是差的结果，这种动态通常被总结为“垃圾进，垃圾出”（garbage in, garbage out）。研究认为，投资于数据质量不仅是一个技术步骤，更是任何 AI 成功的先决条件。如果没有这个基础，即使是最设计精良的 AI 策略也将难以立足。
研究还概述了一个公司可以遵循的循序渐进的路线图，从简单的、低风险的应用转向更复杂的、自主的系统。第一阶段涉及准备数据并识别 AI 可以提供即时帮助的小型、定义明确的问题，例如自动化常规的发票匹配或长文档摘要。第二阶段涉及向云端迁移并激活更高级的功能，而第三阶段则展望一个 AI 代理可以以极少的人为干预管理整个工作流的未来。在整个过程中，论文强调了治理的重要性。这意味着要制定明确的规则，规定谁负责 AI、如何监控其决策，以及如何处理偏见和隐私等伦理问题。研究表明，如果没有这些护栏，公司就无法安全地扩展其 AI 系统的能力。
最终，论文总结道，将 AI 集成到 SAP ERP 中不是一场追求最新技术的竞赛，而是一个讲求对齐的严谨过程。如果部署在错误的数据上，或者破坏了核心系统的稳定性，那么最先进的 AI 模型也会失败。相反，相对简单的 AI 工具如果建立在干净的数据和清晰的组织战略之上，就能交付显著的价值。研究表明，那些成功的公司将是那些不把 AI 视为一次性项目，而是将其视为一种随着业务不断演进的持续能力，在不断扩展系统功能边界的同时，始终尊重对稳定、可靠核心的需求。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。