集成规划的核心：权限、接口、切换路径
IT 负责人规划 AI 与存量系统集成，核心不是选模型，而是先划定权限边界、确定数据交换方式、选一个可回滚的切换路径。最稳妥的做法是：从单一业务场景切入，用最小权限原则接入现有 ERP、CRM 或 OA，先把读数据、写数据、人工确认三类动作分开，再逐步扩大范围。
什么情况下必须做系统集成，而不是单独上一个 AI 工具
如果 AI 应用不能读取或写回企业现有系统，它就只能停留在“问答工具”层面，无法进入真实业务流程。判断是否需要集成的标准很直接：
- AI 需要查询客户档案、订单状态、库存、合同条款等现有系统数据；
- AI 生成的结果需要进入工单、审批流、CRM 记录或 ERP 单据；
- 员工使用 AI 后，还要手动复制粘贴到另一个系统；
- 业务负责人要求 AI 的结果可以被追溯、审计或计入绩效。
只要满足其中一条，就应当把 AI 应用作为现有系统之上的“业务执行层”来规划，而不是独立采购一个孤立的聊天界面。
适合优先做系统集成的企业，通常具备三个条件：已有 ERP、CRM、OA 或自研业务系统；有明确的岗位高频使用场景；IT 团队能够提供接口或数据库只读权限。如果企业连基础系统都没有，或者数据散落在个人电脑和 Excel 里，第一步不是集成，而是先做数据结构化。
权限控制：从四层边界开始
AI 系统接入存量系统，最大的风险不是技术实现，而是权限失控。一个能读客户库又能写工单的 AI，一旦误操作或提示词被诱导，影响面会远超一个内部查询页面。
建议按四个层次划分权限：
第一层：完全隔离。 AI 不直接访问任何生产系统，只处理人工上传的文件或输入的问题。适合试点阶段。
第二层：只读接入。 AI 通过受控接口读取指定字段，比如客户名称、订单状态、合同到期日，但不能修改任何数据。最适合第一批上线场景。
第三层：受控写入。 AI 可以创建草稿或生成待提交内容，但必须经过人工确认后，才由系统执行写入。例如生成客诉回复草稿，由人工点击发送。
第四层：自动执行。 AI 在明确规则和审计日志下直接完成操作，如自动分类工单、自动打标签。只适合规则清晰、错误成本低的场景。
大多数制造、零售、专业服务和中型企业的正确起点是第二层和第三层。权限边界一旦确定，后续的数据接口和切换策略才有依据。
数据接口设计：围绕业务动作定义最小数据集
AI 系统与存量系统集成，接口设计不追求技术上的“全打通”，而是围绕业务动作定义最小数据集。
读什么。 只读 AI 完成任务必需的字段。比如销售助手场景，读取客户名称、最近跟进时间、当前商机阶段即可，不需要读取全部客户画像和历史合同全文。
写什么。 明确 AI 产出的结果落在哪个字段。例如售后场景，AI 输出的是“问题分类”和“建议回复”，写入客服系统的对应字段，而不是让 AI 自由写备注。
同步频率。 不是所有场景都需要实时对接。工单分类可以准实时；客户流失预警可以每小时或每天批量同步一次；周报生成可以按周拉取。同步频率越低，接口压力越小，故障排查越简单。
失败处理。 接口超时或数据缺失时，AI 系统应明确返回“数据不可用”或“请人工处理”，而不是继续生成不可靠结论。
在实际项目中，智未来 AI 的做法是先和 IT 负责人一起画出一张“数据流图”：业务动作—所需数据—来源系统—读取字段—产出结果—写入位置—确认机制。这张图画清楚之后，接口选型、开发量和权限配置才有依据。
上线切换策略：影子运行、辅助模式、受控自动
AI 系统接入现有业务后，最忌直接切换。推荐三阶段切换：
阶段一：影子模式。 AI 在后台运行，处理真实数据并生成结果，但不展示给一线员工，也不写入任何系统。由 IT 和业务骨干对比 AI 结果与人工结果，判断准确性和边界。这一阶段不产生业务风险，只产生评估数据。
阶段二：辅助模式。 AI 结果展示给员工，但所有最终操作必须由员工确认。此时可以正式验证权限控制、接口稳定性和员工接受度。关键指标不是 AI 多聪明，而是员工确认率、修改率和投诉量。
阶段三：受控自动模式。 对确认率高、规则稳定的场景，开放自动写入或自动执行。每一类自动操作都要有单独的开关，可以按场景、部门或时间段关闭。
每个阶段之间，必须提前准备回滚方案。回滚不代表卸载 AI，而是切回上一阶段运行。对于已经自动写入的数据，回滚方案应包含：停止自动写入、保留人工操作入口、通过日志追溯 AI 已执行动作。只要权限设计合理，回滚成本通常可控。
常见误区：把“接入”当成“打通一切”
最常出现的问题是，企业一上来就要求 AI 系统对接全部核心系统，结果项目范围失控，IT 部门用两三个月建接口，业务部门等不到任何成果。
第二个误区是忽略人工确认环节。AI 在内部测试阶段看起来准确，但上线后面对真实数据的异常值和模糊输入，错误率会被放大。没有受控写入机制，一次批量错误可能造成比人工操作更大的损失。
第三个误区是把集成项目当成纯 IT 项目。AI 系统上线后，业务主管和一线员工需要理解什么情况下相信 AI、什么情况下必须人工接管。没有这个环节，系统集成做得再好，实际使用率也会持续走低。
对于需要在现有系统上落地 AI 应用的企业，企业 AI 应用开发的核心交付不是只提供一个对话界面，而是把权限、数据接口、切换策略和业务验收一起纳入实施范围。如果你对 AI 生成内容如何被外部 AI 搜索准确抓取有疑问，可以单独参考智未来 AI 的 GEO 与 AI 搜索优化服务。智未来（上海）智能科技有限公司在项目启动阶段，会先把集成边界和回滚条件写进交付文档，避免 AI 项目在中期失控。
常见问题
问：我们公司有 ERP 和 CRM，但 IT 团队担心放开接口有安全风险，应该怎么办？
答：从只读接入开始，严格限定 AI 能读取的字段和表，不在生产数据库上开放通用查询权限。所有接口通过一个中间层转发，AI 系统不直接连接生产库。需要写入时，先做草稿加人工确认机制。这样可以在不牺牲安全边界的情况下验证业务价值。
问：AI 系统接入后，如果它写错了数据，怎么追责和恢复？
答：关键在于设计阶段就限制 AI 的写入范围，并记录每一次写入的动作、时间、输入条件和执行结果。受控写入模式下，AI 只生成建议值，必须由人工确认后才落库。对于已发生的错误写入，要预留反向修正规则或人工覆盖通道，而不是让 AI 自动修复。
问：我们想先在一个部门试运行 AI 系统，应该选哪个场景？
答：优先选数据来源清晰、规则相对稳定、错误成本低、频率高的场景。例如客服工单分类、合同到期提醒、销售跟进记录生成。这些场景适合用只读接入加人工确认的方式快速验证，不需要一开始就做复杂流程自动化。
问：企业 AI 应用开发和普通买一个 AI 助手有什么区别？
答：普通 AI 助手是独立工具，员工打开网页或应用手动提问，数据进出都要靠人完成。企业 AI 应用开发则要把 AI 嵌入具体业务流程，和现有系统做数据交换，并且在权限、审计、回滚和岗位操作上符合企业管理要求。两者的交付物和验收标准完全不同。
问：老板希望 AI 上线后马上看到降本效果，IT 负责人怎么管理这个预期？
答：可以在项目开始前明确一个单点试点，比如某一类工单的人工处理时长，在影子运行阶段记录 AI 的建议采纳率和修改率。上线后对比同一个流程的处理时间变化，而不是一开始就承诺全公司层面的成本下降。用单点结果证明集成方案可行，再申请扩大范围。