在企业并购（M&A）浪潮中，CIO 往往面临着最棘手的任务：如何将几十套不同的 ERP、文化和数据流整合在一起？All States Ag Parts (Parts ASAP) 的 CIO John Fraser 给出了一个反直觉的答案：不要试图用一套系统统治一切，也不要让 AI 成为你的枷锁。
作为一家农业和重工设备供应商，Parts ASAP 在通过收购 23 家企业后，并没有陷入“大一统”系统的泥潭，而是走出了一条独特的“混合架构+务实 AI”之路。以下是 Fraser 的核心管理智慧。
在整合分散的系统时，大多数 CIO 的本能反应是迁移到单一的 ERP 核心平台。但 Fraser 反其道而行之。
他指出：“如果你试图让一个平台满足所有人的需求，你最终会变成‘样样通，样样松’（jack of all trades and master of none）。”
分而治之：制造定制零件（如叉车前叉）的流程与海外采购分销的流程截然不同。Parts ASAP 选择保留多个“同类最佳”的运营平台，以适应不同的业务部门。
后台统一：虽然前端运营平台不同，但财务团队和 IT 团队是统一的，通过数据集成层实现“客户 360 度视图”。
这是 Fraser 最具前瞻性的技术策略。在面对成千上万家 AI 初创公司时，他不仅没有患上“选择困难症”，反而采取了一种极其灵活的架构：
铁打的数据，流水的 AI：他将 AI 视为一种商品化服务。数据从核心平台流出，经过 AI 处理（如生成产品描述），然后存回核心平台。
拒绝锁定：Fraser 透露，他们已经更换了 5 次 AI 引擎。因为数据掌握在自己手中，如果 AI 供应商被收购、倒闭或不再适用，他可以随时切换到下一个更好的引擎，而无需重写核心系统。
增强而非替代：在定价策略上，AI 只是辅助因素，最终决策权仍在人类手中。
对于农业和建筑客户来说，零件不仅仅是商品，更是生产力。Fraser 的数字化转型完全围绕“基于需求”的紧迫感展开。
全渠道挑战：面对沃尔玛、eBay、亚马逊等 20 多个销售渠道，每个渠道对产品描述的字数和格式要求都不同。
AI 的规模化应用：人力无法为 25 万个 SKU 撰写定制描述。Fraser 利用 AI 生成内容，人类员工则转型为“编辑”和“审核员”，专注于质量把控。
面对拥有 20 年定制 ERP 使用习惯的老员工，强行切换系统是灾难性的。Fraser 的秘诀是透明度。
先听后动：在引入重大变革前，先通过“快速赢利”（Quick Wins）展示效率提升，建立信任关系。
带人同行：变革不是拖着员工走，而是让他们参与其中，理解变革背后的客户价值。
结语：
John Fraser 的案例告诉我们，技术领导力不仅仅是购买最贵的软件，而是关于平衡——在统一与灵活之间、在 AI 创新与数据主权之间、在技术效率与企业文化之间找到那个最佳支点。
去年夏天的 CIO100 研讨会暨颁奖典礼上，ComputerWorld 的 Lucas Mearian 采访了 All States Ag Parts（Parts ASAP）的首席信息官 John Fraser。他们讨论了这家北美农业、建筑和工业设备供应商在合并了 23 家企业后，如何通过平衡文化、透明度和“同类最佳”平台来实现技术的统一。
等待替换零件不仅仅是不便，更意味着收入和机会的急剧流失。这一点对于那些依赖工业工具和设备进行农业和建筑作业的人来说尤为真实。因此，为了确保业务尽可能高效运行，Parts ASAP 的 CIO John Fraser 将最终客户满意度作为技术实施和分销的核心驱动力。
“为了实现这一目标，归根结底在于团队，”他说，“我加入这个组织是因为这里的文化，以及‘先倾听，后行动’的心态。这是我所信奉的，我也将继续传承这种文化。”
引进人才和新产品对于打造稳定的电子商务模式至关重要，这使得 Fraser 和他的团队能够帮助向客户进行数字化广告投放，建立合适的合作伙伴关系以驱动流量，并提供适量的数据支持。
“一旦你成为我们的客户，我们必须确保我们是一家基于需求运营的企业，”他说，“我们必须成为他们脑海中第一个想到的品牌，因为这不仅仅是关于一台‘山猫’（Bobcat）设备上断裂的履带，而是关于设备停机导致的一天 1000 美元的收入损失。”
最终，这一策略通过一系列高度集成的工具为客户提供帮助和支持，打造沉浸式体验。但 Fraser 表示，最大的挑战在于客户所处的市场渠道种类繁多。
“有些人更喜欢我们的网站，”他说，“但也有人在沃尔玛或我们销售的其他约 20 个商业渠道上购买。每个渠道都有独特的需求、购买方式和产品描述。例如，对于同一个产品，我们可能有 20 种变体，以符合 eBay 的字符限制，或者亚马逊的品牌限制。因此，我们建立了自己的产品信息管理（PIM）平台。这需要合适的人才来利用这项技术，并建立反馈循环来完善流程。”
当然，AI 始终是讨论的话题，因为靠人工无法为 25 万个 SKU（库存量单位）编写更新的描述。
“人工智能将从根本上改变每个人的工作，”他说，“我知道我必须为此做好准备，并且要有前瞻性思维。我们必须拥抱它。如果你不这样做，你就会被抛在后面。”
Fraser 还详细介绍了在定价、产品数据增强和客户体验方面的实际 AI 应用，同时强调了要进行实验但不可过度依赖。
1.关于整合分散的系统：
你肯定会遇到挑战。虽然大家可能都在使用同一个 ERP 系统，因此有一定的熟悉度，但即便如此，系统中也存在大量的定制化内容。有时这是专门为组织正在运行的某种流程，或独特的销售流程而设计的。但在其他情况下，整合非常困难。我们收购的一些公司拥有自己定制开发的 ERP 平台，他们花了 20 年时间精心打磨，消除了每一个多余的按钮点击。处理这些情况通常没那么顺利，但你需要从良好的文化开始，向员工和客户坦诚说明正在发生的事情，然后一起努力解决。好消息是，这一切始于“客户至上”的理念，并且始终如一地执行。在引入重大变革前，先告诉大家变革即将到来，并建立良好的关系。通过一些快速的胜利和效率提升，人们会开始产生信任。这样，你就不只是拖着他们走，而是带着他们一起踏上这段旅程。
2.关于人工智能（AI）：
大家都在谈论 AI，但这其中存在危险，就像当初区块链和其他沉浸式技术存在的危险一样。你必须确保自己知道为什么要使用 AI。你不能仅仅因为它是流行词就去用它。你必须把它融入你的战略和现有用例中，然后加以利用。我们采取的方式是利用 AI 增强现有战略，而不是彻底、根本地改变它。例如，我们将利用 AI 来辅助产品定价。我们拥有出色的竞争数据，并且对所需的利润率和市场定价定位有清晰的认识。有些公司因为全力押注 AI 而登上新闻，但 AI 在自动化方面做的一些事情可能并不太恰当。但如果你能让 AI 成为人类决定定价时的参考因素之一，这才是我们所处的状态，而不是将一切完全移交给 AI。
3.关于汇集数据：
我们对所有客户拥有 360 度的全方位视角。我们知道他们什么时候在网上购买，什么时候在线下购买。如果他们买的是建筑设备和物料搬运设备，我们都能看到。但是，有人为叉车购买定制的前叉，这与有人需要为约翰迪尔（John Deere）拖拉机购买新水泵是完全不同的情况。拥有一个能预测定制前叉需要两天半交货时间的制造平台，与确保水泵第二天送到你家门口的系统是完全不同的。根据我过去的经验，试图在一个平台上完成所有这些事情并未成功过。因此，我们选择了一种混合方法：汇集数据，但同时为不同的业务细分领域保留“同类最佳”的运营平台。
4.关于 IT 系统的扩展：
关键在于我们不怕拥有多个运营平台。如今，在我们拥有 23 家不同公司的生态系统中，我们在物料搬运业务中制造零部件，这是一个与采购海外零部件、进口并快速分销给需求方完全不同的运营平台模式。这是完全不同的模式。所以在那这种情况下，我们不是建立一个核心平台，而是建立“适量”的平台。不是 23 个，但也绝不是 1 个。所以当我们思考如何实现规模化时，也意味着如果你试图让一个平台满足所有人的所有需求，你会变成“样样通，样样松”（杂而不精）。因此我们希望确保，虽然我们有不同的细分市场，但在后端——相同的财务团队、相同的 IT 团队——拥有运营效率，我们会保留多个运营平台。然后通过包括 AI 在内的不同技术，确保我们对客户有一个统一的视角，即使他们的购买行为跨越了两三个不同的系统。
5.关于技术部署：
尽早尝试，但确保不要立即过度依赖它。我们有 25 万个 SKU，以及超过两百万个可以为客户特别订购的零件，你不可能靠人力为这些数据补充世界级的产品描述。因此，我们会针对亚马逊或 eBay 等平台，有选择地决定如何制作最佳的产品列表。我们正在使用 AI 为我们构建增强版的产品描述，与其让 10 个人去策划和撰写这些产品的定制描述，不如利用 AI 和智能体（Agents），让人们去“构建”内容。现在，人类员工只是批准、拒绝或编辑这些内容，所以我们是利用他们所需的专业知识来判断这是否是一个好的产品列表。我们知道有成千上万家 AI 公司，让我们去押注谁输谁赢是一场赌博。我们的策略是将 AI 视为一种商品化的服务。我们会提取数据（由 AI 处理），然后将其放回我们的核心运营平台中进行静态存储。这样，即使我们选错了合作伙伴，或者他们被收购、倒闭了，我们可以快速切换，而无需重写整套系统。因为我们接入 AI，将其作为一种商品化服务使用，获取数据，将其存储下来，然后我们就可以更换 AI 引擎。我们已经更换了五次，直到找到最好的合作伙伴之前，我们可以再换五次。这样我们既能保持在技术前沿，又不必承担将 AI 过深地构建到核心平台中的全部成本和风险。
