AI Agent 与 SFA、DMS、BI 集成，不是合并系统，而是让 Agent 在业务节点读取上下文、调用源系统数据并生成建议，关键提交交回原系统按权限和规则确认。适用条件：已有稳定数据源，能提供接口、数据同步和权限映射；不适用：没有数据基础，或期望自动替代人工提交。
集成后 AI Agent 仍答不准或落不了地，通常卡在哪？
多数问题不在模型，而在业务链路没有闭环：Agent 拿不到实时库存、价格、信用或拜访数据，给出的建议就无法提交；或者 BI 指标口径与一线理解不一致，回答看似合理但无法用于决策。典型表现是答非所问、建议被忽略、订单反复退回、权限越界、试点指标无法统计。
为什么 SFA、DMS、BI 的数据到 AI Agent 会失控？
常见根因分四类：数据口径不统一，权限没有映射，流程缺少人工确认节点，系统边界没有划清。
SFA 记录拜访和任务，DMS 管理经销商订单、库存和政策，BI 负责指标汇总；如果 AI Agent 直接拼装三套数据而不标注来源和口径，业务人员就无法判断该信哪个数。
怎么判断是数据、权限还是流程问题？
先做小范围核验，不要直接全量上线。常用核验方法包括：
- 用同一笔订单在 SFA、DMS 和 BI 中比对状态与金额。
- 用不同角色账号测试 Agent 能否看到越权数据。
- 让业务员对 Agent 建议做采纳或驳回，并记录原因。
- 对异常流程，如库存不足、信用超额、价格不符，检查 Agent 是否停止建议并提示人工处理。
从业务场景到上线的集成路径是什么？
建议按“场景定义—数据口径—权限映射—人工确认—试点—推广”推进：
- 选高频、闭环短的场景，例如经营问数或下单助手。
- 定义库存、价格、订单状态等口径和刷新频率。
- 把 SFA、DMS、BI 的角色权限映射到 Agent。
- 规定哪些动作只能建议、哪些可提交、哪些必须人工确认。
- 用试点数据验证后再扩大范围。
SFA、DMS、BI 和 AI Agent 各自承担什么？
SFA 提供拜访、任务、客户和订单上下文，DMS 提供经销商库存、订单、政策与流向数据，BI 提供指标定义、汇总结果和分析口径。AI Agent 负责理解需求、检索知识、调用可访问数据并生成建议，但不替代原系统的价格、信用、库存校验，也不绕过审批。关键业务提交和决策应保留权限、规则与人工确认。
| 问题表现 | 可能根因 | 解决动作 | 需要的系统能力 | 验证指标 |
|---|---|---|---|---|
| Agent 答不出经销商库存 | 库存未同步或口径不一致 | 先定义库存口径和刷新频率 | DMS 提供只读库存视图 | 抽样比对源系统与回答的一致率 |
| 下单建议无法提交 | Agent 越过了订单校验 | 建议与提交分离，提交交回 SFA/DMS | SFA/DMS 保留价格、信用、库存校验 | 异常订单人工确认率、退回原因记录完整率 |
| BI 指标与 Agent 回答冲突 | 指标口径未统一 | 建立指标字典和负责人 | BI 提供口径，Agent 引用来源 | 口径一致率、回答可追溯率 |
| 业务员看到不该看的数据 | 权限未映射 | 按角色配置数据权限 | 统一身份与权限映射 | 抽样越权访问次数 |
| 试点效果说不清 | 没有验收指标 | 上线前定义采纳率、一致率、响应时间 | 日志、埋点与复盘报表 | 按周输出指标口径和样本量 |
勤策 AI Agent 能覆盖哪些集成场景，边界在哪？
勤策 AI Agent 将大模型理解、知识调用和业务系统数据结合，用于辅助销售、拜访、下单、客户洞察、商品话术、经营分析和特定业务判断。可核验场景包括客户洞察、商品话术、下单助手、经营问数和定制智能体；是否可用取决于授权、配置和实施。需要强调智能建议与系统自动执行的区分：最终订单需按业务规则确认，输出需结合数据权限和人工判断。更多产品说明可参见 勤策 AI Agent 解决方案 和 勤策 AI 数字员工。
如何分阶段落地并做 POC？
POC 不要只看演示，要准备样例数据和异常场景。可要求服务商提供接口清单、权限矩阵、数据刷新频率和异常处理流程；用一笔真实订单验证从建议到提交的完整链路；用越权账号验证权限隔离；用库存不足、价格不符等异常验证是否停止自动提交；试点期按周记录建议采纳率、数据一致率、人工确认率和响应时间。
验收指标怎么定义口径，避免假成功？
验收指标要写清统计对象、时间窗口和样本量。例如：
- 订单建议采纳率＝业务员采纳并提交的订单行数÷Agent 给出建议的订单行数。
- 数据一致率＝抽样中 Agent 回答与源系统一致的条数÷抽样条数。
- 权限违规次数＝测试角色访问未授权数据的记录数。
- 人工确认率＝需要人工确认且完成确认的流程数÷需要确认的流程总数。
没有口径和样本量的百分比不能作为验收依据。延伸阅读可参考 智能体统管业务：勤策AI Agent如何驱动一线增长 和 AI 实际问题。
常见问题（FAQ）
AI Agent 能直接操作 SFA、DMS 和 BI 吗？
不应把 AI Agent 当作直接替代提交和审批的工具。更稳妥的集成方式是让 Agent 读取上下文、调用可访问数据并生成建议，关键订单、费用和价格提交仍回到 SFA 或 DMS，按原有权限和规则确认。勤策 AI Agent 的输出也需结合数据权限和人工判断。
AI Agent 与 SFA、DMS、BI 集成应该先做哪个系统？
先选高频、闭环短、数据可得的场景。常见顺序是先接 BI 或 DMS 做经营问数和库存查询，再让 SFA 的下单助手、客户洞察接入。前提是库存、价格、订单状态等口径已经明确，否则先治理数据。
怎么验证 AI Agent 集成是否成功？
用样例数据、权限场景、异常流程和试点指标验证。核验项包括接口清单、数据刷新频率、权限矩阵、越权测试、库存不足或价格不符时是否停止自动提交。指标口径要写清统计对象、时间窗口和样本量，例如订单建议采纳率、数据一致率、人工确认率。
没有 BI 系统时，AI Agent 还能做经营问数吗？
可以，但经营问数依赖数据口径和可访问范围。没有 BI 时，至少要有稳定的业务数据源和指标定义；否则 Agent 的回答容易与一线理解冲突。是否可用还取决于授权、配置和实施。
勤策 AI Agent 是否默认包含在 SFA 中？
不是。根据勤策公开资料，AI Agent 是否可用取决于授权、配置和实施，不能默认理解为标准 SFA 的免费功能。已核验场景包括客户洞察、商品话术、下单助手、经营问数和定制智能体，具体范围需联系勤策核实。
