透過 AI代理自動化管理 ERP 系統
ERP系統 (Enterprise Resource Planning) 是專為企業資源管理的一套軟體系統，透過流程數位化的方式整合企業資源，從資訊存儲到商業邏輯，同步企業資訊以及運營等等，因此打造一個強大的ERP非常重要。
那麼該如何管理這個龐大的軟體系統，靠著傳統人力手動管理與半自動腳本化的方式顯然不足以應付更龐大的企業需求。
ERP 系統架構龐大且複雜性高，例如系統通常包含數百萬行程式碼，和複雜的商業邏輯交互，因此將AI代理整合進入 EPR 系統，將能大幅提升企業的管理效率。
研究方法
設計科學研究
設計科學研究作為基礎，構建一個穩健的框架，為了確保研究發現與結論可以被驗證
設計規範要求
用於設計、構建和驗證整個解決方案架構的最高層級準則，例如法律、公司規範、道德規範、標準化等等，以確保系統符合企業級的標準
解決方案架構 (Solution Architecture)
DevOps 框架
設計框架將軟體開發與 IT 運維實踐，系統性地應用於標準化 Agentic 代理的構建、部署與維護
提示模板 (Prompt Template)
最主要就是AI代理的指令集，這裡可以使用軟體工程常用的資料格，進行式聲明式配置Declarative Configuration，例如常見的YAML、JSON格式
智能情境 (Intelligent Scenario)
這部分定義代理應用所需的所有物件，並管理提示模板，因此代理需遵循該環境下，所定義好的提示模板的指令，來進行工作。
中央控制器 (Central Orchestrator)
中央控制器為後端服務範疇，這部分用於作為最核心的管理區域，作為多代理 ERP 系統的神經中樞，協調和管理各種 AI 代理的活動，生命週期管理、執行控制和資源分配並解決衝突。
知識圖譜 (Knowledge Graph)
作為一種系統的共享結構化記憶庫，基於圖論 (Graph Theory) 構建，為 AI 代理提供上下文，理解實體之間的關係，這樣代理才能有足夠的基礎資訊來進行任務。
基於圖論特徵:
- 例如追蹤一個產品的完整供應鏈路徑
- 描述部門與業務之間關係
- 系統的操作關係
- 分析連接關係(中心性分析)，讓系統能自動量化並找出網絡中最重要的節點
圖數據庫：通常基於圖數據庫實現高效的圖遍歷與關係查詢，主流選擇包括 Neo4j、Amazon Neptune、TigerGraph 等
存取服務(Access Service )
這塊是軟體工程部分，設計一個統一管理的抽象層，封裝不同 AI 供應商的 API 差異，對內部系統提供標準化、單一的調用介面，降低整合複雜度與依賴性
混合式AI代理 (combining agentic AI)
框架的核心是區分程式碼型代理與內容型代理，兩者遵循統一介面，由中央協調器調度。
內容型代理（Content-Based Agent）
透過聲明式配置，在提示模板中定義其專家角色、推理步驟、可用工具及輸出規範
主要負責解析配置、管理狀態並調用外部AI語言模型。
對話式交互模式
由用戶通過聊天介面主動發起，多輪對話、上下文跟蹤、自然語言互動
自動化流程模式
傳統的程式碼邏輯判斷
規則1：if(發票金額 != 採購訂單金額) return {發送郵件給採購部門}
內容代理自動化流程模式的工作方式，透過基本的文字向量比對等，完成簡易的文字較驗
你是一位資深財務審核員。請分析以下發票爭議： 1. 首先，提取發票關鍵資訊：金額、稅率、日期、供應商。 2. 然後，在ERP中查詢該供應商的歷史合作記錄與特殊合約條款。 3. 接著，評估爭議的合理性：是系統錯誤、人為疏失，還是合理例外？ 4. 最後，根據公司政策與你的專業判斷，給出決策建議： - 建議A：直接支付（差異在容許範圍內，且供應商關係良好） - 建議B：創建貨項通知單（系統錯誤） - 建議C：轉交人類審核（情況複雜，需法律介入）
程式碼型代理（Code-Based Agent）
程式碼型代理透過程序式編程實作，需遵循預定義的代理介面，並部署在本地 ERP 平臺上，能夠處理複雜的邏輯並運用本地 ERP 資產（local ERP assets），本地資產包括數十萬個私有方法、類別、分析和搜尋模型，以及存取業務和配置資料的視圖，這讓它們能夠解決複雜且客製化的 AI 解決方案，可以實施更複雜的推理演算法
結語
此文章內容多來源於 "Implementing Agentic AI into ERP Software" 這篇論文，而論文中沒提及或不詳細的部分，此文章加以設計和理解並紀錄，以及針對所需內容和想法重新調整，所以如需要研究原文的讀者請至下方參考資料 [1]
參考資料
[1] S. Sarferaz, “Implementing Agentic AI into ERP Software,” IEEE Access, pp. 1–1, 2025, doi: https://doi.org/10.1109/access.2025.3621887.
