拒绝给旧系统“贴膏药”！这家深圳企业用AI调度层，重新盘活百万IT资产

导语：别再用大模型写PPT了！兔展智能发布SkillsUI，让AI直接帮你干活，重新唤醒企业旧系统的价值。

会聊天的AI满街跑，但能替企业闭环办事的AI却寥寥无几。这正是当前国内企业AI落地最尴尬、也最具有商业挖掘价值的一个现实闭环。

以某家年营收过百亿的头部零售企业为例，其内部的一份IT效能统计撕开了这层窗户纸：员工平均每天要在11个不同的系统后台之间来回切换。想要完整办成一件事，无论是简单的报销、出库，还是客户工单的扭转，平均需要跨越4.3个后台界面。

滑稽的是，这家企业在过去两年里引入了大量AI工具。员工能够流畅地用大模型起草周报、修改英文邮件甚至生成精美的PPT。然而，当销售人员对AI说：“帮我把上周跟进的这个客户回访工单提交一下”时，大模型给出的回答永远都像是一个敷衍的客服：“好的，您可以登录您的CRM系统，在客户管理板块点击新建工单……”

这本质上还是把包袱甩给了员工。在“会聊天”与“会办事”之间，隔着的是一整套企业既有业务系统的跨平台调用与驱动能力。只有填平这道鸿沟，才能真正迈过大模型在企业落地的最后一公里。如今，由深圳兔展智能推出的新物种SkillsUI，正在悄然拉开这场IT系统重构的序幕。

企业IT架构的第三阶段：从“通数据”到“调系统”

拉长周期来看，企业数字化转型经历了两个主要阶段。第一阶段是信息化，关键词是“建系统”。从ERP、OA到后来的CRM，大家忙着把纸质审批搬进软件里。第二阶段是集成化，关键词是“通数据”。无论是主数据管理、数据中台还是数据湖建设，都在致力于敲碎系统之间的数据孤岛。

如今大多数中大型企业已经基本完成了这两步。然而，很多CIO和管理层却发现了一个令人头疼的现象：系统建了一大堆，功能也算完备，但一线员工的怨气反而越来越重。买完东西发票不知去哪报销，查个库存要登录三个平台，每天早上的会议还得靠人工在Excel里导数加工。系统没有问题，问题在于人被迫去适应庞杂系统的繁琐逻辑和入口。

这意味着IT架构的第三阶段已经到来，其核心不再是盲目新建或者单纯的底层连接，而是“调度”。让AI作为统一的代理去操纵这些早已存在的遗留系统，将人从繁冗的系统操作中解放出来。

大模型在企业落地的路线图上，最普遍的翻车姿势就是“在旧系统里贴膏药”——在现有的每一个系统里都塞进一个独立的AI助手或对话框。这不仅没有解决分散问题，反而让工作流变得更加支离破碎。要让大模型做一次差旅报销，其背后的工程挑战不是简单的语义理解，而是一条精密的逻辑链条：

• 准确提取员工口语表达中的行程意图
• 检索该员工的差旅预算额度与级联审批人
• 唤起OA系统的流程引擎并匹配对应表单
• 打通发票识别与验真模块
• 回写进财务记账系统，并在需要人工决策的卡点设置红线

大模型必须在一个被授权、合规安全的环境下，像乐高积木一样重新组装这些能力。它要求在企业原有的IT技术栈上，生长出全新的一层——“AI入口层”或“Agent中间层”。其角色定位，类似于PC时代的浏览器，或者是移动互联时代的App Store，将底层割裂的功能统一包装成“一句话即走”的高效体验。而SkillsUI正是为扮演这一角色而生。

以API为纽带，将软件后台化身为AI的“外挂技能包”

SkillsUI的解法非常直接：它不去替换企业既有的ERP、OA或CRM系统，也无需做伤筋动骨的IT架构大改，而是通过API将这些系统的数据与接口封装，拆解并提炼为可以被大模型理解和调用的“Skill（技能）”。

一旦员工输入自然语言指令，大模型负责进行语义解析、意图分发，并自动匹配对应的系统逻辑。在此过程中，交互方式彻底扭转，从“人找系统”更替为“AI替代人跑腿”。

这让企业的历史IT资产得以重新升值。原先那些常年躺在角落、因为界面反人类而被员工嫌弃的功能，变成了AI底层随取随用的资源库。通过三个真实的业务场景，我们可以清晰地看到这种模式带来的效率跃迁：

• 场景一：异动分析与无缝决策
  以往当管理层发现运营指标出现波动，需要经历拉会、找数据专员导表、反复核对等漫长周期。现在直接在对话框中询问，AI便能横跨数个异构数据库提取信息，输出归因洞察并直接给出调价优化建议，运营人员只需点击卡片确认，调价指令即刻下发。
• 场景二：化繁为简的日常报销
  员工不需要去寻找隐蔽的三级菜单填入繁复的数据。只需对AI发出一句指令，系统自动拉取火车票、机票数据，填充大半报销单，并把发票匹配好送至待办阶段，员工核对无误后一键流转。
• 场景三：缩短触达路径的客户预约
  在面向C端用户的场景下，复杂的预约路径常会导致不可忽视的用户流失率。SkillsUI支持用户直接以一句话呼出业务界面，从选项目、挑选技师到勾选时间一气呵成。

技术决策者切入数字化深水区前的四个审慎判断

既然架构合理、场景清晰，那么作为技术选型与改造的操盘手，应该在什么节点动手？第一枪又该瞄准哪里？

• 一、大模型的任务调度可靠性，是否已经能够平稳支撑企业级运用？
  放在两年前，答案存疑。但如今，大模型在意图路由、参数提取以及长路径规划上的可靠度已越过可用性临界点。配合“人在环路中（Human in the loop）”的控制方案，工程兜底已经能够确保业务流的高可靠运行。
• 二、率先部署是否具备占位性的代际优势？
  答案是肯定的。一旦员工习惯了“说一句话就能解决所有杂务”的精简交互方式，他们便很难重新退回到满屏找按钮的低效岁月。这种体验上的高维跨越会迅速重构内部协作形态，乃至反向倒逼工作流程的最优化重塑。
• 三、如何规避新的烟囱系统，避免被单一供应商深度锁死？
  这是技术主管在选型之初必须警惕的技术债。例如SkillsUI仅扮演灵活的调用枢纽，不强行接盘下层系统的控制权。它的Skill定义标准是开放的，且支持企业实施严格的数据合规私有化部署。
• 四、什么样的场景是最佳起点？
  切忌开启大开大合的全局重构。最稳妥的做法是从高频次、低风险、且涉及跨多套系统的单一核心链路切入。例如行政报销或者客服工单分派。将这个典型场景作为排头兵跑通，再将成功经验复制到更复杂的业务环节中。

留给大部分企业观望和犹豫的窗口期比以往更为短暂。当先行者通过AI入口层成功缩短供应链消耗并重构了员工能效之后，这种组织敏捷度的差距将被成倍放大。与其等到竞争对手将更具适应力的AI入口确立为行业标准，不如在当下选择一个核心痛点场景，通过SkillsUI小步快跑地测试一个季度。这无疑是探索大模型时代下半场，最具弹性且风险可控的低成本战略筹码。