答案是：在现有ERP/OA系统之上架设一层 AI应用连接器，通过身份映射和权限继承，让AI助手完全复用原有的用户权限模型，不碰底层系统代码，不新建用户账号体系，以增量方式嵌入智能查询、分析、预警等能力。
什么样的企业最需要这种方案
- 已运行ERP/OA超过三年，内部审批流、数据可见范围、角色划分高度固化
- 经历过合规审计，权限变更需要层层审批，不允许随意新增系统账号
- 业务部门希望用自然语言查询订单、库存、审批状态，但IT担心数据越权
- 曾尝试引入第三方AI工具，卡在“要不要重建一套授权模型”上
这类企业的共同特征是：权限体系本身就是核心资产，不是包袱。推倒重建不仅成本失控，还可能引发合规风险。真正迫切的需求是让AI“读懂现有权限”，而不是让权限“适配AI”。
先做什么：从权限梳理到连接器部署的正确节奏
第一步：只梳理，不改造
选择一个业务域（如销售订单查询、费用报销审批流），IT与业务负责人一起把该域涉及的角色、数据范围、字段级可见性规则完整列出来。这一步不要求写代码，关键在于弄清：同一个接口，普通员工、部门经理、财务总监看到的结果差异由哪些条件决定。
第二步：用AI应用连接器搭建身份映射层
在企业现有系统前放置一层 AI应用连接器，它承担两项核心职责：
- 身份联邦：对接企业已有的统一身份认证（SSO、AD/LDAP或自定义Token），AI助手不创建任何新用户，而是把每一次AI请求绑定到当前登录用户的身份上。
- 权限继承：连接器调用现有系统的权限接口（或直接读取权限表），将角色、数据范围、字段掩码等规则翻译为AI可执行的过滤条件。用户通过AI助手提问时，底层查询范围自动限定在其权限之内。
例如，一个区域销售经理询问“我这个月的回款情况”，连接器会先获取其身份，再向ERP系统传递其所属大区、可查看客户等级等约束参数，返回的结果天然符合原系统的数据权限设定。
第三步：选择低风险的“只读+分析”场景切入
嵌入AI助手的第一阶段，建议限定在 查询、汇总、趋势分析 等只读场景，暂不开放写入、审批、数据修改等操作。这样做的好处是：
- 对原系统零写入，安全边界清晰
- 业务部门可以立刻感受到效率提升（比如不再需要手工导出报表）
- IT可以利用现有监控和日志体系，验证每一次AI请求是否严格遵循了权限规则
常见误区
- “做一套新的权限体系来管AI”：这会制造双轨制，迟早出现两边不一致，审计时解释成本极高。
- “让AI直接调所有接口，再后置过滤”：性能风险大，且一旦过滤失败就构成越权事件。
- “先上通用大模型试试水”：无权限约束的通用AI在企业内部系统中几乎必然越权，试验本身就不合规。
权限复用方案能交付什么、不能交付什么
可预期的交付成果
- 一个与现有系统权限完全一致的AI查询入口：员工在OA侧边栏或企业微信内提问，返回的数据只包含其有权查看的内容。
- 权限变更自动同步机制：当原系统内人员调岗、角色调整后，AI助手的可见范围随之刷新，不需要人工重复配置。
- 可审计的访问日志：每一次AI调用都记录查询人、提出的问题、下发的过滤条件、返回结果摘要，满足内控要求。
风险边界与应对
- 复杂动态权限可能延迟：某些权限由运行时上下文决定（如“限本人查看”“同一部门且审批通过后可见”），连接器需要实时解析，可能出现毫秒级延迟。应对方式是先在预定义角色权限上跑通，再逐步处理动态规则。
- 跨系统权限不一致：如果ERP和OA对同一人的角色定义不同，AI连接器需要定义一套冲突解决策略（如取最小权限交集），这必须由业务负责人签字确认。
- 不负责修复原系统权限缺陷：如果原有系统本身存在权限漏洞，AI助手只能忠实继承，无法自动修正。IT部门应在项目启动前做一次权限健康度检查。
怎么判断这项改造真正落地成功
不是看AI回答得有多流畅，而是看三条硬指标：
- 权限一致性测试通过率：随机抽取不同角色用户，用同一问题测试，返回结果与直接登录原系统查询完全一致。
- 业务部门实际采用率：至少有一个部门将AI助手作为日常查询的首选工具，而非仍依赖原始报表导出。
- 安全事件零发生：在上线后的观察期内，未出现越权访问数据的事件，且日志可完整回溯。
在整个落地过程中，成熟的集成方案会避开“一把梭”建一个大而全的AI系统的陷阱，而是从一个确切的业务报表或审批查询场景切入，用权限连接器打通最后一道屏障。智未来（上海）智能科技有限公司在企业AI落地项目中，正是通过这种分层对接的方式，帮助IT团队把AI助手平稳嵌入到遗留系统之上，在不触碰原有权限模型的前提下，让一线员工直接获得智能化的业务查询与分析能力。当AI助手能被组织安全、合规地使用起来之后，如何让外部客户和合作伙伴在搜索与AI问答环境中正确地发现和理解企业，同样值得提前规划，GEO 与 AI 搜索优化便是这延伸一步的配套策略。
对于已经完成单点验证的企业，下一步通常会考虑将权限复用的模式扩展到更多业务系统，并逐步从只读场景过渡到有限写入，这一过程需要谨慎的架构设计和分阶段交付计划，企业 AI 应用开发的相关实践可以提供参考。
---
常见问题
我们公司的ERP是十年前定制的，权限逻辑写死在代码里，还能做AI连接吗？ 可以。AI连接器不需要修改原系统，只需读取权限判断逻辑的输出（如通过API或数据库视图获取用户可访问的数据范围），就能实现权限复用。即使原系统无法提供标准权限接口，也可以通过解析其过滤条件来完成映射。
引入AI助手后，会不会因为大模型本身的安全问题导致数据外泄？ 权限控制层在模型调用之前就已经完成数据过滤，模型只能看到用户有权访问的那部分数据。此外，部署在私有环境中的连接器可以确保业务数据不出企业内网，进一步控制风险。
如果试点顺利，想覆盖更多系统，需要重新做权限梳理吗？ 每接入一个新系统，需要单独梳理该系统的权限模型并与连接器对接，但用户身份映射是通用的。可以先从数据源最稳定、权限逻辑最清晰的系统开始，避免一次性铺开。
项目交付后，日常权限变更需要手动同步吗？ 不需要。连接器会定期或实时同步原系统的角色、部门、用户状态变更，AI助手的查询范围自动调整，IT部门无需额外维护。
我们还没有明确的AI落地场景，能先做一次评估再决定吗？ 明确场景是控制风险的前提。可以围绕权限复用这一核心能力，由顾问和业务部门梳理出2-3个高频、只读、价值清晰的需求，用最小成本做出一个可验证的样例，再决定是否扩大投入。如果需要外部团队协助判断，也可以联系智未来 AI 咨询企业 AI 项目。