从“懂回答”到“能执行”：Zoho如何让AI走进企业业务

10月20日，在以“助力中国企业全球化成长”为主题的Zoho北京媒体沟通会上， Zoho不仅向外界展示了其最新的企业级AI全景战略，更试图回答一个当前行业的普遍痛点：当AI大模型喧嚣了两年之后，为什么大多数企业在业务中依然觉得AI“用不起来”？

Zoho全球副总裁Mathivanan一针见血地点出了症结所在：“太短的决策周期，太多的备选工具，从一开始就造成了太多的数据孤岛。”当企业盲目堆叠各种带有AI标签的软件，不仅没有打破原有的信息孤岛，反而催生了“AI孤岛”。

Zoho中国COO夏海峰在随后的主题演讲中直言不讳：“如果AI只能回答问题、提供信息，却无法参与实际业务流程，它对商业的价值就微乎其微。”这也揭示了企业AI应用面临的一道关键门槛：能够回答问题，不等于能够完成任务。

AI要真正参与业务，不仅需要理解用户的需求，还需要获取相关数据、调用业务系统，并在权限和流程约束下完成具体操作。为了跨过这道从“懂回答”到“能执行”的鸿沟，Zoho在此次会上系统展露了其沉淀多年的AI全景三层架构：底层给数据，中间层做连接，上层管执行。

跨越分水岭：从“会说”的助手，到“能干”的数字员工在Zoho的AI全景图中，最上层是直接触达业务的核心。Zoho认为，真正的AI分水岭在于它能不能接下任务，并跑通多步骤流程。首先是原生嵌入业务场景的对话式AI助手AskZia。

它并非独立的外挂工具，而是深植于CRM、财务、客服等系统内。用户可以通过自然语言获取信息、分析业务数据，并在相应功能支持下完成内容起草与润色等工作。但“会说”只是第一步，“能干”才是企业真正的刚需。

Zoho推出了预置智能体Zia Agents，销售教练、SDR机器人等上百个开箱即用的角色，专门处理那些有规律、可复用、吃经验的工作。而对于规则极其复杂、个性化极强的场景，Zoho提供了Agent Studio低代码平台。

例如，一家汽车零部件客户就利用该平台，开发了专属于自身的成本预测智能体，有效应对国际贸易中由关税、运输等因素造成的材料成本波动。这种让非技术人员像搭积木一样定制专属AI的能力，正是Zoho区别于标准化SaaS产品的差异化护城河。

从Ask Zia到Zia Agents，再到Agent Studio，三者分别对应信息获取与处理、特定任务执行，以及面向个性化流程的智能体构建。它们的区别不只在于AI能力的强弱，更在于AI参与业务的方式发生了变化：从辅助员工完成工作，逐步延伸到承担特定任务。

连接与底层：不卷参数，只做适合业务的“原生智能”如果说AI执行层是冰山露出水面的部分，那么数据和连接则是水面之下的庞大基座。在中间层，Zoho通过MCP（模型上下文协议）打通了内外生态。

夏海峰在会上描绘了这样一个场景：用户在WorkBuddy、豆包工作、千问办公等支持MCP的客户端中，配置自定义连接器，接入Zoho MCP，即可在外部直接对话操作Zoho CRM，实现数据的自动更新。

Zoho MCP目前兼容Claude、ChatGPT等主流大模型与智能体，并提供300余款第三方服务的集成清单。通过标准化协议，Zoho不仅让自家的业务能力能够被各类外部智能体调用，更确保了敏感数据在离开系统前就被遮蔽与鉴权，实现了真正的开放与安全并行。

MCP的意义，在于为AI工具连接外部应用提供标准化的交互方式。对企业来说，这意味着AI的使用场景不必局限于单个软件内部，也可以向跨应用的工作流程延伸。除了系统连接，模型本身也需要适配不同的业务任务。

在算力与模型动辄追求百亿甚至上万亿参数的今天，Zoho在底层选择了一条极为务实的路径。Mathivanan表示，Zoho的投入不跟风竞争对手的烧钱规模，而是按客户真实需求决定。相较于消耗巨大资源的通用大模型，Zoho更倾向于自研部署在自有数据中心的中小模型。

“例如自动回复邮件、图片内容总结或者情感分析等场景，只需要部署适合的模型即可，这不仅提高了业务精准度，也极大降低了推理成本。”这种对业务边界和成本的极致把控，也体现在AI编程的应用上。

面对AI写代码是否会取代传统软件的疑问，夏海峰用“冰山理论”给出了回答：AI编程只是冰山上露出水面的一角，源码托管、权限设计、安全运维、底层数据治理这些看不见的部分，才是真正下功夫的地方。

Zoho将AI编程能力赋能给用户，是为了让他们在现有的、稳固的业务底座上做扩展，而非凭空去造一个悬在半空的应用。长期主义的底气：AI不是增项收费，而是软件的基础设施在商业模型上，Zoho的选择同样“反直觉”。

当部分厂商试图将AI能力作为独立套餐向客户收取高昂费用时，Zoho在会上主张，将AI融入产品体系，而不是简单地将其视为一项独立的增值功能，目前并不会向客户额外收AI费用。这一决定的背后，是Zoho坚持了30年不融资、不上市的长期主义底气，对于企业级AI而言，底层投入的意义不仅在于提供算力，还在于支持产品运行、数据管理和不同业务应用之间的协同。

数据安全则是另一项不能绕开的基础要求。Mathivanan将其定义为“过渡期的底线”：不管是用企业自带的API Key接入外部模型，还是使用Zoho自研的模型，Zoho都承诺不拿客户数据训练通用模型，所有的技术探索最终都指向一个目标——保护客户的数据安全与隐私。

因此，企业部署AI不能只关注模型能力，还需要结合实际应用场景评估数据处理方式、权限配置和外部服务的接入边界。对软件厂商而言，AI能力的开放程度与数据保护机制并不是相互独立的两件事：只有明确访问范围和执行权限，企业才更有条件将AI用于真实业务。

正如夏海峰在演讲最后所总结：“随着智能体具备调用API和自主执行任务的能力，企业软件不再只是供人操作的功能工具，同时成为承载智能体开展业务的底座。企业上AI，不是选一个更聪明的模型，而是决定把哪些环节交给机器，以及为此准备好什么样的底座。

Zoho要做的是把"AI + 自主执行"真正落地到企业全场景，而不是讲故事。“从AI助手到智能体，从模型选择到系统连接，Zoho正在将AI能力融入企业现有的产品与业务流程，让AI从辅助信息处理，逐步走向具体任务的执行。

AI正在改变企业软件的使用方式，也在推动SaaS重新思考自身的价值。未来SaaS的竞争，不仅在于提供多少功能，还在于能否让AI真正参与业务，并将技术能力转化为实际的业务价值。雷峰网