Enterprise-Ai

周一早上，运营群里有人 @了运营 Agent：「帮我看看上周退款率为什么涨了」。

Agent 开始干活。它先查了 AI 表格里的退款明细，又调了客服工单系统的投诉分类，接着跑了一段 SQL 算出各渠道的退款占比，最后生成一份带趋势图的分析报告发到群里。整个过程 40 分钟，中间还主动追问了一句：「要不要把退款金额 > 500 的单独拉出来？」

报告质量不错。但安全团队事后审计时发现了三个问题：

1. Agent 查退款明细时，用的是 @它那个人的 App Token——这个人恰好是运营总监，有全量数据权限。群里其他人没有这个权限，但他们都看到了报告。
2. Agent 调工单系统时，用的是一个 写死在环境变量里的 API Key，这个 Key 的权限范围是 read:all，理论上 Agent 可以读任何人的工单。
3. 日志里只记了「运营总监访问了退款表」， 没有记录是 Agent 在执行。

这是一个典型场景，我在不同企业里见过不同程度的版本。

在 Claude Tag 的 Agent Identity：为什么这是 Agent 时代的 OAuth 中，我讨论了 Agent 为什么需要自己的身份。这篇接着往下走： 当 Agent 进入钉钉群，权限、凭证、审计这套架构具体怎么设计？

周一早上九点，小林到了客户的运营部。

他不是来做产品演示的，也不是来签合同的。他的工牌上写的是「Forward Deployed Engineer」——一个在钉钉内部新设立的岗位，外部还没有对应的职称。

上周客户提了一个需求：「每天有 20 个人整理会议纪要，能不能用 AI 提效？」

普通工程师听到这句话，想到的是做一个会议纪要工具。

小林想到的是：

会议
    ↓
纪要
    ↓
任务拆解
    ↓
责任人
    ↓
审批
    ↓
提醒
    ↓
知识沉淀

他要做的不是一个纪要工具，而是一个 会议 Agent。

上周，一个同事在工作群里 @了一个 AI Agent，让它分析最近 30 天的客户退款数据。Agent 查了 CRM、翻了工单、跑了 SQL，两小时后在群里贴出一份报告。

事后审计时，安全团队问了一个问题：

「这个操作，日志里记的是谁？」

答案是：那个 @Agent 的人。

但实际上，读数据的是 Agent，推理的是 Agent，写报告的是 Agent。人只是说了一句「帮我看看」。

这就是今天几乎所有企业 AI 产品的现状——Agent 没有身份。它在借用人的身份做事。

2026 年 6 月 23 日，Anthropic 发布了 Claude Tag——一个运行在 Slack 里的 AI Teammate。表面上看，它是又一个 Slack 集成。但如果你仔细看它的架构设计，会发现一件有意思的事：Anthropic 正在尝试解决一个行业里很少有人正面回答的问题——

Agent 到底是谁？

AI 时代企业 IT 变革的主要方向，是把业务流程优化成由 AI 来驱动，减少原有流程中人力的投入。但上个月，一个做企业数字化的朋友跟我说：他们花了大半年把内部流程都接上了 AI，看起来每个环节都有 AI 参与，人力成本却几乎没降。员工还是在填表、还是在审批、还是在做报表，AI 只是在旁边多了一个「建议」按钮。

我问他：你们到底是在让 AI 帮忙做，还是让 AI 来做？

这两件事有本质区别。前者是给现有流程加一个 AI 助手，人的角色不变，AI 只是辅助。后者是围绕 AI 重新设计流程，让 AI 成为主执行者，人从执行者变成审核者和判断者。

老周是我们团队最资深的售前。上个月给华东一家汽配连锁分销商做方案，他熬了三个通宵，产出一份 80 页的 PPT —— 行业洞察、痛点拆解、架构图、ROI 测算、三个同行的成功案例，一应俱全。客户的财务总监当场说：「这是我见过最懂我们的方案。」单子签了。

四个月后，这个客户在续约评估里打了低分。原因不是产品不好，而是交付团队上线的对账流程，跟老周方案里承诺的「月结 T+1 出报告」对不上 —— 交付的同事根本没看过那份 PPT，他们手里只有一个工单：「给客户 A 部署对账 Agent」。老周写进方案的服务标准，卡在了销售和交付之间那道看不见的缝里。

而那份被财务总监称赞过的 80 页方案，此刻正安静地躺在某个钉盘文件夹里，再没有人打开过。

先讲一个我听来的真实教训。一位在某物流巨头做过数字化的朋友跟我说，他们曾经丢过一个大客户：销售签单时承诺了某条线路的时效和异常赔付标准，白纸黑字写在合同附件里。但这套承诺从来没有进过运营和售后的系统 —— 交付团队按通用 SOP 派单，时效标准对不上，出了几次异常也没按销售承诺的标准赔。三个月后客户怒而解约。产品没问题，销售没说谎，交付也尽力了，单子却死在了三者之间那道没人负责的缝里。

这不是个案。 销售到交付的断点，是企业里最贵、又最没人负责的一种成本 —— 它不在销售的 KPI 里（单子签了），不在交付的 KPI 里（工单做了），它只在客户续约时，以丢单的形式一次性结算。

接着 上一篇 那个汽配分销的单子讲。老周把解决方案对象建好了，带着新来的销售小林去客户现场做方案讲解，全程用钉钉A1做了录音。

回来当晚，AI 质检系统出了报告： 92 分，评级「优秀」。语速适中、没有冷场、把产品功能讲全了、合规零踩线。小林挺高兴。

但老周听完那段录音，心里一沉。小林为了拿下单子，当着财务总监的面把对账准确率从方案对象里写的 99.5% 顺口加码成了「我们能做到 99.9%」；而最该讲透的那个竞对差异 —— 「我们让 AI 适应你现成的钉钉协同，而不是逼门店改流程去适应 ERP」—— 被他一句带过，财务总监根本没接住。

92 分的拜访，讲偏了。而质检系统对此一无所知。

周三晚上 9 点，供应链主管小林在钉钉里收到一条告警：「供应商 A 本周交货延迟率从 3% 升至 12%」。他看了一眼，回了句「知道了，季节性波动，不用管」。这条消息随即被淹没在后续 200 条群聊里。

两个月后，另一个团队的采购经理在审批供应商 A 的新合同时，完全不知道这段历史。合同正常通过。三个月后，供应商 A 果然出了大问题——产能不足导致全线延迟。

这个故事里， 信息是存在的——告警推了，人判断了，反馈也有了。但信息在人与人之间断裂了。小林的处理经验没有被结构化地沉淀下来，后来的决策者无从获取。

这正是大多数企业 AI 落地时撞上的第一堵墙： 不是 AI 不够聪明，而是企业的「神经系统」还没建好。

过去二十年，企业软件的核心使命是**「记录」**。

ERP 记录财务流水，CRM 记录客户关系，OA 记录审批流程，HR 系统记录考勤和绩效。这些系统回答了同一个问题：「发生了什么？」

但它们从来不回答另一个更重要的问题：「接下来该做什么？」

决策依然靠人。老板看报表、开会、拍脑袋。系统只是「记录员」，不是「经营者」。

AI Agent 的出现正在改变这个范式。当 AI 能够 7×24 小时持续推理、自动执行业务动作、并对经营结果负责时，企业购买的不再是「软件许可证」，而是**「持续在线的经营能力」**。

这就是「悟空云端」的核心定位：企业经营型 AI Agent 平台（Business Operating Agent）。

在前面的十四篇文章中，我们从 需求澄清、多 Agent 编排、可观测性 到 成熟度模型，构建了 AI 协作的完整技术体系。

今天，我们推出系列的第十五篇：从技术视角解读「经营型 Agent」的架构设计、行业落地路径和核心壁垒，探讨企业 AI Agent 的终极形态。

上周和一个做企业数字化的朋友吃饭。他公司去年花了两百多万，引入了一套"AI Agent 平台"。

销售演示的时候很惊艳：对着对话框说一句话，系统就能生成报表、审批流程、甚至写 SQL 查数据。

上线三个月后，他告诉我：

“员工用了两周就放弃了。现在那个系统成了公司最贵的摆设。”

我问他：系统出 Bug 了？

他说：不是。是系统不会变聪明。

第一个月，Agent 回答问题的准确率大概 70%。第二个月还是 70%。第三个月，员工发现问同样的问题，得到的答案一模一样——系统完全没有从实际使用中学到任何东西。

“它就是个会说话的自动化脚本。”

这句话戳中了一个很多人不愿承认的事实：

今天市面上 90% 的"企业 Agent"，本质上只是给 LLM 套了个聊天框。