Infor发布AI智能编排工具但规模化应用仍存挑战

近期，企业级软件市场迎来一项重要动态。Infor在其人工智能产品矩阵中发布了多项新功能，但与此同时，一份深度调研报告却揭示了一个普遍存在的困境：众多企业正面临将人工智能从局部试点项目扩展至全公司范围的规模化挑战。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

今年四月的这次产品迭代，核心是Infor Velocity Suite的功能增强，以及一款名为Infor Agentic Orchestrator的智能体编排工具的限量发布。尤为值得关注的是，此次发布同步公开了“Infor企业AI应用影响力指数”的调研结果，该研究覆盖了美国、英国、德国及法国共1000位企业决策者。

调研数据呈现出一种矛盾的局面。一方面，高达80%的企业对自身实施AI的技术能力表示自信；但另一方面，近半数（49%）的企业实际上仍处于早期探索阶段，即仅限于试点项目或部门级应用。愿景与现状之间存在明显差距。

那么，阻碍AI规模化应用的核心瓶颈究竟是什么？调研明确指出三大关键障碍：数据安全与合规性担忧（36%）、内部AI专业人才短缺（25%），以及最为现实的考量——投资回报率不明确（23%）。简而言之，企业对于资金投入的效益与风险仍存疑虑。

对此，Infor首席执行官Kevin Samuelson的阐述，揭示了该公司差异化的战略思路。他强调，Infor的智能体AI并非通用的附加模块，而是基于其长达二十年的行业专业知识构建的。其行业专属平台、多租户云架构与深度流程智能，赋予了其AI智能体超越通用AI的“上下文精准度”。他举例说明：医疗机构的采购智能体与离散制造商的采购智能体，其逻辑与目标本应截然不同。正是这种深度的行业针对性，使得Infor能够为客户清晰地勾勒投资回报图景。其价值主张不在于提供单纯的自动化工具，而是交付面向特定行业的、可量化的业务成果，旨在为客户铺就一条清晰、高效的数字化转型路径。

IDC企业软件集团副总裁Mickey North Rizza的观察也佐证了这一观点。她指出，Infor的客户在向“智能体驱动型企业”演进的过程中，确实持续获得了可衡量的经济效益。

具体到本次升级，Velocity Suite扩大了行业AI智能体的应用范围，并引入了精选的AI用例包、预构建的自动化流程模版以及加速部署的托管服务。其中，一个针对仓库管理系统的亮点应用是基于机器学习的拣货路径优化插件。根据部分客户实践，该功能最高可减少仓库内25%的无效行走距离，直接提升作业效率。

而处于限量发布阶段的Infor Agentic Orchestrator，则瞄准了更复杂的协同场景。它专为编排跨企业工作流中的多个AI智能体而设计，能够调度复杂的任务序列。通过开放式模型上下文协议，它确保了不同应用间的互操作性，同时配备了全新的可观测性工具集，旨在提升整个AI流程的透明度与可控性——这直接回应了企业对于AI“黑箱”操作的普遍关切。

客户的实际反馈最具说服力。AMADA America的IT总经理Zoaib Saifuddin分享道，迁移至Infor多租户云平台后，系统更新得以自动实现。而Agentic Orchestrator代表了下一步进化：过去服务工程师需主动搜寻解决方案，如今智能洞察将主动推送至他们面前。

Coram International的供应链分析师Vera Janssens用数据证实了价值：通过应用Infor的AI拣货路径优化，其拣货效率提升了15%，行走距离缩短了25%，从而更高效地配置了核心劳动力，降低了对临时性人力的依赖。

Kattsafe的数字与IT负责人Jamarl Scace则从业务增长视角给出了评价：借助Velocity Suite，他们在未大幅增加资源投入的情况下实现了业务扩张。从客户订单录入这一自动化场景入手，为他们提供了一条实用、低门槛的AI落地路径，使团队能更专注于高价值的客户服务工作。

然而，调研也揭示了更深层次的挑战：信任与准备度。约27%的受访者质疑自身数据质量是否足以支撑AI；31%的人对让自主智能体处理关键业务流程感到不安；此外，平均近一半的AI生成输出仍需人工复核。这表明，技术工具的完备仅是基础，企业的数据治理成熟度与组织文化适应性同样至关重要。

显而易见，Infor的此次更新正是为了系统性地应对这些挑战。其核心思路是提供更具行业深度的AI能力、完善的治理与可观测工具，以及一条从部署到价值验证的清晰路径，旨在助力企业跨越从AI试点到全面规模化这座最具挑战性的“鸿沟”。

Q&A

Q1：Infor Agentic Orchestrator是什么？它能解决哪些问题？

简而言之，这是一个AI智能体的“中央指挥系统”。它专门用于协调跨企业业务流程中的多个AI智能体，负责复杂任务的编排与调度。通过开放式协议实现跨应用互操作，并集成了可观测性工具以提升流程透明度。其核心价值在于解决企业将分散的AI试点项目整合、实现规模化部署并进行有效管控与治理的难题。

Q2：Infor的调研发现企业在AI落地方面有哪些主要障碍？

基于对四国千名决策者的调研，主要障碍可归纳为三类：数据安全与合规性挑战（36%）、内部AI人才储备不足（25%）、以及投资回报率难以明确衡量（23%）。此外，还存在更深层的“软性”障碍：约27%的企业对自身数据成熟度缺乏信心，31%对AI自主处理核心业务心存顾虑，且近半数AI输出结果仍需人工审核。这反映出企业AI规模化应用的挑战兼具技术性与管理文化双重属性。

Q3：Infor的拣货路径优化功能能带来多大的实际效益？

从已公开的客户实践案例来看，其效益非常具体且显著。例如，Coram International公司报告称，应用该功能后，拣货操作效率提升了15%，仓库内的行走距离减少了25%。这不仅直接提升了仓储运营效率，还优化了劳动力结构，降低了对临时性用工的依赖。Infor数据显示，在部分应用场景中，行走距离最高可缩短25%，这意味着可观的成本节约与效率提升。