引子：企业上 AI，最大的顾虑其实是老系统

前几篇，我们讲了 WorkMate 是什么、能做什么、怎么落到每个部门。但聊到落地，几乎每个企业管理者都会问出同一个问题：

"我们公司已经有一套用了很多年的系统了，上 WorkMate，是不是得把这些系统全换掉？"

这个问题问到了点子上。因为对绝大多数企业来说，老系统不是"要不要换"的问题，而是"根本换不动"的问题。如果 AI 落地的前提是"先把系统推倒重建"，那这件事大概率做不成。

WorkMate 给出的答案，恰恰相反：不推倒重建，而是给老系统"接一根 AI 的线"。

一、老系统为什么不能推倒重建

先说说，为什么"推倒重建"这条路走不通。

企业历经多年数字化建设，早已形成高度定制化、深度耦合的遗留信息系统——ERP、CRM、SCM、MES。这些系统多采用面向人工交互的设计、封闭的数据架构和硬编码的业务逻辑，它们身上压着四座大山：

沉没成本。一套系统往往投入了几年甚至十几年的开发、维护、数据积累，动辄几百万上千万。说换就换，账根本算不过来。

业务连续性。老系统上跑着的是企业每天真实发生的业务——订单、库存、财务、客户。系统一停，业务就停。没有哪家企业敢在业务照常运转的同时，去动这套系统的根基。

员工习惯。一线员工用了多年的系统，操作流程、界面、习惯都已经固化。突然换一套全新的，培训成本、抵触情绪、出错率，都是实打实的风险。

数据资产。老系统里沉淀的是企业最核心的数据——客户、交易、价格、库存。这些数据是企业的命根子，迁移过程中的任何闪失，都可能造成不可逆的损失。

所以，结论很清楚：老系统不是"要不要换"的问题，而是"必须继续用"的现实。 那么问题就变成了——怎么在"继续用老系统"的前提下，让企业用上 AI？

二、WorkMate 的思路：不换系统，接一根线

WorkMate 的思路，可以用一句话概括：不换系统，接一根线。

这根"线"，就是 MCP 接口。

MCP（Model Context Protocol，模型上下文协议）是一种标准化的接口协议。它的作用，是让 AI 能够以统一的方式，去调用和操作各种外部系统——不管是新系统，还是老系统。

关键就在这里：WorkMate 不需要老系统"变成"一个 AI 系统，它只需要老系统"开放"一个 MCP 接口。 通过这个接口，WorkMate 就能直接读取老系统的数据、触发老系统的操作、调用老系统的功能。

打个比方：老系统就像一台用了多年的老机器，功能稳定、业务熟悉，但它不会"说话"，也没法被 AI 直接指挥。MCP 接口，就是给这台老机器装了一个"转接头"，让 WorkMate 能听懂它、指挥它。

这样一来，企业既不用推倒重建老系统，又能让 AI 真正"用起来"——因为 AI 操作的，还是原来那套系统、原来那套数据、原来那套流程。

三、兆企是怎么做的：对老系统做适度的 MCP 接口改造

兆企供应链自己，就是这条路的实践者。

兆企在应用 WorkMate 的过程中，并没有把原来的系统推倒重建，而是对老系统进行了适度的 MCP 接口改造。

具体来说，兆企的做法是：找出老系统中那些 AI 需要高频操作的核心功能——比如报价查询、合同审批、库存查询、订单流转——为这些功能封装出对应的 MCP 接口。WorkMate 通过这些接口，就能直接操作原系统，完成报价、审批、查询、流转这些动作。

这里有两个关键词值得注意：

第一个是"适度"。 兆企并没有把老系统的每一个功能都改造成 MCP 接口，而是只挑那些 AI 真正需要、真正高频的功能来做。改造成本被控制在很低的水平，不会伤筋动骨。

第二个是"不改流程"。 MCP 接口改造，改的是"接口层"，不是"业务层"。原来的业务流程、审批逻辑、数据规则，一点都没动。员工该怎么操作还是怎么操作，只是多了一个"AI 也能操作"的入口。

WorkMate 把这种改造，提炼成了一个清晰的升级公式：

企业 AI 升级 = 企业管理规范的技能（Skills）定义 + 企业原有系统的工具化（MCP）改造

这个公式的核心在于：它不破坏原有的组织根基，而是从"人"和"系统"两个维度，同时进行平稳的数字化延伸。所谓"工具化改造"，就是把原系统中那些已经非常成熟的功能（比如"查询库存""导出报表""提交付款说明"），套上一层标准化的"翻译外套"。这层外套，能让原系统功能变成 AI 智能体一听就懂、一唤就醒的标准化工具。

企业通常不需要改动原系统的核心代码和底层架构，就能以较低的改造成本，把需要的功能逐步接入 AI。原有业务继续运行，同时增加一个 AI 操作入口。

四、MCP 改造的三个关键原则

从兆企的实践里，可以提炼出老系统 MCP 改造的三个关键原则，这也是 WorkMate 与老系统共存的方法论。

原则一：低成本。只改造 AI 确实需要的功能，不追求全量改造。能通过一个接口解决，就不动整个模块。企业可以先从小范围试起，验证效果后再逐步扩大。

原则二：不改流程。 改造只发生在接口层，不触碰业务层。原有的业务流程、审批逻辑、数据规则保持不变。AI 的加入是"增量"，不是"颠覆"。

原则三：可回退。 接口改造是"加法"，不是"替换"。老系统原有的操作方式仍然保留，员工可以继续按老办法操作。万一 AI 这条线出了问题，随时可以退回到原来的方式，业务不受影响。

这三个原则，本质上回答的是同一个问题：如何让企业"敢"用 AI。 只有当改造足够轻、风险足够低、可逆性足够强，企业才敢于迈出第一步。

五、MCP 改造为什么划算：五大直观优势

把企业系统改造为 MCP 服务，不只是"能用"，更是"好用"。它带来五大直观优势：

高度标准化——统一接口规范，打破信息孤岛，后期维护极其简单。

执行更精准——AI 通过企业授权的 API 调用系统功能，可以减少手工复制和重复录入造成的差错，最终结果仍需按照业务规则校验。

响应更快速——砍掉繁琐的中间操作环节，系统响应与任务执行效率大幅提升。

安全且可控——可以接入企业现有的权限控制和审计机制，对调用过程留痕，便于追溯。

易于高扩展——架构相对灵活，未来有新系统上线时，可以按照相同方式继续对接。

这五点，恰好对应了企业管理者对 AI 落地的核心关切：准不准、快不快、安不安全、好不好维护、能不能扩展。MCP 改造，一次性把这五个问题都回答了。

六、改造后的效果：老系统"原地升级"，业务无缝衔接

做完 MCP 接口改造之后，兆企得到的是一个什么样的局面？

老系统还是那个老系统，界面没变、流程没变、数据没变。但在这套老系统之上，多了一层 AI 能力——WorkMate 可以直接操作它，完成报价、审批、查询、流转这些原本需要人工一步步操作的事。

业务员还是用原来的方式工作，但重复、耗时的操作可以交给 WorkMate；管理层继续查看原系统的数据，也可以让 AI 协助分析和生成报告；风控流程保持不变，AI 按照权限参与检查和提示。

这就是"原地升级"：系统没换，能力升级了；流程没变，效率提升了；数据没动，价值放大了。

更重要的是，这种升级是"渐进"的。企业可以先从一个部门、一个功能开始改造，看到效果后再逐步扩大。今天接库存查询，明天接订单审批，像拼积木一样，一块一块地接。每一步都可以单独验证，也能随时回退，风险更容易控制。

结语：老系统不是包袱，而是 AI 的"底座"

很多企业把老系统当成上 AI 的"包袱"——觉得它老旧、笨重、拖后腿。但 WorkMate 的实践告诉我们：老系统不是包袱，而是 AI 的"底座"。

因为老系统里沉淀的，恰恰是 AI 最需要的东西——真实的数据、成熟的流程、稳定的业务。这些是花再多钱也买不来的资产。AI 要做的，不是推翻这些资产，而是站在这些资产之上，把它们的能力释放出来。

MCP 接口，就是连接"老系统的资产"和"AI 的能力"的那根线。通过这根线，企业不用推倒重建，就能让老系统"原地升级"，让 AI 真正落地。

这才是企业数字化最务实、最可行的路径：不折腾系统，只接一根线，让 AI 长在原有的业务之上。