重点摘要
- Gartner 预计超过六成早期代理式 AI 项目将达不到成本或效能预期，主因是低估了整合、治理与人才需求。
- 对 AI 需要接触的每个系统问四个问题：流程需要什么、从哪道门进入、可以改动什么、出错时谁会发现。
- 接入路线按稳定程度排序：API 或 MCP 连接器、只读数据库视图、定时导出，界面自动化只作过渡。
一家连锁零售企业上线 AI 客服后，回复明显加快。直到顾客问「旺角店还有没有这款货」：库存数据在一套十多年前部署的门店系统里，没有任何对外接口。
大多数企业 AI 项目不是卡在模型，而是卡在新智能与旧系统的接口。以下四个问题，帮你逐一决定 AI 怎样接入每个旧系统。
为什么 AI 项目总卡在旧系统整合？
因为真正有用的答案都在记录系统之内，例如 ERP、POS、会员系统和库存系统，而这些系统当初并不是为外部访问而设计的。模型推理能力再强，如果无法稳定、合规地读取最新数据，最多只能给出空泛的草稿或自信的猜测。
Gartner 2026 年 1 月的研究《How to Enable Agentic AI via API-Based Integration》预计，到 2030 年超过 60% 的早期代理式 AI 项目将达不到效能或成本预期，原因是低估了整合与治理要求。Dun & Bradstreet 的 AI Momentum 调查也发现，只有 6% 企业认为数据已完全准备好支持规模化 AI。
四问整合框架是什么？
对 AI 需要接触的每个系统问四个问题：这个流程究竟需要它提供什么？AI 能从哪道门进入？AI 可以改动什么？出错时谁会发现？四个答案合起来，就决定了该系统的接入路线、权限级别和监控安排。
- 流程需要什么：只列出必须读取的字段和必须执行的动作，往往可把一半系统移出范围。
- 从哪道门进入：从正式 API 到直接操作界面，路线决定建设成本与维护负担。
- 可以改动什么：分开读取与写入，再分开可撤回与不可逆的写入。
- 出错时谁会发现：每个接口都要有业务负责人、操作日志、告警和关闭开关。
每个旧系统应该用哪种接入路线？
选择该系统已支持的最稳定路线：优先考虑正式 API 或 MCP 连接器，其次是只读数据库视图，再其次是定时文件导出，最后才是界面自动化。越往下起步越快，但运行越脆弱，因此路线要与流程的重要程度相匹配。
| 路线 | 适用情况 | 起步速度 | 运行风险 |
|---|---|---|---|
| API 或 MCP 连接器 | 系统或供应商提供正式接口 | 中 | 低 |
| 只读数据库视图 | 自家机房系统，没有 API，但 IT 可控制数据库 | 中 | 低至中 |
| 定时导出（CSV 或 SFTP） | 流程可接受数小时前的数据 | 快 | 中：数据过时 |
| 界面自动化（RPA 或电脑操作代理） | 没有 API、无法访问数据库、开发商已停止支持 | 快 | 高：界面一改即失效 |
AI 可以写入核心系统时，权限该怎样设计？
所有接口一律从只读开始，然后逐项开放写入权限：先开放可以撤回的动作，不可逆的动作则保留人工审批。AI 必须使用独立的服务账号，范围收窄到任务所需，绝不借用同事的登录信息，这样每项改动都可追溯、可即时撤销。
- 读取：查询记录以回答问题。
- 草拟：准备改动，由同事审批执行。
- 可撤回写入：例如为订单加标签。
- 不可逆写入：退款、调整积分，一律保留人工审批。
这与香港私隐专员公署《人工智能：个人资料保障模范框架》一致：按风险设定人为监督，并尽量减少 AI 处理的个人资料。
香港企业实际应用时是怎样的？
框架会把「把 AI 接上所有系统」这个模糊项目，拆成几个逐一系统的具体决定。以连锁零售企业为例，可以让 AI 通过只读视图查询库存、通过 API 读取电商平台订单，会员消息则只允许草拟，运行稳定后再逐步放宽。
- 门店库存系统（没有 API）：定时同步只读视图，只含货号、门店和数量。
- 电商平台：通过正式 API 读取订单状态。
- 会员消息：AI 草拟，同事核对后发出。
运行八周后，纯库存查询升至自动回复；涉及退款或投诉的仍保持草拟。旧系统没有更换，只是多了一道受管控的门。
企业整合 AI 与旧系统时最常犯哪些错误？
最常见的错误包括：还没证明一个流程有效就整合所有系统；因为演示效果好而默认使用界面自动化；让 AI 借用员工账号；以及把数据新鲜度当作纯技术细节。这些做法在试点阶段看似高效，一旦规模扩大便代价高昂。
- 范围过大：只需两个系统的流程，却接了六个。
- 以界面自动化为主力：系统一更新便失效，只宜作过渡。
- 共用账号：改动无法追溯，审计寸步难行。
- 忽略数据新鲜度：用昨晚的导出数据回答，AI 会自信地报出过时库存。
怎样向财务总监或董事会提交 AI 整合方案？
把整合定位为与单一流程成果挂钩的分阶段投资，而不是基建工程。方案应列明涉及的系统、每个系统的路线与权限级别、建设及运行成本、风险控制，以及在哪一天按什么指标决定扩展、暂停或终止。
- 流程与基准：目前的处理量、处理时间和错误率。
- 系统地图：每个系统的路线与权限级别。
- 分阶段成本：建设、运行及脆弱路线的维护费用。
- 决策关口：触发扩展的指标和日期。
写明「暂时不做什么」的方案，更易获批。
整合本身就是策略，而不只是管道
旧系统不是 AI 的障碍，未经审视的整合计划才是。选定一个流程，问完四个问题，从只读开始。
懂AI的冷，更懂你的难。UD 同行28年，让科技成为有温度的陪伴
与熟悉旧系统的伙伴，规划第一个 AI 接口
下一步是选定一个流程和它涉及的系统。从免费 AI 员工配置评估开始，UD 团队手把手带你完成每一步，从接入路线、权限设计到部署与成效追踪。$0 开通费，数据存放于香港或你的私有云，配合 PDPO。
常见问题
引入 AI 之前，必须先更换旧系统吗？
不必。大多数企业通过 API、只读数据库视图或定时导出，把 AI 接入现有系统。只有当长期整合与维护成本高于更换成本时，更换才合理。
用 RPA 把 AI 接入旧软件是坏主意吗？
不一定。系统没有 API、又无法访问数据库时，界面自动化是合理的过渡方案；但界面一改就会失效，因此要预留维护预算，并避免用于不可逆的动作。
把 AI 接入内部系统，会带来私隐条例风险吗？
如果 AI 看到超出任务所需的个人资料，就有风险。应实行数据最小化、把数据存放在认可地点、记录每次访问，并参考私隐专员公署的人工智能个人资料保障模范框架。