办公提效之后，企业级 Agent 开始对经营结果负责

头图来源：腾讯云 过去一年，智能体是 AI 行业最受关注的方向之一。 从查资料、写文档到处理日常办公事务，桌面办公智能体完成了第一轮普及，办公提效的价值已经成为行业共识。但当 AI 进一步走向企业核心业务，搭出一个智能体不难，难的是让它真正跑进业务流程，适配复杂的系统、权限与规则，持续产出可量化的经营价值。

在腾讯云副总裁吴永坚看来，未来企业级智能体的核心赛道，对话式的桌面办公 Agent 和服务经营的 Service Agent 会是两个长期并行的赛道。大模型提供了理解与推理能力，但想让 AI 真正参与业务经营，还需要一套能够打通系统、管好权限、支撑长期稳定运行的企业级平台。

在 2026 腾讯全球数字生态大会企业级 Agent 产业实践专场上，腾讯云 ADP 宣布完成全生命周期产品升级，同时推出 FDE 交付方法论与生态共建体系，试图回答的正是这一问题：当办公场景的提效已经形成共识，要让智能体真的走进业务经营场景，底层的智能体平台，到底需要补哪些能力。

过去用来搭建单点应用的开发工具，正在成为 Service Agent 扎根企业业务流的核心基础设施。

一从办公到经营

，企业级 Agent 需要新的底座 过去这一年，办公场景的 Agent 已经完成了普及教育，员工用它处理文档、检索信息、辅助日常工作，个人效率的提升是普遍可感知的。 但在个人价值与企业价值之间仍然存在着一道鸿沟，麦肯锡 2026 年 8 月的全球 AI 调查给出了一组很有说服力的反差数据：80% 的人感受到了 AI 带来的个人效率提升，但只有不到四成的人认为 AI 真正为公司利润创造了正向贡献。

这个反差本身就是行业焦虑的来源—— 当所有人都在说 AI 提效，企业管理者真正关心的问题却没有标准答案。 顺着这个焦虑往下看，企业现在问的问题早就变了。大家不再问「智能体能做什么」，而是问「个人提效怎么变成业务增长」、「安全怎么管」以及「效果怎么评」。

整个行业其实还没有一套固定的落地范式，从业务流程到组织架构，每家企业都在自己摸路。 腾讯集团副总裁、腾讯云 CTO 王慧星｜图片来源：腾讯云 腾讯集团副总裁、腾讯云 CTO 王慧星在和媒体交流时提到一个变化：过去是云厂商追着企业说数字化是必答题，现在反过来了，企业 CEO 主动找上门问这道题该怎么答。

在他看来，平台方的角色也跟着变了，过去是把一个封闭的产品塞给客户，现在得把能力拆成原子化单元，和企业一起在真实业务里趟出路径。 事实上，Service Agent 和大家熟悉的办公助手，本质上是两个赛道。

吴永坚在接受采访时讲得很清楚，ADP 做的不是通用的 Agent 开发平台，而是专门面向数据和业务场景的 Service Agent 构建平台。这类智能体有两个绕不开的硬骨头——一是跨系统打通，要从合同、发票、业务记录这些分散在不同系统里的数据里统一口径，再做分析；

二是权限体系严格对齐企业原有的身份机制，同一个问题，不同职级的人拿到的答案本来就该不一样。 行业的关注点已经发生了转移。搭出智能体 Demo，早已经不是什么难的环节。 真正难的是跨过四道实实在在的坎：AI 怎么安全接进公司内部系统，谁能看哪些数据；

非专业人员怎么把知识和工具组织起来；跑起来之后怎么持续监测效果、成本和故障；公司建了一堆 Agent，员工却不知道有哪些、该用哪一个。 这也正好呼应了腾讯公司高级执行副总裁、腾讯云与智慧产业事业群总裁汤道生在主论坛上的判断——Agent 的使命要从内部协同走向业务经营，遵循业务规则、全天候运行，最终对实际的经营结果负责。

二从搭建工具到业务载体

，ADP 重做 Service Agent 的落地体系 那么问题就来了：要让 Service Agent 真正跑进业务流，平台到底要补哪些能力？这便是 ADP 这次全生命周期升级在回答的问题。

腾讯云副总裁吴永坚｜图片来源：腾讯云 现在行业里聊 Agent，大多还绕在个人助手、代码助手这类场景上，本质还是人提一个需求，AI 完成一个任务。但吴永坚判断，企业里更核心的 Agent 形态，早就跳出了这个框架——Service Agent 会嵌在真实业务流程里，由业务事件驱动，7×24 小时跑着，最终要对着可量化的经营指标交差。

可以想象几个非常日常的业务场景：债券交易群里弹出来一句「帮我拆一下这笔单」，智能体自动录系统、查持仓、走询价流程，关键节点再把人叫回来确认；几千家零售门店的监控摄像头每天涌进来几十万张画面，智能体自动识别陈列合规、货品缺货；

上千名导购每天对着不同的客户，智能体实时生成贴合商品和用户的沟通话术。这些场景过去靠人工和规则系统撑着，未来就是 Service Agent 的主场。 而 ADP 这一轮全生命周期升级，其实就是在顺着「开放连接、原子化能力」的产品思路，对着前面那四道坎，一个一个补缺口。

构建层的变化最直观。过去企业想搭一个真能跑业务的 Agent，光有一个会聊天的对话框根本不够，后面要补前端操作页面、接后端业务逻辑、管数据状态，这些碎活往往占了项目八成的工作量。

这次 ADP 把智能体能力和站点服务打通了：智能体负责分析与执行，站点承载操作页面、业务逻辑和数据状态，企业可以直接搭建端到端的完整业务应用。加上自然语言构建能力的升级，从生成、调试、评测到发布全流程在一个工作区完成，懂业务的人描述需求就能搭出来，边聊边改。

ADP 的能力边界，也从「搭一个 Agent」延伸到了「搭一套能跑起来的业务系统」。 接入与治理这块，是企业级场景绕不开的硬门槛。 ADP 做的是私网直连，AI 通过企业内网连接数据库和业务系统，数据不用暴露在公网上；

网络连接与租户、身份、数据权限深度绑定，明确「谁可以通过哪个 Agent 访问什么资源」。 每一次运行全链路留痕，成本和状态一目了然，出问题能定位到环节，版本可回滚；AI 从业务反馈里发现问题、给出改进建议，经人工审核后生效，机器持续学习，人始终把关。

整个体系还开放了 100 多个接口和官方命令行工具，从产品界面调用到接口调用，安全、权限、审计的标准完全一致。 使用入口层面，等智能体真的建起来，新的问题就出现了：企业里攒了几十上百个 Agent，员工根本不知道有哪些、该用哪个。

AgentPortal 做的就是这件事：作为企业智能体的统一入口，可按部门、岗位精准分发智能体，员工提问不用挑 Agent，系统自动派给最合适的智能体回答，没有对口的就由通用智能体兜底。

再加上和 WorkBuddy 的双向打通，企业在 ADP 上构建的能力，可以分发到员工日常工作入口；员工验证过的有效流程，也能沉淀为企业可复用的智能体，企业能力服务个人，个人经验反哺企业，形成持续积累的循环。

同时，ADP 没有只做通用平台，还自己先做了两个垂类「样板间」。客服智能体覆盖从接待、业务办理到服务质检的完整流程，已经落地 200 多家标杆客户，平均解决率超过 85%；视觉智能体支持业务专家只要讲清「对与错」，Agent 就能自动理解要求、拆解任务，把模型和工具编排成完整工作流并持续运行，已经在一家零食品牌约 4000 家门店、13 万路摄像头落地，日均处理约 78 万张图片。

ADP 的角色已经变了——成为了支撑 Service Agent 全生命周期跑在业务里的载体。企业级 Agent 的竞争，也已经变成是谁的工程体系更扎实，谁能让智能体在复杂的企业环境里稳定、合规、持续地跑下去。

三、Agent 规模化落地，拼的是体系化能力 如果回头看大模型时代早期，行业关注的是模型参数与对话能力；Agent 刚兴起的时候，大家比拼的是谁搭得快、谁的场景多。走到今天，竞争的维度变了—— 拼的是谁能真的把 AI 嵌进企业的业务流程，让一个试点项目变成可复制的组织能力。

最先有说服力的，永远是真实业务里跑出来的结果。 金融场景里，华润信托基于 ADP 打造的智能债券助手直接「住」进了交易群：自动拆解群里的交易指令并录入系统、自动查询持仓和进度并在群里答复、自动完成询价流程，关键节点保留人工确认。

智能拆单准确率从最初的 80% 以上持续优化至 98%。 华润信托 CIO 苏南说，「ADP 作为我们的平台，它是在我们的数据之后的。」这句话点出了企业级平台该有的位置：不把企业数据抽到自己的地盘上，而是站在企业原有数据和系统后面，把能力托起来。

零售场景里，伊利用 WorkBuddy 汇聚业务数据，分析并生成经营策略，下发给上千名导购，运营提效超过 50%；ADP 导购智能体实时生成商品推荐和沟通话术，A/B 测试显示，销售订单提升 26%。

除此之外，东北证券基于 ADP 搭建了三个协同工作的智能体，形成「看懂账户— 识别需求— 匹配服务」的完整链路，从单一场景向财富管理全流程延伸；没有权限的内容自动过滤；华住基于 ADP 协同搭建 38 条工作流，覆盖 152 个客服子场景，自动处理超 70% 的高频客服问询，已经在 10000 + 门店落地。

这些案例横跨金融、零售、文旅，证明 Service Agent 不是某一个行业的特例。 落地的组织路径也在慢慢清晰。蒙牛充分鼓励一线员工围绕真实工作场景用好智能体，在内部办 Skill 大赛，从中沉淀好场景、好实践，也推动产品团队提供更好用的工具。

在王慧星看来，平台厂商和客户一线员工一起用好工具、找到自己的场景，可能就是一条可选择的探索路径。 这些在项目里踩过的坑，不能只留在单个客户的项目里。吴永坚用了一个很形象的比喻：过去团队做项目像开一家定制私房菜的饭店，厨师能力很强，每家客户都做专属菜，但根本没法规模化。

做了两三年项目、服务了足够多客户之后，大概摸清楚了整个行业的口味，就该把菜单标准化—— 把过去沉淀的经验做成可复制的方法论。 这套 ADP FDE 交付方法论，把智能体项目落地总结为接入、建设、验证、推广、治理五个阶段，每个阶段都有明确的任务、交付物和验收标准，并配套模板、评测用例和操作手册；

同时沉淀覆盖零售、制造、教育、金融、医疗五大行业的 25 个标准化场景包，按「70% 可复制、30% 按需定制」的思路，帮助伙伴把一次项目的成功，转化为可复制、可持续的交付能力。在吴永坚看来，把这些方法论内化到 ADP 的产品里面，变成产品才是最关键的事。

而最后能规模化把这件事做下去的，还是生态。 ADP 是腾讯第一个推出 FDE 认证的产品，腾讯云副总裁、生态拓展业务负责人张果把伙伴的角色讲得很清楚：FDE 伙伴核心做三件事—— 业务判断，包括场景诊断、方案设计、价值定义；

交付实施；以及持续运营，包括培训、问题排查、效果调优。伙伴遴选也有明确标准：企业资质、商务能力、人员认证、项目经验、专职交付服务，五个维度一起把关。 十二家企业级智能体 FDE 方案共建合作伙伴｜图片来源：腾讯云 目前，腾讯云与十二家伙伴的企业级智能体 FDE 方案共建合作已经正式启动。

不同伙伴跑出了差异化的路径：毕马威提出「行业专家 + 敏捷工程师」的完整 FDE 模式，面向金融、制造等行业做深度方案；软通动力基于 ADP 底座加 FDE 落地医药研发场景，研发成本降低 80%，周期缩短 30% 左右；

翼企云则帮交通行业客户从知识管理切入，一步步走到车次智能调度等核心业务，最关键的是帮客户实现了自主构建智能体的组织能力。 从概念火热到价值验证，企业级 Agent 正在走过一条从「有」到「用」再到「好」的必经之路，这条路没有捷径，必须扎进业务流程、扛住 7×24 的工程考验，最终对经营结果负责。

产品筑牢底座，方法论沉淀经验，生态放大覆盖——AI 应用的竞争，正在从模型能力向系统落地能力扩展，未来真正能跑通的企业级智能体，既需要更聪明的大脑，也需要一套能长进业务肌理里的扎实骨架。