AI 完成企业任务的终极手段 —— 让 AI 成为唯一的企业系统和唯一的系统用户

在第一篇 blog 里，我写过一句总判断：对于企业任务，模型已经够用，缺的是交付系统。也介绍了 ConstaVitality 的三个产品：TeemLush、FleeceTide、SiriusCore。这些内容可能会被读者误解为 ConstaVitality 同时在做三件不同的事。我需要澄清，ConstaVitality 只做一件事：让企业级任务被完成。并且我们只有一个终极手段，也即我们产品的终极目标：

让 AI 成为唯一的企业系统和唯一的系统用户

为何设立这个目标？因为我们相信，当这个目标达成时，企业的生产力将得到大幅提升。那些繁重恼人的工作，那些难以完成的事务，会由能力范畴及工作方式与人大不相同的 AI 全部完成，完全改造不便之处。有此支持，人的创造力也将得到史无前例的解放。

ConstaVitality 的三个产品，正是为了激活 AI，让 AI 达成这个形态而存在。

企业系统

企业级任务，即绝大多数可重复、可审计、跨部门、有数据闭环的工作，最终都会落到企业应用系统、应用系统链上；真正完全不依赖系统的，通常只剩少数高层决策、一次性探索和强人际互动的工作。

企业级和部门级、个人级的本质差别，不在“事情重不重要”，而在这几件事同时出现：

• 多人、多角色、多地点协同
• 要留下可追溯的记录（合规、审计、内控）
• 数据和状态必须一致（库存、订单、科目、预算、权限）
• 结果要能汇总、对账、合并、考核

这些要求一叠加，电子表格、邮件、口头约定很快会崩溃。于是，任务被拆进 OMS、ERP、WMS、合并报表、全面预算、主数据、工作流引擎、甚至具备物理驱动能力的系统里。系统此时不只是工具，而是任务本身的载体：审批路径、过账规则、库存逻辑、合并抵消、预算控制、物理操作，都在系统的实现里。

所以我们会看到一个很常见的现象：企业里说“这个任务做完了”，往往等于“在某套系统里提交/过账/关闭/发布了”，几乎没有例外。

系统里的状态变化必须对应可验证的业务结果。本文所说的完成，是目标结果已经实现、通过验证，并在相关系统中形成数据与状态的闭环。

系统之外的例外，常常在这几类工作里：

1. 战略与一次性决策
   并购谈判、组织重构、重大投资取舍、危机应对。会用系统里的数，但判断、博弈、拍板不在 ERP/预算系统里完成。

2. 尚未标准化的探索
   新业务试点、流程再造早期、数据分析实验、AI 试跑。常常先在本地工作簿、手工记录、或影子系统里发生，成熟后再回写到正式应用。

3. 强人际与强情境工作
   关键客户关系、组织政治、文化与激励、现场例外处理。系统能记录结果，但不能替代现场判断。

4. 系统尚未覆盖的缝隙
   再大的企业也有：线下对账、临时台账、邮件审批、会议纪要驱动的动作。这些不是“不依赖系统”，而是系统覆盖不全或实施质量不够。

即便如此，这些工作也很少是“零依赖”：输入数据、输出结果、权限、主数据，多半还是从企业应用里来、再回到企业应用系统里去。

或者说，

任务一旦达到企业级，它几乎必然会被应用系统承接；不进系统的，往往还没有真正企业化，或者仍处在例外状态。

这也解释了为什么企业数字化讨论最后总会落到：选系统、上系统、改系统、系统集成、主数据、权限、流程固化。不是 IT 部门爱上系统，而是企业级任务的约束条件，把工作“逼”进了系统。这也能解释为何很多人说“企业的核心是系统” —— 虽然这里的“系统”更广义。

企业 AI 系统

Agentic AI，尤其是带 runtime、能规划任务、调工具、写代码、跑程序、连企业系统、受企业审计和数据闭环约束、完全被企业集中管辖的那种，能把上一节说的很多“例外”吃掉。有这样能力的 AI，进入企业控制平面的 AI，我愿称其为企业 AI。

探索性分析、跨系统缝隙、临时台账、一次性建模、例外工单的初筛和初处理，过去因为“系统里没这个流程”才留给人；现在可以由 agent 现场组织程序去完成。当我们给这些 Agentic AI 加上企业级任务需要的约束，包括可重复、可审计、高协作、有数据闭环，我们就得到企业 AI。

让这类企业 AI 参与工作，把 TA 们也算作企业系统，例外集合会明显变小，必须人亲手做的步骤会更少。

传统企业系统吃的是已经标准化的事务：订单、单据、过账、库存、按固定程序做计划、按预定规则做预算控制、按编好的程序做设备操作。系统强在确定性、一致性。

具备 runtime 的企业级 Agentic AI 做的是另一类工作：

基于规则的系统难以完成的工作

• 流程还没被写死，可能业务本身都在探索中
• 系统之间有缝隙，缺乏完美的集成，甚至无法集成
• 规则写不全，模式模糊 ———— if else 没人能讲清楚
• 任务要当场拆解、写脚本、调 API、验证结果，难以使用现成套件
• 输入不规整，输出却要能回写到 ERP / OMS / WMS / 报表等企业系统

TA 是可生成的执行层，而不是又一个模块化应用。企业系统是配置、开发出来的，企业 AI 是运行时组织出来的。企业若给它身份、权限、沙箱、日志、审批闸门和熔断，它就会成为正式的任务环节组成部分，而不是聊天窗口。

这样的企业 AI，可以操作企业系统，用企业系统完成任务，自身也成为了系统的一部分。

更进一步，如果企业 AI 能够自行实施、配置、开发 TA 工作于其上的企业系统，那我们就得到了由企业应用系统、具备操作能力的 AI、具备运行能力的 AI、具备构建能力的 AI 合而为一的企业 AI 系统。

就好像企业应用系统往往和它们的熟练用户互相绑定一样 —— 熟练的核心应用的用户在职场上受欢迎，企业内很多系统的运行也依赖于熟练用户，企业 AI 系统是一个新的生态系统。

这也是本文所说的“唯一企业系统”：由 AI 智能体、运行环境、应用及控制机制组成的统一任务交付体系。既有应用可以继续存在，但任务的组织、执行与结果验证统一由这套体系承接。

AI 时代的应用系统，不是给应用嵌入一个 AI Agent，或者开放连接器给 AI 调用，而是为 AI 而建的系统，还需要是 AI 能自建的系统，并必须与 AI 的生成式执行层一起协同完成任务

只有这样，才能让最多的工作，被 AI 最好地完成。

人保留决策与授权目标 · 判断 · 权限 · 审批 · 验收

在企业控制平面之内

1. AI 智能体组织任务

   规划工作，协调执行。

   →
2. Harness + Runtime构建与运行

   组织任务所需的程序与能力。

   →
3. 应用系统操作系统

   在获批的控制要求内，使用并扩展业务操作。

   →
4. 业务结果验证完成

   核验结果，在系统数据与状态中形成闭环。

↶观察 → 改进 → 在授权边界内继续执行

既有应用可以继续存在。AI 承接执行链，人保留判断与责任，包括不可逆动作的最终授权。

人，与唯一系统用户：AI

有了企业 AI 系统，“必须人参与”的比例不会降到接近零，还会有很大部分。降的是人亲手执行的工作，保留的是人的判断、决策和责任。

其中，有几类职责，即使 AI 具备执行能力，也仍然要由人承担：

1. 目标函数本身
   Agent 能优化给定目标，不能替企业决定什么算成功。增长、合规、客户体验、裁员、风险偏好，经常互相打架。这不是推理，是取舍。

2. 不可逆承诺
   对外签约、大额支付、改主数据、改生产参数、发布公告、对人做人事决定。即便 agent 能操作，企业也很少允许它成为最终授权和担责的主体。原因很简单：出错后站在监管、股东、员工、法庭前面的是人。

3. 合法性与组织接受
   一个结果对不对，有时取决于谁做的、经过谁批准、能否被追责。系统可以记录，agent 可以执行，但合法性仍要挂在职务和治理结构上。

此外，分布外情境仍可能需要人的判断：真正的新情况、冲突信息、政治约束、现场潜规则。Agent 很擅长把旧模式组合得像新方案；企业级失败往往出在“这次跟训练集不一样”。这类参与是为了补充判断。人的判断成为新的目标或约束后，后续执行仍由 AI 接续完成。

人参与企业系统，不会少到几乎没有，而是：

人从任务执行者，变成目标、约束、权限和例外的定义者，以及不可逆动作的最终责任人。

参与量可以下降，参与层级通常上移。并且，人没有必要再承担企业系统的业务操作。这里的“唯一系统用户”，指承担业务执行链的操作主体；人保留治理、判断与验收，AI 把人的决定转化为系统操作。

AI 对系统的构建和修改也在企业授权之内：人决定目标、权限与控制要求，AI 完成实现；AI 不能因任务需要而自行扩大权限或取消控制。

人指挥企业 AI，人赋能企业 AI，让企业 AI 在其自行构建的企业系统上工作，完成任务。人需要查看数据、作出审批或验收结果时，由 AI 将相应的界面奉上，执行链仍由 AI 承接。

如果任务一遇到系统改造、集成缺口或新能力需求，就要交回人来接手执行，完整任务的承接者仍然是人。我们要让 AI 接管的，是从业务执行到系统改造、再回到业务结果的完整链条。

这就是 AI 作为唯一的企业系统，和唯一的系统用户。如此，AI 方能成为完整任务的承接者。这是解放生产力的终极解法。

如何成就

在 2026 年 8 月当下，达到相应能力基准的 AI 大模型，已经足以支撑这一工作范式。我们不必等待下一代模型，才开始让 AI 完整承接企业任务。实际上，据我们的测试，非旗舰的开源模型，当其能力满足一定基准，也能在 ConstaVitality 的产品套件上，完成任务目标。当下，实际的阻碍在 Application、AI Runtime、AI Harness 三层。前篇 blog，已经交代了我们如何用三个产品来帮到您。在此，我想再次说明我们的三个产品如何激活 AI、帮到 AI

• TeemLush，提供企业知识和团队记忆，让人通过 Harness 赋能 AI，以及让 AI 通过任务完成赋能自己和其他协作 AI。补全 Harness 所缺
• FleeceTide，进入企业控制平面的中央式企业 Harness + Runtime，以可生成的执行层为核心，承载和治理 AI Agent 的工作，支持符合任务能力基准和接入要求的各类 AI 模型
• SiriusCore，以 AI 为唯一用户、唯一构建者来设计的应用系统，同时具备核心 ERP 功能，满足需要通过套装软件达成的需求。成为企业 AI 所需的 Application，连接所有其他 Application

企业不可能一夜之间将工作切换到这个新范式上，我们也不奢望我们的产品可以快速替换您现有的应用系统链。我们在设计产品时，也充分考虑了与您现有系统的兼容，以及逐渐切换的能力。渐进切换，就是逐步扩大 AI 完整承接的任务范围。

• 利用 TeemLush 和 FleeceTide 的组合，AI 可以使用、实施、运维您现存的任意系统，或者您选择新上的任意传统系统，无论其是否具备原生 AI 连接器，还能完成基于规则的系统难以完成的工作，拓展您现有系统体系的能力边界
• 利用 FleeceTide 和 SiriusCore 的组合，AI 可以在您任意的复杂应用系统链上，完成组合式工作，优化您现有系统的流程、集成、数据体系

在我们的三个产品中，能最大程度地让 AI 在您的企业完成任务的，是 AI 原生系统 SiriusCore。达到任务能力基准的模型，配合兼容的 Harness，都可以在其上工作，取得不凡结果。关于其如何决定性地提升了任务完成效果，我将在后面的 blog 说明。

一旦您和我们有一样的目标，想让 AI 成为任务完成者，那么 ConstaVitality 的产品一定能帮到您，帮到您的 AI。