員工用AI都變快了，企業增收為何沒跟上？騰訊雲尋找答案

作者 | 江宇 編輯 | 漠影 在華潤信託，一筆債券交易的起點，可能只是一條聊天群裡的消息。交易員需要在上千個交易群中接收指令，識別交易要素，再錄入交易系統。客戶詢問持倉、交易進度時，他們還要打開系統查詢，把結果發回群裡。這項工作既繁瑣，又容不得差錯。如今，華潤信託開始讓一個智能體接手其中部分工作。它直接進入交易群，識別並拆解交易指令、錄入系統，也能查詢持倉與交易進度，自動回覆群裡的諮詢。▲華潤信託蘇南 據騰訊雲披露，這個基於智能體開發平臺ADP打造的債券助手，拆單準確率已經從最初的80%以上提高到98%。但在關鍵節點，華潤信託仍然保留人工確認。

這背後其實是行業的一個非共識：大模型不斷展示其可以完成多少複雜任務，但模型能正確理解一條指令，與企業願意讓它執行這條指令，是兩回事。有人認為，模型能力的持續進步，終將抹平企業AI落地的種種技術門檻。現實未必如此。2026年8月，麥肯錫發佈全球AI調查：80%的受訪者稱AI提高了個人工作效率，但只有37%認為AI對所在企業利潤產生了正向貢獻。9月，麥肯錫進一步提到，企業大量時間消耗在不同部門和系統之間的任務傳遞、協調與等待上。可見，企業AI難以突破的是，模型之外的整個企業生產體系。這也是不少專注模型或單點應用的中小To B AI公司面臨的挑戰。

模型能力和產品功能可以快速迭代，但要進入企業核心系統，獲得客戶信任，並建立覆蓋不同行業的交付體系，需要更長時間的投入與積累。10月30日，在騰訊全球數字生態大會上，騰訊雲升級智能體開發平臺ADP，發佈AgentPortal 2.0，並宣佈與WorkBuddy雙向打通。此次升級，騰訊雲還進一步明確了ADP的Service Agent定位，聚焦企業數據和業務場景，推動Agent深入業務流程，創造實際經營價值。從企業業務系統接入，到智能體統一管理，再到行業場景與交付生態，騰訊雲正在嘗試提前佔據企業Agent規模化落地的戰略要地。

這些探索能否在模型之外，為騰訊雲建立起一道更難被後來者快速複製的企業AI護城河？一、AI敢不敢進入核心業務？企業Agent先要跨過管理關 從理解指令到執行交易，企業Agent首要解決的，是權限與責任問題。華潤信託債券助手仍保留人工確認與操作記錄的原因，其實不難理解。一個金融智能體可以查詢客戶持倉，不意味著它能夠查看所有客戶的數據；一個負責辦理業務的Agent能夠調用系統接口，也不意味著它有權完成所有操作。企業管理Agent，首先要做的就是劃清業務權限。

對應這一需求，騰訊雲ADP此次升級了安全私網連接、租戶及權限隔離等能力，支持不同Agent按照權限訪問數據庫、ERP等企業內部資源，並將企業系統連接能力統一提供給沙箱、工作流、MCP、連接器等不同模塊。再來看，在雲南白藥也是如此：雲南白藥的員工日常需要查詢內部制度、藥品信息和醫學資料，但這些知識的使用對象和權限要求各不相同。為此，雲南白藥依託ADP與樂享，將權限管理細化到員工ID。員工通過“白藥釘”一個入口提問，智能體自動判斷問題類型、路由至對應知識庫，再根據員工的實際權限返回內容。▲雲南白藥黨亞斌 對員工來說，就是問一個問題、得到一個答案；但在背後，是多個知識庫和一套權限規則共同發揮作用。

除了明確權限以外，企業同樣不能一味追求全自動，不同業務對Agent自主程度的要求也不盡相同。例如，標準審批、工單處理等有固定規則的業務，往往需要明確的執行順序和可預測的結果；跨部門分析、經營決策輔助等工作，則可能需要多個智能體分工協作。為此，騰訊雲ADP提供Claw、標準、多智能體、工作流四種模式，讓企業能夠根據實際業務需求，選擇不同的智能體構建與執行方式。華潤信託就採用了這樣的組合：通過Claw處理自主規劃任務，利用Workflow執行規則明確的業務流程，而關鍵交易環節始終由交易員確認。這也與行業對Agent治理的判斷相呼應。

2026年5月，全球權威研究機構Gartner提醒，如果企業對所有Agent採用統一的治理方式，可能造成兩種結果：簡單任務被過度限制，而高風險任務卻獲得了過多權限。而當Agent真正進入生產環境，管理也不能止步於上線。傳統軟件通常按照預先確定的程序規則運行，但模型輸出並不具有同樣程度的確定性。一次任務執行成功，也不意味著Agent能夠長期穩定地完成相似任務。尤其是企業開始讓Agent持續運行後，如何追蹤每次操作、監控成本、定位故障，以及出現問題後如何及時糾正，都成為新的管理需求。騰訊雲ADP此次強化了運行記錄、成本與狀態監測、故障定位和版本回滾等能力。

同時，ADP還可以利用AI分析真實業務反饋，提出智能體優化建議，再由人工審核後生效，讓Agent在運行過程中持續受到評估和調整。企業管理Agent，要讓它能夠在明確的業務規則下持續執行任務。企業級工程與治理能力，正在成為模型之外的第一層技術壁壘。騰訊雲ADP此次升級，正是圍繞這些生產環境中的管理需求展開。二、員工都用上AI了，為什麼企業還沒同樣“快提效”？企業不是一群員工的簡單相加。每個人都節省一個小時，並不意味著公司就能少花同樣多的時間完成一筆業務。企業AI的第一個問題，是把員工的工作拆成了一個個彼此獨立的任務。過去兩年，AI最先進入的是文檔撰寫、數據分析等個人辦公場景。

這些工作有一個共同特點：任務邊界相對清楚，員工自己就能夠判斷結果好壞。但企業業務的運行方式並非如此。一項任務往往需要經過相關負責人、區域團隊和一線人員等多個環節，在不同部門、人員和業務系統之間流轉。如果只是某個環節完成得更快，AI帶來的效率優勢就可能被原有流程消耗掉。由此，延伸至企業AI的第二個問題：交接與等待，拖慢了整個業務流程。2026年9月，麥肯錫在一項研究中分析了一家財富500強工業企業的生產流程，發現整個業務流程所花費的時間，大部分是在等待任務進入下一環節。麥肯錫將其稱為“協調接口成本”（Coordination Interface Tax）。

對於大型企業而言，單獨優化一個步驟，未必能解決不同團隊和系統之間的協作問題。這也解釋了為什麼員工使用AI的頻率越來越高，但企業整體的效率和經營收益未必能夠同步增長。企業AI需要解決的，已經不侷限於讓每個員工更快完成自己的工作，還包括讓AI真正進入業務流程，把不同環節連接起來。騰訊雲與伊利的合作探索提供了另一案例。伊利將區域銷售、導購表現和市場數據匯聚起來，由智能體輔助分析經營情況、形成策略，再將相關能力延伸到一線導購場景。在這個過程中，WorkBuddy承擔了業務人員使用AI、開展經營分析的部分工作；ADP構建的導購智能體，則進一步進入面向消費者的銷售場景，根據客戶需求生成商品推薦和溝通話術。

據騰訊雲披露，這套組合讓導購運營團隊效率提升超過50%。同時，導購智能體在A/B測試中帶來26%的銷售訂單提升。前者體現內部效率，後者直接觸及經營結果。AI的價值不再只體現為員工少做了多少工作，也可能表現為企業完成了更多業務。但從個人工作流走向企業級服務，還需要讓AI能力能夠跨系統、跨人員複用。這也是Personal Agent與Service Agent的核心區別。騰訊雲副總裁吳永堅告訴我們，Personal Agent更多從個人使用出發，而Service Agent需要站在企業角度，考慮不同角色的權限、安全，以及構建好的能力能夠分享給誰、如何管理。

▲騰訊雲副總裁吳永堅 例如，員工可以通過個人辦公入口分析銷售數據，但不能僅憑一段AI對話，就讓經營策略自動進入全公司的銷售流程。企業還需要完成權限驗證、能力分發、任務執行和效果反饋。騰訊雲此次將ADP與WorkBuddy雙向打通，正是試圖縮短個人AI使用與企業業務執行之間的距離。一方面，企業通過ADP構建的Agent和Skill，可以進入WorkBuddy，供員工在日常辦公中直接調用；另一方面，員工通過WorkBuddy探索和驗證的個人工作流，也可以轉化為ADP智能體，進入企業統一管理與分發體系。

這意味著，個人積累的有效工作方法，有機會進一步成為企業可以複用的AI能力，而不必長期停留在某個員工的電腦裡。個人Agent解決員工如何使用AI的問題，服務Agent則進一步把AI帶入企業業務流程。企業AI真正可能產生更大收益的地方，可能恰好在於重新組織這些步驟之間的關係。三、Agent造得越來越容易，企業也為“養Agent”發愁 智能體開發門檻降低，可能讓企業重新遇到軟件時代的老問題：Agent太多了。不同部門有自己的知識庫、流程和業務需求，也可能各自構建智能體。

每個Agent單獨看都有價值，但當數量不斷增加，企業可能不知道究竟有哪些Agent正在運行、誰負責維護、哪些功能重複，以及它們各自擁有多少權限。2026年4月，Gartner將這種現象稱為Agent Sprawl（智能體蔓延）。該機構當時的調查顯示，只有13%的受訪組織認為自身具備適當的Agent治理機制。企業可能還沒來得及充分利用AI，就先需要面對新的管理負擔。對此，騰訊雲採取了一套“兩手並進”的方案：ADP降低Agent開發門檻；AgentPortal 2.0解決智能體的統一使用和管理問題。

其中，ADP此次升級有兩個重要變化：一是從對話式搭建智能體，走向AI原生貫穿整個開發流程；二是從搭建智能體，走向構建與部署完整的業務應用。ADP正從4.0版本的“智能體構建專家”，升級為“智能體全生命週期專家”。過去，業務人員可能需要向技術團隊提交需求，再由開發者分別完成智能體配置、系統集成和應用界面搭建。現在，部分構建工作可以在同一工作區中完成，配置、預覽、調試和評測也能銜接起來。AgentPortal 2.0則進一步解決智能體統一使用和管理的問題，讓企業可以將不同部門構建的Agent納入統一入口，同時支持對ADP及第三方智能體的集中管理。

員工可以直接提出業務需求，由系統自動選擇適合的智能體處理；企業也可以按照部門、職能分發Agent，統一管理上下架和使用權限。對於需要長期協作的複雜項目，多個智能體可以組成團隊，由項目經理智能體協調任務；對於直接服務消費者的業務，多個專業Agent也可以匯聚在統一服務入口背後。由此，企業不必讓員工分別尋找和調用不同的AI工具，而是可以通過統一入口完成任務分派與多智能體協作。與此同時，一套區別於過去軟件時代的AI建設新打法，也正在逐漸成形。過去，企業軟件通常由IT部門採購、部署，再要求業務部門學習和使用。但個人Agent普及後，一線員工可能先發現某種AI工作方法有效，再推動企業將其變成正式應用。

ADP與WorkBuddy的雙向打通，讓這種路徑在技術上更容易實現。員工可以先通過WorkBuddy探索和驗證工作方法，再將優質工作流轉化為ADP智能體，納入企業統一管理；企業已有的Skill，也能夠回到員工的日常辦公入口繼續使用。AI能力開始從個人經驗沉澱為組織資產。由此，企業Agent平臺的競爭，還延伸到企業內部AI能力的組織與運營。四、從1個項目到1000個項目，騰訊雲能否搶下企業AI的生態位？如果說前面三個問題，分別對應企業Agent如何進入業務、產生經營價值和實現統一管理，那麼接下來還有一個更艱鉅的挑戰：如何把一個成功項目複製到更多企業？

企業Agent越深入真實業務，越需要專業工程團隊進入客戶現場。這也是FDE（前沿部署工程師）模式重新受到關注的原因。FDE是海外企業軟件行業已有多年的工作方式。工程師直接進入客戶的業務環境，與業務團隊一起確定問題、接入系統並開發解決方案。AI興起後，FDE在企業Agent交付中開始扮演更重要的角色。2026年10月，澳大利亞軟件龍頭Atlassian披露，其FDE團隊已經與超過100家企業客戶合作，推動80多個AI Agent進入生產環境。FDE受到重視，恰恰是因為真實企業往往無法僅憑產品說明書就完成Agent部署。

業務數據可能分佈在不同系統，權限規則與實際工作流程也未必一致，很多問題只有工程師真正進入業務現場後才會暴露出來。但定製化交付也存在一個悖論：越依賴專家，越難降低交付成本。2026年9月，Gartner提出一項預測：到2028年，70%的企業可能放棄由供應商FDE團隊構建的Agent，主要障礙包括成本增加、獨立維護困難。這項預測也提醒行業，一個項目如果只能依靠最初的實施團隊維持運行，就很難形成可持續的商業模式。企業Agent需要的不只是完成一個項目，還要將項目中的經驗沉澱下來，讓後續客戶能夠以更低成本複用。吳永堅告訴我們，騰訊雲並不希望把企業Agent交付變成單純的項目或人力外包生意。

他打了一個比方：過去做企業Agent項目，有點像經營一傢俬房菜館，每個客戶來了，都需要廚師按照具體需求定製。但如果希望把生意做大，就需要根據過去服務大量客戶的經驗，逐漸沉澱出可以複製的菜品。“只有複製效率提升了，我覺得這個生意才能夠跑得轉。”吳永堅說。為此，騰訊雲正在嘗試以“FDE＋ADP＋場景包”突破定製化交付的困局。在此次大會上，騰訊雲推出FDE認證，並進一步升級ADP開放接口及ADP CLI，推動企業、開發者和生態夥伴參與智能體建設與交付。除此以外，騰訊雲還將過去幾年積累的項目經驗，進一步沉澱為一套可以交給合作伙伴使用的交付方法論。

這套FDE體系覆蓋五個階段：接入期，打通系統和數據，明確權限與安全邊界；建設期，組合Claw Agent與Workflow，形成業務方案；驗證期，通過真實場景檢驗效果、把控風險；推廣期，推動Agent從試點走向規模化應用；治理期，持續管理知識、效果、成本與安全。每個階段都配有相應的任務、交付物和驗收標準，以及模板、評測用例和操作手冊，讓合作伙伴能夠按照相對統一的流程完成交付。在此基礎上，騰訊雲還將過往項目經驗歸納為覆蓋零售、製造、教育、金融、醫療五大行業的25個服務場景包。與此同時，騰訊雲還展示了智能客服、視覺智能體等垂類應用的進展，嘗試將更多成熟能力沉澱在ADP平臺上。

目前，ADP已經覆蓋千餘個公有云應用場景、百餘個私有云應用場景，並在零售、金融、醫療、工業等行業沉澱出可以複製的場景包。這些場景背後有不少共性需求。例如，不同企業都需要安全連接內部系統、管理Agent權限、監控運行情況，以及根據業務反饋調整應用。如果能夠通過平臺統一提供這些能力，工程師便不必在每一個項目中重新解決相同的問題。但行業場景包並不意味著所有企業都可以直接複製。所以，FDE和企業內部團隊仍然積極參與適配。在一些業務流程相似、標準化程度較高的場景中，這種模式已經展現出規模化部署的潛力。

例如，基於ADP打造的酒店智能體管家“華小AI”，通過38條工作流覆蓋152個客服子場景，已經在超過10000家門店落地，自動處理超過70%的高頻客服問詢。酒店門店之間存在大量相似的客服需求，智能體可以複用共性工作流，再根據不同門店的具體需求進行調整。這類可以在大量門店重複部署的場景，更容易獲得規模化優勢。因此，騰訊雲此次推進FDE生態建設，也是在嘗試利用ADP和行業場景包，讓工程師不必在每個項目中重複解決相同的問題。FDE解決進入現場的問題，平臺化降低重複開發成本，行業場景與生態夥伴則支撐進一步複製。這也是企業AI護城河可能逐漸形成的地方。

對於中小To B AI公司而言，開發相似的模型應用或產品功能，未必是無法跨越的技術難題。但進入企業核心業務系統、獲得客戶信任、積累跨行業經驗，並建立覆蓋開發、交付和持續運營的夥伴網絡，都需要更長時間的投入。吳永堅也提到了類似的判斷。在他看來，模型以及圍繞模型的基礎技術能力固然重要，但企業Agent落地還有大量“最後一公里”的問題。如何把這些問題逐一解決，並將解決方案沉澱進產品，再通過合作伙伴規模化交付出去，難度並不低。他將這一過程比作從做好一道菜，到能夠經營上萬家門店。前者考驗單個產品的能力，後者則需要一整套能夠長期穩定運行、持續複製的體系。

企業AI的護城河在於持續積累的客戶連接、行業經驗與交付生態。騰訊雲利用已有的企業生態和行業落地基礎，正在爭取先發位置。這條路徑能否形成規模優勢，將決定騰訊雲在企業Agent市場中建立的護城河究竟有多深。結語：模型之外，企業AI的護城河才剛剛開始 過去，企業購買軟件，是為了讓員工更高效地工作。如今，Agent開始直接連接業務系統、執行任務，人的角色逐漸轉向設定目標、審核決策和處理異常。但企業可以把工作交給AI，卻不能把責任一併交出去。

騰訊雲此次ADP升級，正是圍繞這些問題展開： 向下，通過安全連接、權限隔離、運行監控和反饋優化，讓Agent能夠進入業務系統並持續運行； 向上，通過AgentPortal 2.0統一管理和分發智能體，打通WorkBuddy，讓個人工作流能夠沉澱為企業可複用的服務； 向外，則藉助行業場景包與FDE生態，嘗試降低不同企業重複開發和交付的成本。這也反映出企業Agent行業正在發生的一種變化：競爭的重點正從讓Agent具備更多能力，轉向如何將這些能力組織起來，形成能夠長期運行的企業服務。騰訊雲此次圍繞ADP展開的一系列探索，正試圖在模型能力之外，為企業AI的規模化落地築起第一道護城河。