电獭副执行长苏芃翰：不换ERP也能让AI读懂企业数据——资料正规化加MCP的导入逻辑

东亚照明当初找上电獭，想解决的问题不是「用哪个模型」，而是谁能帮他们把旧的ERP换成新的。换ERP对传统产业是大工程——很多企业的ERP早年由系统整合商高度定制，对方没办法给API，也无法配合开发。新厂商就算做出AI聊天机器人，想接进去也会卡关。真的要换，公司可能停摆半年，绑在系统里的人和流程也很难一起改。

电獭共同创办人暨副执行长苏芃翰给出的解法是不让客户换ERP。他的定位判断很明确：做工具给AI用，而不是去取代AI agent或跟AI agent竞争，因为agent太强了。具体做法是，客户说明流程，电獭的前进部署工程师团队带着产品经理和商务拓展人员进驻，把散在各系统的资料拉进AotterClam AI的资料中台。这个中台覆盖在客户原本的ERP上，把资料正规化，让AI看得懂，后面的分析与应用再交给AI。

电獭2012年成立时是一家软件研发公司，旗下有百万订阅的YouTube频道电獭少女。今年4月推出的企业AI资料大脑AotterClam AI，核心就是把力气花在整理企业散落各处的资料上，整理好之后透过MCP协定交给客户已经在用的AI。主管不需要懂MCP是什么，在Claude或GPT的窗口里发问，就能拿到分析。

实际效果如何？电獭共同创办人暨执行长谢纶说，东亚照明的中高阶主管现在直接开Claude或GPT。要准备董事会报告，只要跟AI说调出这一季的毛利率、成长多少、原因是什么，哪个业务指标落后、哪个业绩高但获利低，答案瞬间就出来了。

谢纶补充了一个更深的观察：制造业真正的痛点常在运输。出货选海运还是空运，成本差很多，海运端又没有API，但从进销存资料看得到。过去专业分工，每个人只看自己的系统，公司营运到处是断点；资料串起来之后，就能判断这批货不需要用到空运、它其实还来得及，排程也能马上优化。

不过，资料正规化最难的一步常常卡在人身上。苏芃翰提到一个现象：所有公司其实都会有一个很神秘的人，他知道怎么填这个单。这个人可能是阿姨也可能是大叔，知道什么情况下哪个字段要填什么字。系统操作过上万次，别人看起来很难的事，对他来说很自然，连单子提交出去要等30秒，他都知道这段时间可以先做什么。很多ERP没有跟着产业深度定制，各行业就发展出自己的特殊用法——「我们又没有订单，那为什么那个填单上的标题就要写订单？」每个人都叫它订单，实际上它并不是订单。

这也解释了为什么推动AI导入的最佳对口是中高阶干部而非老板。苏芃翰用煤油灯换电灯比喻：「老爷夫人无感，因为都是仆人在换。」仆人觉得很方便，老板只觉得灯都会亮，不懂为什么要换。真正让老板有危机感的是人口老化——有些制造业的财会人员原本有8到10人，熟悉传统ERP流程的人五到十年内会陆续退休。

在资安策略上，苏芃翰给出一个简洁的判断标准：「如果你愿意把这份资料上传到Google Sheet，那应该也还好。」至少就能用云端模型，不做太垂直的应用，八成需求都可以处理。对云端仍有戒心的企业，电獭也能提供地端方案，但会提醒地端模型的能力有限。建议做法是把资料分成不同机敏程度：真正机敏的资料放在地端慢慢处理；已经汇整成季报表、去除人名与厂商联络信息的资料，可以用云端看大方向的洞见。

需要指出的是，上述所有成效描述——包括谢纶所称「15分钟就能上线一套完全定制ERP」——均为厂商自述，没有独立验证。电獭服务的多是老企业，这些公司不缺钱、利基市场稳，一旦换上新系统和新流程反而能续命，但这个条件不一定适用于所有产业阶段。资料中台本身也成为新的依赖：如果正规化过程遗漏了关键业务语义，AI读到的「干净资料」可能恰恰是错误的资料。

苏芃翰认为，现在对AI的顾虑跟十年前对云端的顾虑类似。当年企业担心主机上云，Google就会知道所有东西；更早之前，大家连线上刷卡都不敢。他形容这是一次范式转移，过了十年，下一代从出生就在跟AI聊天。这个类比本身也是一个假设——它预设AI的信任建立会遵循与云端相同的轨迹，但AI处理的是推理而非储存，风险结构未必相同。