從“懂回答”到“能執行”：Zoho如何讓AI走進企業業務

10月20日，在以“助力中國企業全球化成長”為主題的Zoho北京媒體溝通會上， Zoho不僅向外界展示了其最新的企業級AI全景戰略，更試圖回答一個當前行業的普遍痛點：當AI大模型喧囂了兩年之後，為什麼大多數企業在業務中依然覺得AI“用不起來”？Zoho全球副總裁Mathivanan一針見血地點出了癥結所在：“太短的決策週期，太多的備選工具，從一開始就造成了太多的數據孤島。”當企業盲目堆疊各種帶有AI標籤的軟件，不僅沒有打破原有的信息孤島，反而催生了“AI孤島”。

Zoho中國COO夏海峰在隨後的主題演講中直言不諱：“如果AI只能回答問題、提供信息，卻無法參與實際業務流程，它對商業的價值就微乎其微。”這也揭示了企業AI應用面臨的一道關鍵門檻：能夠回答問題，不等於能夠完成任務。AI要真正參與業務，不僅需要理解用戶的需求，還需要獲取相關數據、調用業務系統，並在權限和流程約束下完成具體操作。為了跨過這道從“懂回答”到“能執行”的鴻溝，Zoho在此次會上系統展露了其沉澱多年的AI全景三層架構：底層給數據，中間層做連接，上層管執行。跨越分水嶺：從“會說”的助手，到“能幹”的數字員工在Zoho的AI全景圖中，最上層是直接觸達業務的核心。

Zoho認為，真正的AI分水嶺在於它能不能接下任務，並跑通多步驟流程。首先是原生嵌入業務場景的對話式AI助手AskZia。它並非獨立的外掛工具，而是深植於CRM、財務、客服等系統內。用戶可以通過自然語言獲取信息、分析業務數據，並在相應功能支持下完成內容起草與潤色等工作。但“會說”只是第一步，“能幹”才是企業真正的剛需。Zoho推出了預置智能體Zia Agents，銷售教練、SDR機器人等上百個開箱即用的角色，專門處理那些有規律、可複用、吃經驗的工作。而對於規則極其複雜、個性化極強的場景，Zoho提供了Agent Studio低代碼平臺。

例如，一家汽車零部件客戶就利用該平臺，開發了專屬於自身的成本預測智能體，有效應對國際貿易中由關稅、運輸等因素造成的材料成本波動。這種讓非技術人員像搭積木一樣定製專屬AI的能力，正是Zoho區別於標準化SaaS產品的差異化護城河。從Ask Zia到Zia Agents，再到Agent Studio，三者分別對應信息獲取與處理、特定任務執行，以及面向個性化流程的智能體構建。它們的區別不只在於AI能力的強弱，更在於AI參與業務的方式發生了變化：從輔助員工完成工作，逐步延伸到承擔特定任務。

連接與底層：不卷參數，只做適合業務的“原生智能”如果說AI執行層是冰山露出水面的部分，那麼數據和連接則是水面之下的龐大基座。在中間層，Zoho通過MCP（模型上下文協議）打通了內外生態。夏海峰在會上描繪了這樣一個場景：用戶在WorkBuddy、豆包工作、千問辦公等支持MCP的客戶端中，配置自定義連接器，接入Zoho MCP，即可在外部直接對話操作Zoho CRM，實現數據的自動更新。Zoho MCP目前兼容Claude、ChatGPT等主流大模型與智能體，並提供300餘款第三方服務的集成清單。

通過標準化協議，Zoho不僅讓自家的業務能力能夠被各類外部智能體調用，更確保了敏感數據在離開系統前就被遮蔽與鑑權，實現了真正的開放與安全並行。MCP的意義，在於為AI工具連接外部應用提供標準化的交互方式。對企業來說，這意味著AI的使用場景不必侷限於單個軟件內部，也可以向跨應用的工作流程延伸。除了系統連接，模型本身也需要適配不同的業務任務。在算力與模型動輒追求百億甚至上萬億參數的今天，Zoho在底層選擇了一條極為務實的路徑。Mathivanan表示，Zoho的投入不跟風競爭對手的燒錢規模，而是按客戶真實需求決定。相較於消耗巨大資源的通用大模型，Zoho更傾向於自研部署在自有數據中心的中小模型。

“例如自動回覆郵件、圖片內容總結或者情感分析等場景，只需要部署適合的模型即可，這不僅提高了業務精準度，也極大降低了推理成本。”這種對業務邊界和成本的極致把控，也體現在AI編程的應用上。面對AI寫代碼是否會取代傳統軟件的疑問，夏海峰用“冰山理論”給出了回答：AI編程只是冰山上露出水面的一角，源碼託管、權限設計、安全運維、底層數據治理這些看不見的部分，才是真正下功夫的地方。Zoho將AI編程能力賦能給用戶，是為了讓他們在現有的、穩固的業務底座上做擴展，而非憑空去造一個懸在半空的應用。長期主義的底氣：AI不是增項收費，而是軟件的基礎設施在商業模型上，Zoho的選擇同樣“反直覺”。

當部分廠商試圖將AI能力作為獨立套餐向客戶收取高昂費用時，Zoho在會上主張，將AI融入產品體系，而不是簡單地將其視為一項獨立的增值功能，目前並不會向客戶額外收AI費用。這一決定的背後，是Zoho堅持了30年不融資、不上市的長期主義底氣，對於企業級AI而言，底層投入的意義不僅在於提供算力，還在於支持產品運行、數據管理和不同業務應用之間的協同。數據安全則是另一項不能繞開的基礎要求。

Mathivanan將其定義為“過渡期的底線”：不管是用企業自帶的API Key接入外部模型，還是使用Zoho自研的模型，Zoho都承諾不拿客戶數據訓練通用模型，所有的技術探索最終都指向一個目標——保護客戶的數據安全與隱私。因此，企業部署AI不能只關注模型能力，還需要結合實際應用場景評估數據處理方式、權限配置和外部服務的接入邊界。對軟件廠商而言，AI能力的開放程度與數據保護機制並不是相互獨立的兩件事：只有明確訪問範圍和執行權限，企業才更有條件將AI用於真實業務。

正如夏海峰在演講最後所總結：“隨著智能體具備調用API和自主執行任務的能力，企業軟件不再只是供人操作的功能工具，同時成為承載智能體開展業務的底座。企業上AI，不是選一個更聰明的模型，而是決定把哪些環節交給機器，以及為此準備好什麼樣的底座。Zoho要做的是把"AI + 自主執行"真正落地到企業全場景，而不是講故事。“從AI助手到智能體，從模型選擇到系統連接，Zoho正在將AI能力融入企業現有的產品與業務流程，讓AI從輔助信息處理，逐步走向具體任務的執行。AI正在改變企業軟件的使用方式，也在推動SaaS重新思考自身的價值。

未來SaaS的競爭，不僅在於提供多少功能，還在於能否讓AI真正參與業務，並將技術能力轉化為實際的業務價值。