关于AI agent与ERP，mes这类型业务处理平台的想法
9 回复398 浏览
前一段时间，我在测试腾讯的workbudyy与我们自己搭建的明道云应用的之间的能力；在录入 一张表单记录数据时，即使你不给AI一个完善的提示词，只要告诉他往哪个表单里面要录入一条数据，在经过一连串的推理后，他也能八，九不离十的把你给的内容填写成一张完善的记录，这要比教一个制造现场职工填写数据快的多，而且AI还能学习，并自动改进他的操作; 搞过ERP，mes的都知道要教会使用人，并熟悉系统这是一个非常消耗时间的事情，即使你教了，很多人也不爱学习，还要按照自己的习惯来，以致于系统会出现很多莫明奇妙的问题。另外，录单的操作也是一项非常消耗时间，且没有成就感的工作；很多企业在销售，制造，采购，仓库，各环节都需要专门的录单员，录单员每天录单就要花上几个小时，甚至更多，中小企业大多数职工都是加班事后录单；ai agent出现其实给了录单这个环节很大体验改进空间，以后在一些录单任务重的场景，可以设置专业的填单助理；配置专用技能组合，工具组，以便可以快速，准确的完成数据采集工作。
要做好这些事情，需要更好的应用接口，ai agent 首先是充当的业务系统了前端位置，因此原来应用于前端的所有规则，逻辑在平台层能同时应用于 ai agent 侧，以 HAP 的当前权限以及接口设置，还有一些细节权限控制不了。比如隐藏的一些前端字段，不允许查看等。在在某些状态时不给某些字段的查看权限。这些都实现不了。当然也有可能是我设计好应用，亦或者需要专门在 agent 的技能中专门设置技能规则来禁止。但目前来看，只要不是做精细字段级的控制，要做好录单这项体验，已经具备了全部的能力了。只待看是什么样的场景需要了。
对啊。所以现在大把人都焦虑。都感觉未来以来，自已没有未来。程序员发明了 AI，AI 干掉了程序员。
那完啦，要失业咯
，大把大把的人
AI 替代不了任何机械操作，不要想着手指点两下就解决问题了，过程摆在那
多几个傻乎乎卡审核的人，还不如招几个文员来的实在
现在整体的方向是向无人化发展的，今后的填表这类业务多数场景一定是 AI 化，要做的还是要在 AI 替代的基础上提高数据填报质量，实现少人化或无人化。趋势是确定的，走的慢的就是被淘汰。多 Agent 协做、审查是解决 99-99.99% 的关键，人留下是做那最后 0.001 人审的。
人类是可以培训的，而且因为“谁录入谁负责”，工人有学习的动力，也会有意识地事前问一下。
长期看下来，团队氛围好的话，各类错误一般只会短时间存在，影响是可控的。
不过，若主要目的就是降低用工成本，那么也就必须接受一定程度的数据错乱了。愿赌服输。
最近好多都在搞 AI Agent AI 应用负责人， AI 技术专家，FDE
FDE 通常指 Forward Deployed Engineer（前沿部署工程师，也称前线部署工程师）
它不是一个传统的研发或纯售前岗位。
核心任务： 直接派驻到客户现场，把公司已有的 AI 或数据平台能力，与客户复杂的实际业务需求结合起来，真正落地
主要职责：需要深入客户的真实业务环境，理解那些“说不清、道不明”的问题，然后现场动手搭建、调接口、搭流程，调用 AI 大模型，把技术方案变成能用的生产系统
如果解决问题的要求是数据的准确 100% 来要求，按当前大模型的逻辑，那就是不能做；现实是人工录入也是一样错误，而且错误的概率要更加的大；我们希望的角度是提升人工的效率，提升数据的输入的规范性，降低对人规范性要求。错误最后还是由人来兜底。而不是代替人这个角色，当然如果公司大，比如有些公司销售助理就有两三个，而且这些角色大部分的时间是在做合同，登记需求等一般事务性工作，那完全可以减少这个岗位的人数；
玩的挺花啊，AI agent
MES 的用户大多是产线工人，他们不在乎录入数据的准确性，只要系统说“提交完毕”，他们就认为工作做完了。
即便 AI 录入数据的准确性只有 99%，那 1% 的错误数据产生的负面影响和污染扩散，谁来负责兜底？