真正能让 AI 跑出价值，不是再做一个新系统，而是让 AI 围绕业务系统生长。
—— 商派（ShopEx）
近两年，几乎每一家品牌企业都做过 AI 试点：用大模型写一段营销文案，给员工配一个 Copilot，把客服 FAQ 接到一个聊天机器人。看上去很热闹，但要向董事长汇报「AI 给公司带来了多少订单、节省了多少人力、改进了多少流程」时，没人能说清楚。
问题出在哪？
问题不在大模型不够强，也不在企业不肯投入——而是多数企业的 AI 使用停留在「浅层调用」。让 AI 写一段文案，员工复制到后台；让 AI 给一份经营分析，运营人员再打开 BI 导一次数。AI 成了一个外挂的提词器，而不是一个嵌入业务的业务角色。
更深一层：很多企业并不知道如何把 AI 与业务系统完整结合。
业务系统里沉淀着企业最关键的数据、流程、规则——订单、商品、库存、会员、营销，这里是十几年的行业 Know-How。让 AI 直接「读」这些系统，再「写」回到这些系统里，是一项工程活，不是演示活。
所以，成功率更高的路径不是「换一套系统跑 AI」，而是「把 AI 长进现有业务系统」。
📌 本文看点
- 企业 AI 落地的真实瓶颈
- 双智能体成熟，两侧同步工程化
- 商派 56 个 Skill 的工程化闭环
AI 落地的真实瓶颈：浅与断
把今天企业的 AI 使用拆开看，会发现两个清晰瓶颈。
第一个瓶颈是「浅」
大多数 AI 不触碰核心交易、库存和会员。员工用了三个月 AI 工具，问起核心业务指标有没有改善，几乎无人能举证。这说明 AI 的价值，还没有传导到企业最关键的经营变量上。
第二个瓶颈是「断」
AI 与业务系统之间是断的：AI 想要查一笔异常订单，需要登录后台、翻菜单、导出表格；AI 想要触发一次促销活动，需要运营人员二次操作。AI 没有获得业务的「调用权限」，所以只能停留在人机协作的对话层。
要真正解决「浅」和「断」，AI 必须具备两条能力：一是能直接调用业务系统的接口，二是能在业务系统的页面里原地工作。过去这两条都很难，今天——已经可以一起做到。
双智能体同步成熟：员工 + 客户两侧工程化
拐点出现在过去半年——两类智能体同时走向成熟。
AGENT 01 · 内部协作：面向企业内部的「工作台 AI 智能体」
以对话或任务编排的形式，承担跨系统查询、岗位助手、报告生成、批量执行——把「员工操作多套系统」压缩为「一句话办事」。面向运营、销售、供应链、IT 岗位，已经走向工程化交付。
AGENT 02 · 客户与一线：面向客户与一线业务人员的「嵌入式 AI 智能体」
直接嵌入业务系统的页面里，能识别页面、身份与业务上下文，用对话完成查询、推荐、操作——智能导购、政策问答、订单操作、业务助手。面向客户、经销商、一线业务人员，门槛极低，不需要切换系统。
这两类智能体一起成熟，意味着企业第一次拥有了「从员工到客户」的全链路 AI 工程化能力。更关键的是，两者已经能跑通统一的接入方式——通过 MCP 服务 + Skill 技能这一对标准协议，与业务系统对话。
56 个 Skill 已就位：业务系统不用替换也能 AI 化
光有智能体还不够，关键看它能不能真的接到业务系统里、真的能驱动业务系统。这一关，决定了 AI 落地的成败。
商派的答案是把商城领域的高频操作，封装成一个个可被智能体调用的 Skill。以商城为例，商派目前已封装 56 个 Skill 技能工具，覆盖商品上下架、订单查询与流转、库存盘点、营销活动配置、会员权益、报表生成等日常运营操作。它们既可以被「工作台 AI 智能体」跨系统调用，也可以被「嵌入式 AI 智能体」在商城页面内直接驱动。
对企业而言，AI 不是一个「对话玩具」，而是一个可以被编排、被授权、被审计的业务执行者。
—— 商派方法论 · 第二项支柱
更重要的是，这套方法论不需要企业一次性替换原有业务系统。具体两步走：
第一步 · 保留原系统，接入「双智能体」
让嵌入式智能体服务客户与一线人员，让工作台智能体服务内部岗位，两者通过 MCP + Skill 协议与业务系统对话。业务系统的流程、数据、Know-How 全部原地不动。
第二步 · 让使用反哺业务系统
每一次智能体被调用，都在产生新的高质量语料与新的业务反馈——哪些字段经常被查、哪些流程经常被触发、哪些规则需要修订。这些「使用痕迹」就是业务系统下一代演进的输入。
这也是商派提出的「一个业务系统中心 · 三项商派 AI 能力围绕」落地方案的核心逻辑——不抛弃企业十年数字化资产，让 AI 围绕业务系统生长。
想要了解自己行业的 AI 落地路径，欢迎扫码报名商派 AI 沙龙 👇
9月18日·上海｜商派+腾讯 WorkBuddy 企业智能体落地实践沙龙【报名开始】
让业务系统自己持续迭代
如果说「双智能体」是 AI 落地的发动机，那 Agentic Coding 就是让它持续运转的油路。
Agentic Coding 不是「让 AI 直接改生产代码」，而是一套由人授权、AI 主导的迭代闭环。
具体流程：场景与需求 → AI 规划与编码 → 测试与评审 → 沉淀产品能力
业务部门提出一个新场景（比如经销商需要一份新的对账流程）；AI 智能体根据 Skill 协议理解现有业务系统能力，给出改造方案与代码改动；研发测试通过人工评审把关；新能力沉淀为新的 Skill，反过来增强两个智能体。
这套方法论的核心价值，是让业务系统可以「自己主动迭代」。
过去业务系统每改一次都要立项、招标、开发、测试、上线——半年起步；现在 AI 承接大量重活，人类只做授权与评审，迭代周期可以压缩到几天甚至几小时。
而要让这套方法论长期运转，业务系统必然要选择开源。因为只有开源业务系统，AI 才能真正「读懂」系统结构、参与持续迭代，而不受供应商锁定的限制。这也是为什么商派 ECShopX 开源商城、O NEX OMS 订单管理中台，正是为这种长跑模式准备的底座。
结语：让 AI 围绕业务系统生长
当 AI 真正围绕业务系统生长——而不是想替代它——成功的概率才会显著提升。这就是商派「一个业务系统中心，三项商派 AI 能力围绕」的完整逻辑：
- 业务系统：保持稳定的能力与行业 Know-How，沉淀业务流程、交易数据与行业模型。
- 嵌入式 AI 智能体：让客户和一线员工无需离开原有页面就完成操作。
- 工作台 AI 智能体：让内部岗位用一句话跨系统办事，管理者获得更细微的决策数据分析。
- Agentic Coding：让业务系统在 AI 与人的协作下持续自我演进。
对企业而言，这是一条不抛弃过去十年数字化资产的路径，是一条不被 AI 牵着走的路径，也是一条让 AI 真正开始创造可衡量价值的路径。商派愿意与每一家品牌企业一起，把这条路走出来。
