告别“单一入口”：企业级AI正在走向多元化交互范式

在每一次重大的技术转型期，市场往往会对未来的走向产生一套统一的假设。当前关于企业级人工智能（Enterprise AI）的讨论中，一个主流的假设是：未来的员工将通过一个统一的、对话式的通用界面与所有业务系统进行交互，将这一界面作为获取信息、完成任务和操作软件的核心入口。

然而，企业技术发展的历史告诉我们，实际情况往往更为复杂。组织在采用新能力时极少采取统一的方式，因为业务的不同部门在运作时面临着截然不同的约束条件。例如，财务团队的首要目标是报告的准确性、内部控制和审批流程，而分析团队则更倾向于探索运营数据。与此同时，客服部门的核心诉求则是响应速度和案件解决率。这意味着，即便各方都认同AI的价值，但具体到功能部门的采用路径却大相径庭。

这种模式在云计算的普及过程中已得到验证：部分组织激进迁移，而另一些则在混合环境下运行多年。不同部门的现代化进度取决于其工作的优先级，而非行业共识的统一节奏。

AI 虽然加速了开发进程，但并未改变这一底层逻辑。对于许多员工而言，最实用的 AI 能力反而是那些“隐形”的。一位负责结账的财务经理更关心如何缩短报告周期，而非获得一个新界面；一位处理库存问题的运营主管则更在意如何更早发现并解决问题。在这些场景中，AI 的核心价值在于减少完成既有工作所需的冗余努力，而非改变交互方式。

与此同时，分析师和规划人员等群体则表现出强烈的直接交互需求。他们需要通过对话式探索信息、对比多种情景并调查非预定义报告中的复杂问题。对于这类用户，灵活的交互界面本身就是一种核心价值。

目前，许多组织发现这两种模式其实是并存的。随着企业规模的扩大，业务复杂性逐渐累积，系统数量增多，导致流程碎片化。信息分布在各种应用、报表、电子表格和工作流中，员工在采取行动前需要耗费大量时间定位信息。过去几十年企业软件的价值在于通过集成财务、运营、库存等系统来减少碎片化；而 AI 的承诺则是进一步缩短“从信息到行动”的距离。

以 Dura Software 为例，其 AI 连接的工作流已实现了部分营收报告的自动化。该公司 CFO Sloan Session 指出：“智能体负责数据的提取（Pull），而人类负责判断与个性化处理。”这揭示了当前 AI 采用的关键点：企业并非试图用 AI 取代人类的判断力，而是旨在减少收集和准备信息的时间，让经验丰富的员工专注于需要专业知识的决策。

在 S&B Filters 的案例中，员工此前需要花费数分钟从多个系统收集欠单信息，而通过将 AI 连接至运营数据，该过程被缩短至秒级，甚至直接转化为客户自服务能力。这两类的成功均源于减少了寻找信息的摩擦，而非引入新界面。

随之而来的是对治理（Governance）的更高要求。当信息获取变得异常便捷时，访问权限、审批结构和安全策略变得至关重要。S&B Filters 的 CEO Berry Carter 强调：如果用户在原系统（如 NetSuite）中没有权限访问某项信息，那么他绝不能通过 AI 助手获得该信息的访问权。在复杂的系统和模型之间保持这种一致性，需要极高的管理纪律。

基于这一洞察，Oracle NetSuite 在其AI战略中采取了灵活的路径。除了在运营工作流中直接嵌入 AI，公司还推出了 NetSuite AI Connector Service 以及对模型上下文协议（Model Context Protocol, MCP）的支持。这意味着组织既能享受内置的 AI 能力，又能安全地将业务数据连接到外部模型和助手，使其融入员工已有的日常工作工具中。

历史证明，企业软件的采用路径很少是直线型的。对于商业领袖而言，在部署 AI 时，最关键的是识别具体的业务目标和工作流，从而将技术方案与实际工作的现实需求相匹配，而非盲目追求单一的交互入口。

来源： ventureBeat report