很多制造业老板问过同一个问题： AI 到底能替我做什么？
不是"能做什么"的概念，是"明天谁来干什么活"的具体。
金蝶的企业智能体操作系统「灵基 Lingee」公开了一批已跑通的场景。我把它拆成 5 个最实用的，逐个说清"替谁干活、前提是什么、怎么验收"。
一、报销无人审核
原来的流程 ：员工贴票 → 主管审 → 财务复核 → 发现不合规退单 → 员工重贴。一轮下来三五天，财务被单据埋住。
现在的流程 ：单据提交后，AI 先执行一次结构化审查——票面信息是否与报销单一致、金额是否超标、部门预算是否还有额度、附件是否齐全、是否命中历史异常模式。 全部通过的直接过，有问题的才推给人。
落地前提 ：报销制度必须先在系统里可配置化。制度还在 Word 里、靠财务口头解释的，AI 无从判断。
验收口径 ：合规单占比、平均审单时长、退单率。这三个数比"上了 AI"更有意义。
二、AI 自动经营分析
原来的流程 ：月初财务出报表 → 老板问"为什么毛利掉了" → 财务再拉数据 → 三天后给答复。
现在的流程 ：AI 在日常经营数据上做异常识别与归因提示——哪个产品线毛利异动、哪个客户回款周期拉长、哪个科目费用超预算，直接以自然语言给出线索，财务再去做深度确认。
落地前提 ：数据口径必须先统一。同一个"毛利"在销售、财务、生产三个口径里算法不一致，AI 给出的结论只会放大混乱。
验收口径 ：异常发现的提前量（从"月结后知"到"周内知"）。
三、合同智能预审
原来的流程 ：销售发合同 → 法务排队 → 平均两个工作日回复。
现在的流程 ：AI 先比对标准模板与风险条款库，标记出付款条件异常、违约责任不对等、验收标准模糊等问题项，并给出逐条检查结果与建议。 法务从"通读"变成"只看标记项"。
落地前提 ：得有一份企业自己的标准合同模板与风险条款清单。这是法务团队的沉淀，不是软件自带的。
验收口径 ：法务初审耗时、风险条款漏检率。
四、呆滞料提前预警
这个场景对制造业最直接。
原来的流程 ：月末盘库才发现某批物料半年没动，占用资金几十上百万。
现在的流程 ：AI 结合物料历史消耗速度、在手库存、在途订单、BOM 需求量，提前把"即将呆滞"的物料挑出来，提示处理路径——调拨、替代、退料还是折价清理。
落地前提 ：BOM 数据要准，库存账要实。BOM 不准的话，预警会变成误报机器。
验收口径 ：呆滞料金额占库存比、库存周转天数。
五、预算实时管控
原来的流程 ：预算在 Excel 里，超支到下个季度才被发现。
现在的流程 ：预算嵌进业务单据流，费用发生即校验、即占用、即提示剩余额度。超预算的申请在提交环节就被拦下，而不是在报销环节。
落地前提 ：预算科目与会计科目的映射关系要理清。
验收口径 ：预算执行偏差率、超支发现的时点。
说句实在的
这 5 个场景有一个共同点： 它们都不是"加一个 AI 按钮"就能用的。
报销要制度可配置，经营分析要口径统一，合同预审要风险条款库，呆滞料预警要 BOM 准，预算管控要科目映射清。
AI 是放大器，不是补丁。 底层管理规范的企业，上了效果立竿见影；底层一团乱账的，上了只是把混乱跑得更快。
所以我们的建议一直是： 先做需求评估，再决定上哪几个场景。 五个全上不是本事，能挑出企业当下最痛的那一个、三个月见数，才是。
