数字化转型搞了3年，AI来了发现基础都不对

一、一个CTO的深夜崩溃

上周和一个制造业的CTO聊到很晚。他公司花了3年、砸了大几千万做数字化转型。

ERP上了，CRM上了，MES也上了。

数据每天在跑，报表每周在出，老板觉得数字化搞得不错。

然后今年想上AI。

团队选了几个场景：智能客服、供应链预测、设备故障诊断。

一做才发现，基础都不对。

他说了三个让我印象深刻的话：

• “想做个AI问答，发现同样一个客户，CRM和ERP里存的ID对不上”
• “想调设备数据，MES系统的接口文档是5年前的，早就不对了”
• “想把数据拉通做分析，发现每个部门对‘销售额’的定义都不一样”

花了3年盖好的房子，想装电梯的时候发现，墙是歪的。

二、问题一：数据是散的，不是通的

现象

• CRM存客户信息，ERP存订单数据，两套系统的客户ID对不上
• 设备数据在MES里，质量数据在QMS里，同一个批次号两边格式不同
• 销售说“客户A”，财务说“客户A有限公司”，系统以为是两家

为什么当初没解决

数字化建设时，每个系统独立上线，目标是“把本系统的业务跑通”。系统之间的数据对齐，优先级永远靠后。

“先把ERP上了再说，接口后面再补”——这个“后面”，可能就是3年。

AI来了为什么暴雷

AI需要跨系统理解业务。一个用户问题可能需要查CRM、ERP、工单系统。如果数据对不上，AI拿到的信息就是错的。

不是AI不行，是喂给AI的数据本身就是乱的。

怎么补救

• 建立主数据管理（MDM）体系：客户、产品、组织等核心实体，全公司一个ID
• 做实体映射表：记录A系统ID和B系统ID的对应关系
• 短期救急：在数据接入层做清洗和映射，不要让AI直接面对原始数据

三、问题二：系统有API，但不是给人用的

现象

• 文档上写着“接口地址：http://...”，点进去404
• 返回格式是20年前定的，字段全是拼音缩写，没人知道是什么意思
• 调用3次有1次超时，没有重试机制，没有错误码规范
• 核心系统的接口调用需要纸质工单审批，等3天

为什么当初没解决

数字化建设时，接口的主要用途是“系统对系统”的固定数据同步。今天同步A表，明天同步B表，跑通了就行。

没人想过，这些接口未来要被AI实时调用。

AI来了为什么暴雷

AI是实时调用的。用户问一个问题，需要在几秒内查3-5个系统。

接口慢、不稳定、文档缺失——这些在批量同步时可以忍，在实时调用时就是灾难。

怎么补救

• 梳理高频调用接口清单，逐个优化：加缓存、加超时、加重试
• 为AI场景建专用查询视图，而不是直连业务库
• 短期救急：建一个数据聚合层，把多个系统的数据提前汇拢，AI只查这一层

四、问题三：数据治理是嘴上说的，不是手里有的

现象

• 销售部的“销售额”是签合同金额，财务部的“销售额”是开票金额，两者差30%
• 设备状态：生产部记的“停机”是超过2小时，维修部记的“停机”是超过10分钟
• 没有一个部门对数据质量负责。出问题了，谁都对不上、谁都不背锅

为什么当初没解决

数字化建设时，每个部门只管自己的数据。销售部定义销售字段，财务部定义财务字段，没人要求统一。

数据治理听起来高大上，但一做就要动各部门的奶酪。

AI来了为什么暴雷

AI不像人，人知道销售说的“销售额”和财务说的不是一回事。AI不知道。

同一个词喂进去，AI会以为是一回事。出来的结果就是错的，而且你不知道它为什么错。

怎么补救

• 建立数据字典：每个核心字段有统一定义、计算口径、负责人
• 做数据血缘：知道这个字段从哪里来、经过什么计算、被谁用
• 短期救急：在Prompt里显式告诉AI字段含义，不要让它猜

五、一个真实的补救案例

某零售企业，数字化做了4年，AI项目启动后发现数据基础问题一大堆。

他们用了6个月补救，核心做了三件事：

第一，建了客户主数据。把CRM、小程序、线下门店的客户ID统一，花2个月清洗了300万条客户数据。效果：跨渠道识别客户准确率从62%提到91%。

第二，搭了数据服务层。把23个业务系统的接口统一封装，对外提供统一API。效果：AI调用延迟从平均5秒降到800毫秒。

第三，定了数据标准。销售、运营、财务统一了“GMV”“活跃用户”等12个核心指标的定义。效果：跨部门数据对账时间从每周2天降到2小时。

在具体实现上，有企业采用 ZGI 作为AI底座平台，其数据接入层和多源异构数据适配能力，可以大幅降低跨系统集成的复杂度，帮助团队快速搭建AI可用的数据基础设施。

六、如果你也正准备上AI

在做AI之前，先问自己三个问题：

问题一：核心实体（客户、产品、组织）全公司ID统一了吗？

如果没有，先花时间做映射表，否则AI看到的客户是碎的。

问题二：高频查询的接口稳定吗？

挑3-5个AI最可能调用的接口，实测100次。成功率低于99%、P99延迟超过2秒的，先优化。

问题三：核心指标的定义对得上吗？

拿出5个老板最常看的指标，问3个部门的负责人定义是否一致。不一致的，先统一。

这三个问题有一个答不上来，先补课，再上AI。

七、写在最后

数字化转型搞了好几年，花了不少钱，系统也上了不少。

但AI一来，发现基础都不对。这不是哪一家公司的问题，这是行业通病。

因为数字化建设时，没人知道AI会来。或者说，没人知道AI会来得这么快。

好消息是，这些问题可以补救。只是需要时间、需要投入、需要有人牵头。

但更重要的是一件事：从现在开始，把“AI就绪”作为所有新系统的验收标准。

新的系统上线，先问三个问题：

• 数据能通过API被AI调用吗？
• 核心实体的ID能和主数据对得上吗？
• 字段定义有数据字典吗？

如果今天不开始，3年后回头看，你会和现在一样后悔。

本文基于企业数字化转型与AI落地实践整理。