晚上快九点，财务还没走。

屏幕左边是ERP，右边是销售系统，中间是一张Excel。

她要做的，不是分析这个月赚没赚钱，而是把订单、收款、发货三份数据拼到一起。哪几行对不上，就圈出来，再去找销售一个个核。

这种画面，我做企业软件项目时见过很多次。

公司系统并不少。ERP、CRM、财务系统、仓储系统，能上的基本都上了。可系统越多，人反而越忙。

真正把人拖住的，往往不是某个系统不够好，而是系统之间那一截没人管的缝隙。

图：系统之间的数据搬运，常常落在Excel和人工身上。

我做了二十多年软件，越来越确定一件事：

企业上AI，很多时候不该先想着换掉ERP，而该先找到那些每天靠人手填平的缝隙。

这类小问题不酷，甚至有点琐碎。

但它们最容易算清价值，也最容易让一线员工感受到变化。

一、系统没坏，为什么人还是这么累？

因为系统解决的是标准流程，企业真正费人的活，常常发生在标准流程之外。

我把它归成3道缝隙。

1、数据在两个系统之间断了

销售系统里有订单，财务系统里有收款。

字段名称不完全一样，更新节奏也不一样。月底一对账，只能把两边数据导出来，贴进Excel，再靠公式和眼睛找差异。

看上去只是“对一下表”。

可一旦订单有改价、拆单、部分回款，表格就会多出一堆例外。最后不是人在分析数据，而是在替系统做翻译。

2、关键信息还在截图、纸单和聊天记录里

系统最擅长处理结构化数据。

但真实业务里，很多关键信息并不规整。

客户发来一张对账截图，仓库上传一张纸质单据，销售在群里补了一句“这单客户要求下周一前到”。这些信息都可能影响后面的动作，却很难自然进入系统。

于是，员工只能手抄、复制、转发、再录入。

数据不是没有，只是没有变成系统能用的数据。

3、例外情况，全压在熟手身上

正常流程，系统能跑。

真正折磨人的，是异常。

客户临时改交期、库存数量不对、同一个客户有特殊价格、老板突然要一份新的经营口径报表。这些事未必每天发生，但一发生，大家就得绕开原流程，拉群、打电话、导数据、重新做表。

最后，很多公司会出现一个现象：

某个熟手一请假，流程就开始卡。

不是因为他有什么不可替代的能力，而是因为那些没人写下来的判断、核对和补救动作，全在他脑子里。

所以，问题通常不是“要不要再上一个系统”。

而是先把这句话问清楚：

我们每天到底有多少时间，耗在跨系统搬数据、补信息、处理例外上？

二、AI适合补的，不是ERP本身，而是这3类动作

很多人一聊企业AI，就想做一个无所不能的助手。

我反而建议从小处开始。

先别让AI直接改数据，更别急着把ERP推倒重来。先让它做4件相对明确的事：读、比、分、写初稿。

这张表里，最重要的不是“AI能干什么”。

而是右边那一列：人还要负责什么。

对账的最终确认、价格的最终审批、经营报表的最终签字，不能随便交出去。

AI先把人从“搬运、查找、初步归类”里拉出来，人再把时间放回判断、例外处理和责任承担上。

这才是比较稳的分工。

图：AI先做读、比、分、写初稿，人保留判断、审批和责任。

还有一个底线，我想特别强调。

第一版不要让AI直接写回核心系统。

先让它只读数据，输出差异清单或待处理清单。跑稳以后，再讨论接口、权限、日志、脱敏和回写。

很多项目一开始就追求“全自动”，最后死在权限不清、数据口径不一，或者出了错没人说得清该谁负责。

慢一点，反而更快。

三、什么样的缝隙，才值得先动？

不是所有手工活都值得上AI。

我通常先看5个问题。

1、它是不是高频发生？

一个月只做一次的事，先别急着改。

如果一件事每周都要做几次，甚至每天都在做，它才有机会把节省下来的时间积少成多。

2、它的输入、输出和规则，说得清吗？

比如“拿哪几张表”“核对哪几个字段”“什么情况算异常”“最后交给谁”。

这些都说不清，AI接不住，人换一个也未必接得住。

这时更该做的，是先把流程写清楚。

3、现在到底花了多少时间，错了多少次？

别一上来就问AI能提高多少效率。

先记账。

这个环节一个月花多少工时？要几个人参与？返工、漏单、错单大概发生几次？不把现在的底数记下来，后面就很难判断它到底值不值得继续投。

4、能不能保留人工复核？

如果一旦出错就涉及付款、合同、客户承诺或安全风险，第一版必须有人兜底。

有复核，不代表AI没价值。

相反，很多场景真正有用的状态就是：AI先筛一遍，人只看少数需要判断的内容。

5、有没有业务负责人愿意一起跑？

没有现场的人参与，再漂亮的工具也容易躺在服务器里。

能落地的起点，不是技术团队觉得“这个能做”，而是业务负责人愿意拿出真实数据，愿意腾出一点时间，陪你把一个小环节跑完。

先用5个问题筛场景，再决定是否进入试运行。

这5个问题里，如果有3个都答不上来，先别急着找工具。

先把流程、数据和责任人理清楚，往往更划算。

四、别从“大改造”开始，先跑一个最小闭环

如果你已经找到了一个缝隙，下一步也不用急着立项。

可以先用“人工+AI+表格”的方式跑一个小闭环。

我的建议是，先做这4步：

1. 选一个具体动作。 不要说“做智能对账”，要说“每周把销售订单和回款记录比一遍，找出金额或状态不一致的条目”。
2. 把原流程写成一页纸。 谁提供什么数据，谁看结果，什么情况需要升级处理，都写下来。
3. 先让AI出清单，不直接执行。 先看它找出的差异和漏项，和人工结果对照。
4. 跑完再算账。 省了多少时间，少了多少返工，现场的人愿不愿意继续用，再决定要不要系统化。

你会发现，很多所谓的“AI项目”，第一步根本不需要做一个新平台。

先证明一件小事能跑通，才有资格谈下一步。

AI落地不是先买一个更炫的系统，而是先把一个真实业务问题，变成一个可运行、可验证的工作流。

最后

ERP并不一定有问题。

真正让员工熬夜的，往往是数据出了系统以后，又靠人搬了一遍；流程遇到例外以后，又靠人补了一遍；老板要新口径以后，又靠人做了一遍。

人不是系统之间的胶水。

更不该永远是。

如果你公司里也有一个环节，离开某个人就转不动，或者每天都在导表、核对、补录，那就别先问“要不要上AI”。

先问：这道缝隙，能不能先补上？

如果你也想知道，公司哪个环节最值得先交给AI，我整理了一份《AI落地可行环节自测清单》。里面有一项特别值得先看：哪个环节“离开某一个人就转不动”，那个环节通常就是优先排查的起点。

如果感兴趣请私信，备注「自测」，我发你。

也可以在评论区说一说你的行业和最想解决的环节，我会先帮你判断它现在值不值得做。不一定能做，但至少能避免一开始就把钱花在不该先做的地方。

我是惟新，20多年企业软件与管理老兵。

这个号会继续写一件事：AI在真实生意里，到底落地了没有。