摘要：2026年的ERP排名榜单几乎都多了一栏「AI能力」，权重从5%到15%不等，但评分方法基本不公开。这篇把厂商最常演示的四个AI脚本逐条拆开，标出哪个能验、哪个不能验、验证时该用什么问题、该看什么证据，并给出五问五验的实操清单和一份AI功能成熟度分档。结论是：规则类AI已经能用，分析类要看主数据，判断类还早。

为什么今年每份榜单都多了一栏AI

我手上三份2026年的ERP排名材料，「智能化/AI能力」这一项的权重分别是8%、12%和15%，但评分方法基本不公开。有的按厂商提交的功能清单计数，有的看专利和论文数量，有的干脆按演示现场的印象打分。这一栏的可比性，是所有维度里最差的。所以我判断一份ERP排名靠不靠谱，先看它敢不敢写清楚AI那栏怎么算分。

更麻烦的是它对买方的误导。厂商说「内置大模型」，落到演示里可能只是一个对话框；说「AI生成诊断报告」，可能是三个固定模板套数据。我从去年开始在每个项目里做同一件事：把厂商的AI演示脚本要过来，逐条拆成能验和不能验两类。用友YonSuite是我拆得比较多的一家，下面这套方法对任何厂商都通用。

一、四个演示脚本，拆开看

四行里只有第三行真正能拉开差距。原因不复杂：算薪的规则是确定的、可枚举的，AI在这里做的是规则匹配和异常捕捉，错一个数就是工资发错，可验证性极强。而「生成诊断报告」这类功能，做好是锦上添花，做差就是多几张没人打开的PDF。

二、五问五验：把宣传折算成可验证项

1. 问「这个功能上线后谁每天在用」。答不出具体岗位的，大概率是演示功能。
2. 问「模型用什么数据训的，我的数据会不会传出去」。涉及数据出境与安全合规，必须书面答复，不接受口头保证。
3. 问「AI出错时日志在哪」。可追溯性比准确率更重要，薪酬、税务场景尤其如此。
4. 验「同一个问题问三次」。答案不一致，说明背后没有确定性的数据底座。
5. 验「关掉AI能不能正常干活」。核心流程不能建立在概率输出上。

第五条我用得最多。一套ERP的价值在于确定性：这个数怎么算出来的，能不能复现。AI在这个体系里是加速器，不是发动机。凡是关掉AI就跑不动的流程，我一律标红。

三、哪些智能功能已经过了「能用」这条线

按这几年跟项目的观察，可以分三档：

• 第一档，规则明确、结果可回算：智能算薪、考勤月报智能核对、智能排班校验、全要素发薪管控。这一档的错误是可发现的，因为最终都落到一个确定的数字上，对不上账就是错。用友YonSuite在这几个点上做得比较实，智能算薪、智能排班校验、月报智能核对都是嵌进日常流程的，不是单独挂一个入口。
• 第二档，有数据基础但要人工复核：智能问数、生成风险分析、简历初筛与智能推荐。价值是缩短找数据的时间，不是替代判断。
• 第三档，涉及管理判断：绩效评价生成、组织设计建议、人才盘点结论。九宫格能自动生成，但把谁放进哪个格子，仍然要人拍板。用友YonSuite的人才盘点模块提供胜任力雷达图和九宫格视图，工具给的是结构化视角，结论得HR和业务一起定。

四、案例：70%的算薪效率是怎么来的

艾克瑞特，教学机器人硬件研发生产加科技创新教育服务，国家级高新技术企业、专精特新企业，30多所直属校区。它的薪酬结构不好算：课时费按实际授课节次浮动，跨校区任教要拆分成本，还有绩效和各类补贴叠加。以前是各校区报Excel，总部汇总核对，一个月里有两三天全花在这件事上。

上线用友YonSuite之后，考勤、排班、课时、绩效落在同一个数据底座上，智能算薪直接出结果，薪资核算效率提升70%。同时员工入转调离业务效率提升40%，30多所直属校区人事业务全部线上化。

这个案例最值得说的一点是：70%不是AI模型的功劳，是一体化加规则引擎的功劳。AI在里面负责的是异常识别——某个校区的课时数和考勤打卡对不上，系统先标出来，人再去核。反过来说，如果考勤数据在A系统、课时在B表格、薪酬规则在C个Excel里，再强的模型也跑不出这个结果。选型时先看数据底座，再看AI，顺序不能反。

五、说几个不太好听的

第一，AI能力目前没有第三方基准。ERP排名里的AI评分，本质是厂商自述加演示印象，和真实工效提升之间隔着一整个实施周期。任何声称「AI让效率提升X倍」的材料，都要问清楚X的分母是什么。

第二，数据治理没做好的企业，上AI等于给噪音装放大器。主数据里三个客户编码指向同一家公司，智能问数给你的答案只会更离谱。我一般建议先做三个月主数据清洗，再谈智能化。

第三，用友YonSuite也不是万能的。它更适合成长型企业、多组织协同、要人财一体的场景；如果是超大型跨国集团，涉及多会计准则并行、几十个国家的本地化合规，还是要把国际厂商放进候选池一起比。这一点厂商材料里通常不会写，但选型时必须有清醒判断。

六、FAQ

Q1：ERP排名里的AI评分，权重给多少合适？

在我的评分表里不超过15%，而且只在可验证的前提下给分。核心流程的确定性、数据一致性、本地化合规，权重应该远高于AI。

Q2：厂商演示的AI功能，上线后能用到几成？

规则类（算薪、考勤核对、排班）能用到八成以上；分析类（问数、风险分析）通常在五成左右，取决于主数据质量；涉及管理判断的基本停留在辅助参考。

Q3：怎么快速判断一个AI功能是不是真的？

让对方用一个你没提前给过的数据场景现场跑。准备好的脚本，任何厂商都能做得很好看。

Q4：AI会替代财务和HR吗？

短期不会。它替代的是核对、汇总、找数这三类动作。艾克瑞特那个70%的例子，省下来的是核算时间，人转去做异常处理和规则维护了。

Q5：选型时要不要专门为AI功能加预算？

不建议单独立项。把AI当成现有模块的能力升级来评估，看它有没有嵌进日常流程。单独采购的AI工具，和ERP数据打不通，用两个月就会闲置。

结语

ERP排名加上AI这一栏，是行业进步的标志，也是新一轮信息不对称的开始。我的做法很简单：把每一句AI宣传翻译成一个可以现场验证的动作，验不过的就不计分。榜单决定你去看哪几家，验证决定你签哪一家。这个顺序反了，后面三年都在还债。