ERPNext + AI：AI ERP 到底应该怎么做？

过去十几年，ERP 一直是企业数字化的核心系统。

企业把客户、订单、采购、库存、生产、财务、供应商等数据全部放进 ERP，希望通过一套系统把企业经营流程标准化。

但今天，一个越来越明显的问题出现了：

ERP 很擅长记录企业发生了什么，却不擅长告诉企业下一步应该做什么。

这正是 AI ERP 真正有价值的地方。

很多人理解的 AI ERP 是：

在 ERP 里面加一个 ChatGPT 聊天窗口。

我认为这远远不够。

真正的 AI ERP，应该是：

ERP 负责记忆，AI 负责理解，Agent 负责行动。

而 ERPNext，恰好是一个非常适合用来构建这种 AI ERP 的开源底座。

📎 相关阅读： 《制造业 AI 落地架构：别急着上 LangChain，先建好"企业数据能力层"》 — 本文讲 AI ERP 的宏观形态；那篇讲企业 AI 底座的分层架构（数据接入、本体建模、Tool 封装、MCP、治理层）。两篇建议配合阅读。

一、什么是 AI ERP？

传统 ERP 的工作方式可以概括为：

这里面最重要的两个环节：分析和决策。

依然主要依赖人。

AI ERP 则希望改变这个流程：

也就是说：

ERP 不再只是一个数据库，而成为 AI 的企业记忆系统。

二、为什么 ERPNext 特别适合做 AI ERP？

ERPNext 最大的优势，并不是它"免费"。

真正重要的是：

它是一个开放的 ERP。

ERPNext 建立在 Frappe Framework 之上，业务对象大量通过 DocType 建模，同时提供 REST API、权限、工作流、后台任务等能力。

这意味着 AI 不需要直接碰数据库。

AI 可以通过标准 API 调用 ERPNext。

例如：

AI 可以读取这些数据，也可以在经过授权后创建或者修改业务数据。

这就给 AI Agent 提供了一个非常重要的能力：

不是只会回答问题，而是能够调用企业系统。

三、AI ERP 和 AI 聊天机器人有什么区别？

这是最容易被误解的地方。

假设老板问：

下个月有哪些订单可能延期？

普通 AI：

根据你提供的信息，我建议检查库存和生产能力。

这没有太大价值。

AI ERP 应该直接查询：

• 销售订单
• 客户交期
• BOM
• 当前库存
• 采购在途
• 生产工单
• 设备产能
• 历史生产效率
• 当前在制品
• 外协产能

然后给出结果：

下个月共有 17 个订单存在延期风险。

进一步分析：

其中 5 个订单属于高风险。
主要原因：
· 预浸料库存不足
· 3 号设备成为瓶颈
· 某道工序平均周期增加 18%
· 两个外协供应商当前产能不足

然后 AI 继续给出方案：

方案 A：调整生产顺序 —— 预计减少延期订单 6 个。
方案 B：增加夜班 —— 成本增加约 18,000 元。
方案 C：部分工序外协 —— 成本增加约 12,000 元，但交期最稳定。

最后问：

是否执行方案 C？

老板点击：

执行。

AI 才真正完成了从"回答问题"到"参与经营决策"的跨越。

四、真正的核心不是 AI，而是 Agent

如果只是：

其实还不够。

真正重要的是：

Agent 是 AI ERP 的执行层。

例如建立一个"生产 Agent"。它拥有这些工具：

AI 不需要知道数据库里面有多少张表。

它只需要知道：

我可以调用哪些工具完成任务。

于是整个系统变成：

这才是真正意义上的 AI ERP。

五、以制造业为例：ERPNext + AI 的价值会更加明显

制造业是最适合 AI ERP 的场景之一。

尤其是：

• OEM
• ODM
• 多品种小批量
• 客制化生产
• 多工序制造
• 外协制造
• 离散制造

因为这些企业每天都在处理大量复杂决策。

例如一家碳纤维 OEM 工厂。

产品包括：

• 网球拍
• 自行车
• 头盔

一个订单进来以后，不是简单地：

生产 100 个。

而是：

任何一个环节出现问题，都可能影响最终交期。

这时候传统 ERP 通常只能告诉你：

当前库存是多少。

而 AI ERP 可以进一步回答：

按照当前订单、库存、设备和人员情况，什么时候会出现瓶颈？

这才是真正有价值的信息。

六、AI 排产可能是 AI ERP 最有价值的场景之一

传统排产往往依赖生产经理经验。

例如：

"这个订单先做。"
"那个订单客户比较急。"
"3 号机器今天不要排太满。"

经验非常重要。

但是随着订单数量增加，人脑越来越难处理所有变量。

AI 可以同时考虑：

然后进行优化。

最终生成：

而且这不是一次性的排产。

真正的 AI APS 应该每天甚至每小时重新计算。

例如：

供应商今天晚到 6 小时。

AI 自动重新计算：

这才是真正的智能排产。

七、AI ERP 不应该替代 MES

这是制造企业非常容易踩的坑。

ERP 和 MES 不是一个东西。

ERP 更适合管理：

• 订单
• 采购
• 库存
• BOM
• 财务
• 供应商
• 客户

MES 更关注：

• 当前生产到哪一步
• 哪台设备正在生产
• 谁正在操作
• 实际生产数量
• 不良数量
• 工序耗时
• 设备状态
• 在制品

APS 则负责：

下一步应该怎么排。

因此，一个成熟的 AI 制造系统应该是：

而不是试图让 ERPNext 一个系统包办一切。

八、ERPNext + AI + 飞书

如果企业已经大量使用飞书，那么还可以进一步组合。

例如：

老板每天早上打开飞书，AI 自动推送：

今日经营摘要

老板不需要进入 ERP 查看几十张报表。

AI 已经把信息压缩成：

今天最值得你关注的 5 件事情。

这就是 AI ERP 的另外一个重要变化：

从"人找数据"变成"数据主动找人"。

九、AI ERP 最终应该具备什么能力？

我认为可以分成五个阶段。

Level 1：AI 查询

本月销售额多少？

AI 自动查询 ERP。

Level 2：AI 分析

为什么这个月毛利下降？

AI 自动关联：销售、采购、库存、成本。

Level 3：AI 预测

下个月哪些订单可能延期？

AI 根据历史数据和当前状态预测风险。

Level 4：AI 决策

怎么解决这些延期？

AI 自动生成多个方案并比较成本。

Level 5：AI 执行

执行最优方案。

AI 自动调用 ERPNext：

这时候 ERP 才真正从：

Enterprise Resource Planning

逐渐变成：

Enterprise Intelligence Platform

十、权限是 AI ERP 最重要的问题之一

AI 能力越强，风险也越大。

绝对不能一开始就让 AI：

拥有整个 ERP 的管理员权限。

正确的方式应该是权限分层。

第一阶段：AI 只读

第二阶段：AI 建议

第三阶段：低风险自动执行

例如：

库存低于安全库存 → 自动生成物料需求。

第四阶段：高权限 Agent

例如：

自动调整排产、采购和外协。

但必须加入：

• 权限
• 审批
• 金额限制
• 操作日志
• 回滚
• 异常检测

AI ERP 的核心原则应该是：

让 AI 拥有足够的能力，但不要拥有无限的权限。

十一、我认为未来的 ERP 会发生一个根本变化

过去：

未来：

过去企业需要大量员工：

查数据、做报表、对账、排产、催采购、跟订单、发通知。

未来这些工作会越来越多地交给 Agent。

所以未来企业可能不是：

我们需要一个更好用的 ERP。

而是：

我们需要一群能够使用 ERP 的 AI 员工。

ERP 变成 AI 员工的基础设施。

十二、为什么我认为 ERPNext 值得关注？

传统 ERP 最大的问题之一是：

封闭。

数据、业务逻辑、接口、定制能力往往受到厂商限制。

而 ERPNext / Frappe 的开放架构意味着：

企业可以自己控制数据和业务逻辑。

这对于 AI 时代非常重要。

因为 AI Agent 最终需要：

读取数据、理解数据、调用业务能力、执行动作。

一个开放的 ERP，比一个封闭的 ERP 更容易成为 AI 的执行底座。

十三、真正值得做的不是"ERPNext AI 插件"

如果只是做：

ERPNext + ChatGPT

我认为价值有限。

真正值得做的是：

AI Native ERP

它应该从架构层面重新设计：

最终形成：

数据层 → 业务层 → Agent 层 → 决策层 → 执行层

这才是下一代企业软件真正值得研究的方向。

结语

ERP 的第一阶段解决的是：

企业信息化。

第二阶段解决的是：

企业流程数字化。

而 AI ERP 要解决的，是：

企业决策智能化。

ERPNext 的价值也许并不在于它能不能击败 SAP、Oracle、金蝶或者用友。

真正值得关注的是：

一个开源 ERP 能不能成为 AI Agent 时代的企业操作系统？

如果答案是可以，那么未来的 ERP 可能不再是一个让员工每天登录、填写表单、看报表的软件。

而会变成一个：

AI 可以理解、调用、分析并执行企业业务的基础设施。

那时候，ERP 真正的竞争对手可能已经不再是另一个 ERP。

而是：

谁能够拥有更强的企业 AI Agent。