AI 时代选企业软件,只看功能和性能够不够?
2026年11月16日

图 1|企业软件选型的差别,藏在功能清单之外的责任位置

一份面向 400 多位 CIO 的年度调研里,58.7% 把「业务部门配合度不足」列为落地障碍,首次超过「技术人才短缺」的 57.0%;同一份报告里,72.4% 的企业增加企业 AI 投入,却不足四成能说清自己改变了哪条核心流程(CIO 时代/红帽《2026 中国企业级 AI 实践调研分析年度报告》,2026-10-30 论坛发布)。2026 年 10 月 26 日人民邮电报报道的企业级 Agent 评测基准白皮书,则把评测口径从跑分转向「能否把活干完、干对、留下可核查结果」。

功能清单能证明「有」,证明不了「谁负责做对」。

传统软件选型的打分表是按功能点勾的:有没有这个模块、支持不支持那种单据、并发多少、响应时间多少。这套表成立的前提是「人操作、系统按规则执行」——功能在,人按菜单点,结果可预期。智能体进来之后,发起动作的可能不是人,取数路径由系统自己选,写回发生在哪一步没人逐笔盯着。功能还在,责任位置却变了。

于是评标会出现一种很典型的错位:A 厂商功能项 92 分,B 厂商 85 分,选了 A;上线后发现 A 的权限要单独给智能体开高权限服务账号,写回出错要人工从日志里捞,而 B 的权限是继承原系统的、写回有回滚。这些差异在功能打分表里一格都没有。2026 年 11 月 4 日中国经济新闻网转引的厂商落地标准把业务语义、治理粒度、部署边界并列为三把标尺,指向的正是这类打分表之外的东西。

不是加几行功能项,是换一张表。

一、功能打分表为什么在 AI 时代失效

三个原因。

第一,它只问「有没有」,不问「谁有权」。「支持审批流」这一格,无法区分是保留原系统的人工确认节点,还是给智能体开了一个能自动放行的通道。前者慢一点,后者出事时找不到签字人。

第二,它把跨系统的工作切成单系统功能。2026 年 11 月两份企业 AI 选型指南提醒,入口层、业务系统层、AI 能力层、Agent 执行层不能混着比;功能表恰恰是把四层的能力压进同一张清单逐项打勾,于是「每层都有」看起来很好,层与层之间谁负责交接却没人问。

第三,它测的是演示环境。功能项在干净的样例数据上都能勾满。438 家企业调研中,数据质量与数据孤岛以 35.8% 列落地第一障碍,对应的正是「同一个词在两套系统里指的不是同一个对象」这类问题——功能表里没有一格能覆盖。

国家信息中心 2026 年 11 月 3 日的文章给出 10-20-70 策略,技术 10、数据 20、组织制度流程 70。用在选型上就是:打分表七成该问的是责任与流程,不是技术参数。

图 2|企业软件的形态、运行方式与价值层级同时在变,功能清单比不出责任差异

二、两张表对照

左侧是常见的功能打分维度,右侧是同一件事换成「执行责任」之后的问法。最右一列写现场怎么验,避免又变成一轮口头承诺。

维度传统功能表问什么执行责任表问什么现场怎么验
动作发起支持哪些业务动作、能否批量发起谁能发起动作,调度任务算不算发起主体,发起主体是否进日志让一个普通账号与一个调度任务各跑一次,看日志里有没有主体标识
上下文支持多少数据源、检索速度多少「这张订单」在两套系统里指同一对象吗,口径由谁维护、改了怎么同步挑三个管理层常用指标在两套系统问数,与原报表逐项核对
写回控制支持写回哪些单据、接口是否开放写操作受谁控,高风险动作有没有人工确认,能否反查授权链随机挑一条已完成的写回,从结果反查输入与审批
出错处置有没有异常处理、是否支持重试出错谁回滚,中态单据谁续跑,切回权限人是谁注入一次工具失败,看安全停止与回滚后的前后值
口径维护有多少预置模板与规则规则、知识、提示词改一版由谁批准,版本能否回放改一次规则后回放上月任务,看能否取到当时的版本

五问有个共同点:答案都不能只靠厂商回答,必须由我方业务方参与确认。这也解释了 58.7% 那个数字——部门配合度不足不是执行阶段的意外,是打分表阶段就没把责任分配谈清楚的结果。

图 3|四层架构的分层参照,五问要落到层与层之间的交接点

三、五问逐条拆

谁能发起动作。 传统表里「发起」默认是人。智能体系统里,定时任务、上游系统事件、另一个智能体都可能发起动作。要求每个动作在日志里带发起主体标识,且调度任务也算主体;否则出问题只能看到「系统执行了」。2026 年 10 至 11 月的安全治理框架把唯一身份标识写进要求,落到选型上就是这句:连发起方都没有身份,后面四问都无从谈起。

上下文从哪取。 这一问的重点不是数据源数量,是业务对象的统一。企业本体要做的不是再建一张知识图谱,是把业务对象、指标口径、规则之间的对应关系固定下来。2026 年 10 月信通院主办的人工智能产业大会把壁垒写成沉淀在企业内部的知识、数据与方法论,也就是能力主权;选型时该问的是:这些对应关系归谁维护,换供应商时能不能导出。

写回受谁控。 读操作错了最多答错一句,写操作错了会改坏业务数据。要看到分级配置:低风险自主、中高风险人工审批、关键系统写操作强制留痕与回滚。还要看权限是不是从原系统继承——员工不能访问的数据,智能体同样不能访问,且过滤发生在检索阶段。用高权限服务账号把演示跑通,是最该在评标时排除的做法。

出错谁回滚。 这一问最容易被「支持重试」糊过去。重试与回滚不是一回事:重试是再跑一次,回滚是把已经写进去的改回去。要的是中态单据清单、续跑方案、切回权限人与值班安排。现场注入一次工具失败,看系统安全停止、转人工还是编一个近似值继续往下走。

口径谁维护。 规则、知识、提示词、编排都会变,而它们通常不走传统应用发布流程。要求有版本台账、变更审批与回放能力:改一次规则后,回放上月任务仍能取到当时版本。做不到,复盘就会退化成「大概是那次更新之后」。

一句提醒:五问里没有一问是关于模型参数的。不是说模型不重要,是模型能力在跑分报告里已经可比,而责任位置在跑分报告里完全没有。

图 4|智能双模给出的选型参照,不同业务形态不必套同一张打分表

四、怎么把五问写进招标文件

把五问写成可交付物,比写成技术要求更有效。可以要求候选方在应答文件里提供五份材料:发起主体与身份台账样例、业务对象与指标口径映射表、写操作分级配置与授权链反查样例、异常回滚演练记录、版本台账与回放记录。五份材料都基于同一条真实任务,让各家在相同样例上作答。

评标动作也相应换成现场验证:同一条跨两个系统的任务,各家跑一遍,记录「需要我方提前补配置、补数据、补审批」的项数与责任方。补得越少、责任越清楚,上线周期越不由交付承诺决定。2026 年 10 月那份评测基准白皮书配了 4 套评测集、1400 多道题,横向比厂商的题目贴合度;这里比的是我方要动多少,两张表不冲突,但别混成一次验收。

权重可以直白一点:功能与性能保留作为准入项(不达标直接出局),五问作为评分项。把功能项继续按百分制逐格打分,责任差异仍然会被一个总分盖掉。

还有一条合同建议:把供应商锁定与退出成本写进去,具体问「从我方环境迁出需要哪些步骤、哪些内容无法导出」。2026 年 11 月两份选型指南把这一条列进建议,它和第五问「口径谁维护」是同一件事的两面——口径与版本能不能带走,决定了第二年谈判时有没有选择。

五、边界,以及你可能还会问的几件事

本文只处理选型评分口径,不替代四层能力框架(那是看平台本身有哪些层),也不替代 POC 现场验收(那是看候选方在同样样例下的实际表现)。三件事可以先后做:先用功能与性能准入,再用五问评分,最后用 POC 验证。

也别把五问理解成「厂商要负全部责任」。口径确认、审批节点、验收签字都在我方,厂商能交付的是让这些责任位置可配置、可记录、可回放。分不清这一点,评标时又会把责任推回一句「原厂全程支持」。

功能项还要不要打分?

要,但只作准入。不达标的直接出局,达标的不再按格数加分,避免用功能数量盖过责任差异。

五问会不会让评标周期变长?

会多一轮现场验证,但比上线后补权限、补日志、补回滚省时。可以让各家基于同一条真实任务作答,不用逐家重新设计样例。

中小企业需要全做五问吗?

可以裁剪,但第二、三问不能省:上下文口径与写回控制直接决定会不会改坏业务数据。前两问和最后一问可以按实际有无调度任务、有无规则变更来取舍。

已经买了系统,还能补这五问吗?

能。按五问逐条做一次差距核对,先补写回分级与版本台账这两项,通常改动最小、收益最直接;口径映射要业务方参与,排在后面做。

怎么判断厂商是真有还是只做了演示配置?

要求在同一条跨系统任务上现场改一次输入(换成带脏数据的样例),看权限、口径、写回、回滚四项是否仍成立。演示配置通常只在干净样例下成立。

本文观点

1. 功能清单能证明「有」,证明不了「谁负责做对」;AI 时代选型应把打分表换成执行责任五问:谁能发起动作、上下文从哪取、写回受谁控、出错谁回滚、口径谁维护。

2. 面向 400 多位 CIO 的年度调研中,「业务部门配合度不足」以 58.7% 首次超过「技术人才短缺」的 57.0%;五问的答案都不能只靠厂商回答,必须由我方业务方参与确认。

3. 评标可要求各候选方基于同一条跨两个系统的真实任务作答,记录「需要我方提前补配置、补数据、补审批」的项数与责任方;功能与性能保留作准入项,五问作评分项。