在华润信托，一笔债券交易的起点，可能只是一条聊天群里的消息。
交易员需要在上千个交易群中接收指令，识别交易要素，再录入交易系统。客户询问持仓、交易进度时，他们还要打开系统查询，把结果发回群里。
这项工作既繁琐，又容不得差错。
如今，华润信托开始让一个智能体接手其中部分工作。它直接进入交易群，识别并拆解交易指令、录入系统，也能查询持仓与交易进度，自动回复群里的咨询。
▲华润信托苏南
据腾讯云披露，这个基于智能体开发平台ADP打造的债券助手，拆单准确率已经从最初的80%以上提高到98%。
但在关键节点，华润信托仍然保留人工确认。
这背后其实是行业的一个非共识：大模型不断展示其可以完成多少复杂任务，但模型能正确理解一条指令，与企业愿意让它执行这条指令，是两回事。
有人认为，模型能力的持续进步，终将抹平企业AI落地的种种技术门槛。
现实未必如此。2026年8月，麦肯锡发布全球AI调查：80%的受访者称AI提高了个人工作效率，但只有37%认为AI对所在企业利润产生了正向贡献。9月，麦肯锡进一步提到，企业大量时间消耗在不同部门和系统之间的任务传递、协调与等待上。
可见，企业AI难以突破的是，模型之外的整个企业生产体系。
这也是不少专注模型或单点应用的中小To B AI公司面临的挑战。模型能力和产品功能可以快速迭代，但要进入企业核心系统，获得客户信任，并建立覆盖不同行业的交付体系，需要更长时间的投入与积累。
10月30日，在腾讯全球数字生态大会上，腾讯云升级智能体开发平台ADP，发布AgentPortal 2.0，并宣布与WorkBuddy双向打通。
此次升级，腾讯云还进一步明确了ADP的Service Agent定位，聚焦企业数据和业务场景，推动Agent深入业务流程，创造实际经营价值。
从企业业务系统接入，到智能体统一管理，再到行业场景与交付生态，腾讯云正在尝试提前占据企业Agent规模化落地的战略要地。
这些探索能否在模型之外，为腾讯云建立起一道更难被后来者快速复制的企业AI护城河？
一、AI敢不敢进入核心业务？企业Agent先要跨过管理关
从理解指令到执行交易，企业Agent首要解决的，是权限与责任问题。
华润信托债券助手仍保留人工确认与操作记录的原因，其实不难理解。一个金融智能体可以查询客户持仓，不意味着它能够查看所有客户的数据；一个负责办理业务的Agent能够调用系统接口，也不意味着它有权完成所有操作。
企业管理Agent，首先要做的就是划清业务权限。
对应这一需求，腾讯云ADP此次升级了安全私网连接、租户及权限隔离等能力，支持不同Agent按照权限访问数据库、ERP等企业内部资源，并将企业系统连接能力统一提供给沙箱、工作流、MCP、连接器等不同模块。
再来看，在云南白药也是如此：云南白药的员工日常需要查询内部制度、药品信息和医学资料，但这些知识的使用对象和权限要求各不相同。
为此，云南白药依托ADP与乐享，将权限管理细化到员工ID。员工通过“白药钉”一个入口提问，智能体自动判断问题类型、路由至对应知识库，再根据员工的实际权限返回内容。
▲云南白药党亚斌
对员工来说，就是问一个问题、得到一个答案；但在背后，是多个知识库和一套权限规则共同发挥作用。
除了明确权限以外，企业同样不能一味追求全自动，不同业务对Agent自主程度的要求也不尽相同。
例如，标准审批、工单处理等有固定规则的业务，往往需要明确的执行顺序和可预测的结果；跨部门分析、经营决策辅助等工作，则可能需要多个智能体分工协作。
为此，腾讯云ADP提供Claw、标准、多智能体、工作流四种模式，让企业能够根据实际业务需求，选择不同的智能体构建与执行方式。
华润信托就采用了这样的组合：通过Claw处理自主规划任务，利用Workflow执行规则明确的业务流程，而关键交易环节始终由交易员确认。
这也与行业对Agent治理的判断相呼应。
2026年5月，全球权威研究机构Gartner提醒，如果企业对所有Agent采用统一的治理方式，可能造成两种结果：简单任务被过度限制，而高风险任务却获得了过多权限。
而当Agent真正进入生产环境，管理也不能止步于上线。
传统软件通常按照预先确定的程序规则运行，但模型输出并不具有同样程度的确定性。一次任务执行成功，也不意味着Agent能够长期稳定地完成相似任务。
尤其是企业开始让Agent持续运行后，如何追踪每次操作、监控成本、定位故障，以及出现问题后如何及时纠正，都成为新的管理需求。
腾讯云ADP此次强化了运行记录、成本与状态监测、故障定位和版本回滚等能力。同时，ADP还可以利用AI分析真实业务反馈，提出智能体优化建议，再由人工审核后生效，让Agent在运行过程中持续受到评估和调整。
企业管理Agent，要让它能够在明确的业务规则下持续执行任务。企业级工程与治理能力，正在成为模型之外的第一层技术壁垒。腾讯云ADP此次升级，正是围绕这些生产环境中的管理需求展开。
二、员工都用上AI了，为什么企业还没同样“快提效”？
企业不是一群员工的简单相加。每个人都节省一个小时，并不意味着公司就能少花同样多的时间完成一笔业务。
企业AI的第一个问题，是把员工的工作拆成了一个个彼此独立的任务。
过去两年，AI最先进入的是文档撰写、数据分析等个人办公场景。这些工作有一个共同特点：任务边界相对清楚，员工自己就能够判断结果好坏。
但企业业务的运行方式并非如此。一项任务往往需要经过相关负责人、区域团队和一线人员等多个环节，在不同部门、人员和业务系统之间流转。
如果只是某个环节完成得更快，AI带来的效率优势就可能被原有流程消耗掉。
由此，延伸至企业AI的第二个问题：交接与等待，拖慢了整个业务流程。
2026年9月，麦肯锡在一项研究中分析了一家财富500强工业企业的生产流程，发现整个业务流程所花费的时间，大部分是在等待任务进入下一环节。
麦肯锡将其称为“协调接口成本”（Coordination Interface Tax）。
对于大型企业而言，单独优化一个步骤，未必能解决不同团队和系统之间的协作问题。这也解释了为什么员工使用AI的频率越来越高，但企业整体的效率和经营收益未必能够同步增长。
企业AI需要解决的，已经不局限于让每个员工更快完成自己的工作，还包括让AI真正进入业务流程，把不同环节连接起来。
腾讯云与伊利的合作探索提供了另一案例。伊利将区域销售、导购表现和市场数据汇聚起来，由智能体辅助分析经营情况、形成策略，再将相关能力延伸到一线导购场景。
在这个过程中，WorkBuddy承担了业务人员使用AI、开展经营分析的部分工作；ADP构建的导购智能体，则进一步进入面向消费者的销售场景，根据客户需求生成商品推荐和沟通话术。
据腾讯云披露，这套组合让导购运营团队效率提升超过50%。同时，导购智能体在A/B测试中带来26%的销售订单提升。前者体现内部效率，后者直接触及经营结果。
AI的价值不再只体现为员工少做了多少工作，也可能表现为企业完成了更多业务。
但从个人工作流走向企业级服务，还需要让AI能力能够跨系统、跨人员复用。
这也是Personal Agent与Service Agent的核心区别。腾讯云副总裁吴永坚告诉我们，Personal Agent更多从个人使用出发，而Service Agent需要站在企业角度，考虑不同角色的权限、安全，以及构建好的能力能够分享给谁、如何管理。
▲腾讯云副总裁吴永坚
例如，员工可以通过个人办公入口分析销售数据，但不能仅凭一段AI对话，就让经营策略自动进入全公司的销售流程。企业还需要完成权限验证、能力分发、任务执行和效果反馈。
腾讯云此次将ADP与WorkBuddy双向打通，正是试图缩短个人AI使用与企业业务执行之间的距离。
一方面，企业通过ADP构建的Agent和Skill，可以进入WorkBuddy，供员工在日常办公中直接调用；另一方面，员工通过WorkBuddy探索和验证的个人工作流，也可以转化为ADP智能体，进入企业统一管理与分发体系。
这意味着，个人积累的有效工作方法，有机会进一步成为企业可以复用的AI能力，而不必长期停留在某个员工的电脑里。
个人Agent解决员工如何使用AI的问题，服务Agent则进一步把AI带入企业业务流程。企业AI真正可能产生更大收益的地方，可能恰好在于重新组织这些步骤之间的关系。
三、Agent造得越来越容易，企业也为“养Agent”发愁
智能体开发门槛降低，可能让企业重新遇到软件时代的老问题：Agent太多了。
不同部门有自己的知识库、流程和业务需求，也可能各自构建智能体。每个Agent单独看都有价值，但当数量不断增加，企业可能不知道究竟有哪些Agent正在运行、谁负责维护、哪些功能重复，以及它们各自拥有多少权限。
2026年4月，Gartner将这种现象称为Agent Sprawl（智能体蔓延）。该机构当时的调查显示，只有13%的受访组织认为自身具备适当的Agent治理机制。
企业可能还没来得及充分利用AI，就先需要面对新的管理负担。
对此，腾讯云采取了一套“两手并进”的方案：ADP降低Agent开发门槛；AgentPortal 2.0解决智能体的统一使用和管理问题。
其中，ADP此次升级有两个重要变化：一是从对话式搭建智能体，走向AI原生贯穿整个开发流程；二是从搭建智能体，走向构建与部署完整的业务应用。ADP正从4.0版本的“智能体构建专家”，升级为“智能体全生命周期专家”。
过去，业务人员可能需要向技术团队提交需求，再由开发者分别完成智能体配置、系统集成和应用界面搭建。现在，部分构建工作可以在同一工作区中完成，配置、预览、调试和评测也能衔接起来。
AgentPortal 2.0则进一步解决智能体统一使用和管理的问题，让企业可以将不同部门构建的Agent纳入统一入口，同时支持对ADP及第三方智能体的集中管理。
员工可以直接提出业务需求，由系统自动选择适合的智能体处理；企业也可以按照部门、职能分发Agent，统一管理上下架和使用权限。
对于需要长期协作的复杂项目，多个智能体可以组成团队，由项目经理智能体协调任务；对于直接服务消费者的业务，多个专业Agent也可以汇聚在统一服务入口背后。
由此，企业不必让员工分别寻找和调用不同的AI工具，而是可以通过统一入口完成任务分派与多智能体协作。
与此同时，一套区别于过去软件时代的AI建设新打法，也正在逐渐成形。
过去，企业软件通常由IT部门采购、部署，再要求业务部门学习和使用。但个人Agent普及后，一线员工可能先发现某种AI工作方法有效，再推动企业将其变成正式应用。
ADP与WorkBuddy的双向打通，让这种路径在技术上更容易实现。
员工可以先通过WorkBuddy探索和验证工作方法，再将优质工作流转化为ADP智能体，纳入企业统一管理；企业已有的Skill，也能够回到员工的日常办公入口继续使用。
AI能力开始从个人经验沉淀为组织资产。由此，企业Agent平台的竞争，还延伸到企业内部AI能力的组织与运营。
四、从1个项目到1000个项目，腾讯云能否抢下企业AI的生态位？
如果说前面三个问题，分别对应企业Agent如何进入业务、产生经营价值和实现统一管理，那么接下来还有一个更艰巨的挑战：如何把一个成功项目复制到更多企业？
企业Agent越深入真实业务，越需要专业工程团队进入客户现场。这也是FDE（前沿部署工程师）模式重新受到关注的原因。
FDE是海外企业软件行业已有多年的工作方式。工程师直接进入客户的业务环境，与业务团队一起确定问题、接入系统并开发解决方案。
AI兴起后，FDE在企业Agent交付中开始扮演更重要的角色。
2026年10月，澳大利亚软件龙头Atlassian披露，其FDE团队已经与超过100家企业客户合作，推动80多个AI Agent进入生产环境。
FDE受到重视，恰恰是因为真实企业往往无法仅凭产品说明书就完成Agent部署。
业务数据可能分布在不同系统，权限规则与实际工作流程也未必一致，很多问题只有工程师真正进入业务现场后才会暴露出来。
但定制化交付也存在一个悖论：越依赖专家，越难降低交付成本。
2026年9月，Gartner提出一项预测：到2028年，70%的企业可能放弃由供应商FDE团队构建的Agent，主要障碍包括成本增加、独立维护困难。
这项预测也提醒行业，一个项目如果只能依靠最初的实施团队维持运行，就很难形成可持续的商业模式。
企业Agent需要的不只是完成一个项目，还要将项目中的经验沉淀下来，让后续客户能够以更低成本复用。
吴永坚告诉我们，腾讯云并不希望把企业Agent交付变成单纯的项目或人力外包生意。他打了一个比方：过去做企业Agent项目，有点像经营一家私房菜馆，每个客户来了，都需要厨师按照具体需求定制。但如果希望把生意做大，就需要根据过去服务大量客户的经验，逐渐沉淀出可以复制的菜品。
“只有复制效率提升了，我觉得这个生意才能够跑得转。”吴永坚说。
为此，腾讯云正在尝试以“FDE＋ADP＋场景包”突破定制化交付的困局。
在此次大会上，腾讯云推出FDE认证，并进一步升级ADP开放接口及ADP CLI，推动企业、开发者和生态伙伴参与智能体建设与交付。
除此以外，腾讯云还将过去几年积累的项目经验，进一步沉淀为一套可以交给合作伙伴使用的交付方法论。
这套FDE体系覆盖五个阶段：接入期，打通系统和数据，明确权限与安全边界；建设期，组合Claw Agent与Workflow，形成业务方案；验证期，通过真实场景检验效果、把控风险；推广期，推动Agent从试点走向规模化应用；治理期，持续管理知识、效果、成本与安全。
每个阶段都配有相应的任务、交付物和验收标准，以及模板、评测用例和操作手册，让合作伙伴能够按照相对统一的流程完成交付。
在此基础上，腾讯云还将过往项目经验归纳为覆盖零售、制造、教育、金融、医疗五大行业的25个服务场景包。
与此同时，腾讯云还展示了智能客服、视觉智能体等垂类应用的进展，尝试将更多成熟能力沉淀在ADP平台上。
目前，ADP已经覆盖千余个公有云应用场景、百余个私有云应用场景，并在零售、金融、医疗、工业等行业沉淀出可以复制的场景包。
这些场景背后有不少共性需求。例如，不同企业都需要安全连接内部系统、管理Agent权限、监控运行情况，以及根据业务反馈调整应用。
如果能够通过平台统一提供这些能力，工程师便不必在每一个项目中重新解决相同的问题。但行业场景包并不意味着所有企业都可以直接复制。所以，FDE和企业内部团队仍然积极参与适配。
在一些业务流程相似、标准化程度较高的场景中，这种模式已经展现出规模化部署的潜力。
例如，基于ADP打造的酒店智能体管家“华小AI”，通过38条工作流覆盖152个客服子场景，已经在超过10000家门店落地，自动处理超过70%的高频客服问询。酒店门店之间存在大量相似的客服需求，智能体可以复用共性工作流，再根据不同门店的具体需求进行调整。
这类可以在大量门店重复部署的场景，更容易获得规模化优势。
因此，腾讯云此次推进FDE生态建设，也是在尝试利用ADP和行业场景包，让工程师不必在每个项目中重复解决相同的问题。
FDE解决进入现场的问题，平台化降低重复开发成本，行业场景与生态伙伴则支撑进一步复制。这也是企业AI护城河可能逐渐形成的地方。
对于中小To B AI公司而言，开发相似的模型应用或产品功能，未必是无法跨越的技术难题。但进入企业核心业务系统、获得客户信任、积累跨行业经验，并建立覆盖开发、交付和持续运营的伙伴网络，都需要更长时间的投入。
吴永坚也提到了类似的判断。在他看来，模型以及围绕模型的基础技术能力固然重要，但企业Agent落地还有大量“最后一公里”的问题。如何把这些问题逐一解决，并将解决方案沉淀进产品，再通过合作伙伴规模化交付出去，难度并不低。
他将这一过程比作从做好一道菜，到能够经营上万家门店。前者考验单个产品的能力，后者则需要一整套能够长期稳定运行、持续复制的体系。
企业AI的护城河在于持续积累的客户连接、行业经验与交付生态。
腾讯云利用已有的企业生态和行业落地基础，正在争取先发位置。这条路径能否形成规模优势，将决定腾讯云在企业Agent市场中建立的护城河究竟有多深。
结语：模型之外，企业AI的护城河才刚刚开始
过去，企业购买软件，是为了让员工更高效地工作。如今，Agent开始直接连接业务系统、执行任务，人的角色逐渐转向设定目标、审核决策和处理异常。
但企业可以把工作交给AI，却不能把责任一并交出去。
腾讯云此次ADP升级，正是围绕这些问题展开：
- 向下，通过安全连接、权限隔离、运行监控和反馈优化，让Agent能够进入业务系统并持续运行；
- 向上，通过AgentPortal 2.0统一管理和分发智能体，打通WorkBuddy，让个人工作流能够沉淀为企业可复用的服务；
- 向外，则借助行业场景包与FDE生态，尝试降低不同企业重复开发和交付的成本。
这也反映出企业Agent行业正在发生的一种变化：竞争的重点正从让Agent具备更多能力，转向如何将这些能力组织起来，形成能够长期运行的企业服务。
腾讯云此次围绕ADP展开的一系列探索，正试图在模型能力之外，为企业AI的规模化落地筑起第一道护城河。
热门跟贴