Agent 越来越容易开发，但让它真正成为生产力，企业还需要改变更多。
作者｜老 S
编辑｜郑玄
今天的 Agent，已经能够独立完成不少具体的工作。
写方案、写代码、做分析报告，过去可能需要员工花费几天才能完成的任务，如今 Agent 往往能在较短时间里交出不错的结果。
但在企业里，完成一份方案，可能只是一项工作的开始。比如，Agent 可以很快制定一份员工考核方案。但要用它真正完成一次考核，还需要获取员工的考勤、业绩等数据，处理特殊情况，并经过业务负责人和 HR 的确认，才能最终确定绩效。
能够交付阶段性的工作产物，和能进入真实业务、创造实际价值，是两回事。
随着 Agent 能力快速进化，企业开始面对一个新的问题：如何让这些越来越能干的 AI，真正参与到现有的工作体系中？
在今年的腾讯全球数字生态大会上，腾讯专门设置了 AI 产品发布台，用两天时间、七场议题、40 多场产品发布，集中展示企业 AI 从应用到基础设施的一系列新能力。
腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生在大会上提出，腾讯将围绕办公协同、数据管理和业务执行三大场景，持续开放 WorkBuddy Agent 平台能力，帮助企业打造可运营、可进化的智能生产力系统。
从应用、数据、安全到工程，腾讯此次集中展示的一系列产品和技术能力，正是希望让 Agent 不仅能够完成任务，还能真正进入企业的业务流程，成为持续创造价值的生产力。
01
一个人用得好 AI，
不等于一家公司用得好 AI
随着大模型和 AI Coding 工具的发展，软件开发的门槛正在快速降低。一些过去需要技术团队专门开发的内部工具，如今几天就能完成，业务人员也开始有机会直接创造自己需要的 Agent。
但问题是，一个人用得好的 Agent，并不意味着整个团队都能用好。
个人可以根据自己的需求配置工具、调整工作流，但企业需要考虑更多：Agent 能否接入原有系统、访问所需数据？不同员工、Agent 的权限如何管理？一个人摸索出的好方法，怎样才能让其他人直接使用？
腾讯云副总经理、WorkBuddy 企业产品负责人张曦耀在大会上提出，个人提效并不等于组织变强，两者之间隔着的是一整套组织能力。
WorkBuddy 企业版此次升级，正是试图降低这道门槛。
相比个人使用 Agent，企业版更强调连接、管理和规模化应用。此次发布的四项升级中，开放平台让 WorkBuddy 能够连接企业微信、第三方 IM 和业务系统；企业级安全解决方案和可观测中心，帮助企业管理权限、执行过程和使用成本；WorkBuddy 托管智能体（WMA）则将任务搬到云端，支持 Agent 7×24 小时运行。
WorkBuddy 升级办公套件订阅丨来自：腾讯全球数字生态大会
与此同时，腾讯还发布了以 WorkBuddy 为工作台的一体化办公套件 Buddy One，整合腾讯文档、网盘、乐享等产品，通过统一账号、共享 Credit 池和集中管理，降低企业配置和推广 AI 的复杂度，并让技能与工作经验有机会在团队中复用。
苏宁的实践是一个很好的案例。基于 WorkBuddy 企业版，苏宁建立了组织级智能体平台，已经覆盖 14 个部门、48 个协作场景，沉淀了 36 个可复用智能体。比如在新品发布场景中，团队将布展、会展和接待流程整理成模板，并将过程文件纳入知识库，将一场新品发布的筹备时间从 3 个工作日缩短到 4 小时。
不仅节省了时间，这套工作方法也被保留了下来，可以在下一次任务中直接复用。
这也是 Agent 从个人工具走向组织生产力的关键：不仅让更多员工能够使用 AI，还要让个人积累的能力成为整个团队可以复用的资产。
但让 Agent 在企业内普及，只是第一步。员工每天仍然需要在文档、知识库和各种办公软件之间协作。要让 AI 真正参与工作，这些软件本身也需要改变。
02
让 Agent 真正上班，
办公软件也得「改改」
今天绝大多数办公软件，原本都是为人设计的。
比如，一名员工让 Agent 完成一份研究报告。虽然 AI 已经能够生成不错的初稿，但需要参考的资料可能散落在知识库、聊天记录和不同文件中。员工仍然需要自己整理资料、补充背景，再根据经验反复调整，最后把结果交给同事修改和审核。
看上去 AI 加快了写作，但完成一项工作所需的许多环节，并没有因此减少。
因此，AI 办公的下一步，不只是给办公软件增加 AI 功能，让人方便在上面用 Agent；更要让软件本身变得对 Agent 友好，让 AI 能够直接参与人的工作。
腾讯此次围绕办公产品进行的一系列升级，正在尝试解决这个问题。
首先是让 Agent 能够获得工作所需的上下文。
以腾讯 AI 知识管家 ima 为例，它不仅帮助用户沉淀和管理知识，也支持基于已有知识进行问答、理解与处理。据介绍，目前 ima 已汇聚 1300 万知识工作者，知识管理规模超过 12 亿，知识号生态共享内容数量达到 5.2 亿。在此基础上，ima 通过原生嵌入、MCP、Skills 等方式，向 WorkBuddy 及其他智能体开放知识调用能力，让个人积累的资料与生态共享的专业内容在更多任务中发挥作用，成为用户和 Agent 都能调用的「第二大脑」。目前，ima 知识号在 WorkBuddy、元宝中的累计调用量已超过 2 亿次。
腾讯乐享丨来自：腾讯全球数字生态大会
对于企业而言，腾讯乐享进一步提供企业知识的连接、索引和治理，让制度、流程和历史案例能够成为 Agent 的参考依据；腾讯网盘则负责统一存储，让 Agent 可以在授权范围内获取文件、保存工作成果。
除了文档和知识，企业还有大量业务数据需要 AI 理解。即使 Agent 能够查询数据库，也未必知道不同指标的具体含义，或者不同部门采用的统计口径。腾讯云的 TDSQL Nexa Lakebase、DataBuddy Unity Semantics 等产品，就是尝试让 Agent 在获取数据的同时，理解数据背后的业务语义，减少分析和判断中的错误。
但让 Agent 理解业务，只是第一步。下一步需要解决的，是如何让 Agent 与人协作。
WorkBuddy 与腾讯文档互嵌丨来自：腾讯全球数字生态大会
腾讯文档此次重新设计了编辑器，为 Agent 的操作进行适配，实现「人机双写」。员工和 Agent 可以在同一份文档中继续编辑，沿用相同的权限体系。腾讯文档与 WorkBuddy 也实现了上下文的双向切换，让员工不必在 WorkBuddy 和腾讯文档之间反复搬运内容。
过去，员工使用 AI 生成内容，再回到办公软件完成后续工作；现在，Agent 可以在已有的知识、任务背景和权限下，直接与人协作，接续完成工作。
这种变化也正在向更多场景延伸。腾讯设计 Ardot 让 Agent 能够读取设计稿中的组件和规范，CNB 与 CodeBuddy 则尝试让 Agent 直接参与代码仓库中的开发和评审流程。
对于企业来说，真正有价值的 AI 办公，不只是某个环节的速度提高了多少，而是能否减少员工反复寻找资料、解释背景和交接成果的工作。
否则，人反而可能成为业务流转的卡点。
从这个角度看，腾讯此次对文档、知识库等办公产品的升级，不只是增加 AI 功能，而是在探索一种更适合人机协作的办公软件形态。
不过，当越来越多 Agent 真正参与工作，企业还需要进一步解决这些 Agent 如何稳定运行、持续优化，并以可控的成本扩大生产效率的问题。
这是企业 AI Ready 面临的新挑战，对企业的底层基础设施提出了新的要求。
03
让 Agent 规模化创造价值，
企业还需要怎样的基础设施？
当越来越多员工开始使用 Agent，企业接下来要面对的，是如何让这些 AI 能力持续、稳定地创造价值。
首先需要解决的是安全问题。
过去，软件通常按照预先设计好的规则运行，员工的操作也受到权限约束。但 Agent 可以自主调用工具、访问数据，甚至执行代码。当企业开始将真实业务交给 AI，如何限制它的操作范围、保护敏感信息，以及在出现问题时追溯原因，都变得更加重要。
腾讯云此次推出的 AI Agent 网络全链路安全解决方案，以及新一代云安全中心等产品，正是试图为 Agent 的数据访问、工具调用和运行过程提供安全保障。
但让企业敢用，只是第一步。当 Agent 真正开始规模化运行，原有的 IT 基础设施也需要改变。
与传统软件不同，Agent 可能连续工作几个小时，调用不同工具，并且随时保存和恢复任务状态。当企业需要同时运行成千上万个 Agent，计算资源、运行环境和成本控制，都会变得更加复杂。
腾讯云 Agent Runtime 产品负责人李佳南举例，如果每个 Agent 都需要独立的执行环境，那么运行 10 万个数字员工，就可能意味着需要 10 万个沙箱。
腾讯云此次围绕 Agent Runtime 的升级，正是为了应对这些新的工程需求。这套专门为 Agent 设计的基础设施，已经应用于 WorkBuddy 等产品，为 Agent 的大规模运行提供底层支持。
围绕运行、治理、进化这三个环节，Agent Runtime 提供了一系列产品组合，它们既能分别解决企业的具体问题，也能够相互配合，让 Agent 从执行任务到发现问题、优化表现，形成持续改进的闭环。
例如，当 WorkBuddy 这样的办公 Agent 需要运行代码、调用工具时，需要独立、安全的执行环境。腾讯云开源的 CubeSandbox 可以提供相互隔离的沙箱，并通过快速启动和弹性调度，支持大量任务并发运行。
有了执行环境，还要解决数据的存储和调用问题。腾讯云的 AgentCFS 为 Agent 沙箱提供共享存储，让不同 Agent 互相之间能够高效读写和共享数据；Agent Bucket 则为 Agent 生成的文档、图片等成果，提供独立的存储空间和智能检索能力，让这些工作成果能够被保存、查找和再次使用。
还有 Agent 需要长时间处理复杂任务，还要解决上下文不断增加、历史信息难以保留的问题。TencentDB ContextTurbo 可以通过上下文压缩和分层记忆，帮助 Agent 记住重要信息，甚至跨会话延续此前的工作。
而当企业开始大规模使用 Agent，还需要知道这些 AI 的工作完成情况。AgentObs 提供了全链路运行监测和质量评估能力，帮助企业找到执行过程中的问题，持续优化 Agent 的表现。
这些底层技术看起来距离员工的日常工作很远，却决定了企业能否以可控的成本，让越来越多 Agent 持续承担真实任务。
当 Agent 开始成为一种日常生产力，企业需要的不只是部署 AI，还要学会管理、运营和持续优化 AI。
04
腾讯想做的，不止是更多 Agent
回过头看，也就更容易理解腾讯的整体布局。
汤道生在会上提出，腾讯希望打造的是一套「全场景、高效能、更放心」的 Agent 生产力系统。
腾讯 Agent 全景图丨来自：腾讯全球数字生态大会
从 WorkBuddy 帮助企业推广和管理 Agent，到文档、知识库和数据系统为 AI 提供业务上下文，再到底层的安全和工程能力，腾讯正在尝试将原本分散的产品连接起来，形成一套支撑企业 Agent 落地的完整体系。
这也是腾讯在企业 AI 竞争的优势所在：它既拥有企业微信、腾讯文档、WorkBuddy 等贴近员工和业务的产品入口，也拥有云计算、数据库和安全等底层能力。前端能够接触真实的业务需求，底层则为 AI 的规模化应用提供支撑。
但比起单独推出某个 Agent 产品，腾讯更大的机会，可能恰恰在于把这些能力连接起来。
开发一个 Agent 正在变得越来越容易，但企业需要的不是做出独立的 AI 工具，而是要让 AI 融入到现有的系统，理解业务需求，与员工协作，并且持续完成工作。只有让应用、数据和基础设施真正配合起来，Agent 才有可能从一个好用的工具，成为企业生产力的一部分。
当然，拥有完整的产品布局，不意味着企业就能自然而然地获得 AI 生产力。技术和产品解决的是能力供给的问题，要让 Agent 真正进入业务，还需要企业重新梳理工作流程，明确权限和责任，把已有的知识、技能和工作方法转化成 AI 可以执行的任务。
过去，企业主要通过增加人手、采购软件和优化流程来扩大生产力。Agent 则提供了另一种可能：将已经验证有效的知识、技能和工作方法，转化成能够持续执行、反复复用的 AI 能力。
当 AI 越来越会干活，企业也需要重新学习，怎样组织和使用这些新的生产力。
*头图来源：腾讯全球数字生态大会
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
极客一问
你觉得如何才能让
Agent 真正成为生产力？
