主流科技厂商的战略、产品和会议议程对智能体在企业中的影响呈现出了不同的描述——而本文将为CIO（首席信息官）们评估职场AI（人工智能）智能体时提供需要考量的要点。

图片来源：Rob Schultz / Shutterstock

笔者在2025年参加了多个大型技术会议，这些会议公布了首批嵌入企业SaaS（软件即服务）平台的AI智能体。其中部分智能体展现出了发展潜力，让我们得以窥见未来工作形态，另一些则更像是平台现有功能的自然语言扩展。

2025年底，Anthropic和OpenAI推出了新的LLM（大语言模型）和代码生成能力。更多开发者开始尝试vibe coding（氛围编码），部分平台推出了需求规格导向开发能力。到2026年2月，就连《The New York Times/纽约时报》也报道称AI颠覆已经到来，指出代码生成器正在构建“可能存在缺陷，但足够可信的应用程序”。

华尔街投资者注意到了代码生成能力的提升以及其他颠覆性因素，这引发了SaaS股票的抛售潮，即如今被称为的“SaaSpocalypse（SaaS灾变）”。他们的部分担忧源于一种观点——CIO们会利用AI编写软件，取代标准化商用SaaS套件。

一、SaaS与解决方案提供商的AI创新

但笔者的观点不同，笔者在一篇文章中做出回应，抛出议题：AI是否会颠覆当下SaaS行业格局？CIO们或许会利用AI加速应用现代化，但笔者怀疑他们不会通过自行开发来替代ERP（企业资源规划）系统、CRM（客户关系管理）系统，甚至是小型SaaS单点工具方案。

相反，笔者认为SaaS企业会成为AI代码生成能力的最大受益者。这一假设促使笔者在今年春天参加了九场会议，考察SaaS企业如何推出AI智能体，定义全新的未来工作形态。笔者围绕CIO在AI时代需要规划的数据管理、敏捷组织、营销、企业资源规划、关键流程管理以及其他领域演进撰写了八篇文章。

如今，纵观这九场会议，笔者可以就AI智能体如何塑造工作的未来得出一些结论。以下是笔者的研究发现，以及CIO在企业中评估和部署AI智能体时需要考量的要点。

二、智能体、人在闭环还是增强人类能力？

SaaS企业对未来工作有着截然不同的观点，包括人类将在多大程度上扮演何种角色，以及我们何时、多快会迎来由智能体主导的全自动化工作。

例如，Atlassian宣称要“迈入人机协作的未来”，SAP则推出了“企业全流程自治体系”概念。Snowflake的目标是“让AI在商业中落地”，而Appian则主打“基于流程构建成熟AI”。

这些厂商的营销部门必须决定在传播信息时，是主打AI、人员还是业务，而CIO在思考AI战略、推动员工全面接纳AI智能体时，也必须做出同样的选择。

部分CIO认为，全自动化智能体AI是未来方向，人在决策回路只是过渡形态，各业务部门需借此逐步建立对 AI 智能体决策、自动化能力的信任。

另一些CIO则更将AI视为通过增强人类决策能力来提升生产力的工具。这类CIO中的多数都认为，AI助理对于支撑批判性思维、创新和创造力至关重要。

Deloitte（德勤）1月发布的《State of AI Report/AI状况报告》提供了一组参考数据：36%的IT负责人预计，未来一年至少有10%的工作将实现完全自动化；82%的负责人预计，这一比例会在三年内实现。

许多组织都将混合采用AI智能体，在可实现规模化可靠性的场景选择自动化，而在运营关键领域或面向客户的领域选择人工增强。但CIO对AI智能体的定位不仅是一项运营战略，也是一份文化宣言，这套定位策略会直接影响员工接纳AI的意愿，也决定担忧失业的员工是否会公开表达顾虑。

短期来看，这一定位还会影响企业选择哪些不同合作伙伴提供的AI智能体，以及在哪些领域自主开发AI智能体。

三、测试和部署AI智能体的众多选择

今年，许多解决方案提供商展出了数量大幅增加的AI智能体。例如，SAP的Joule智能体数量已从2025年的40个增长到2026年的200多个。三类核心技术底座支撑AI智能体数量爆发式增长：

• Adobe、Appian、Boomi、Cisco、Domo、Salesforce、SAP、Snowflake等厂商提供数据编织架构和数据管道能力，可连接其平台支持的平台核心业务流程以外的异构数据源。Appian、Pega、Quickbase和SAP还实现了业务流程自动化集中化，这是开发AI智能体的重要起点。

• MCP（多智能体通信协议）服务器可实现AI智能体之间的集成与通信，用于推动多环节串联式智能体自动工作流。几乎所有宣布对AI智能体进行重大投资的企业，也都同时宣布了MCP集成能力及相关合作。

• 解决方案提供商不仅在使用AI代码生成能力，许多厂商还推出了自有AI智能体开发工具。这些开发工具的首批受益者是解决方案提供商自身及其集成合作伙伴，他们利用这些工具加速AI智能体开发，并将其交付给客户使用。

最终结果是，CIO有众多可选的智能体进行测试，但需配置专职分析师持续评估各类智能体在功能、成本、合规层面的取舍关系。此外，预计未来几年AI智能体的能力将发生大幅迭代，因此CIO应持续重新评估已部署AI智能体的相关决策，重点关注性能、收益和ROI（投资回报率）。

CIO还应当警惕员工私下私自部署的未备案AI工具（影子AI）的出现，以及员工对在不同平台试验哪款AI智能体存在困惑。企业的AI战略应当包含一套透明明确的流程，覆盖AI智能体的选型、审核、评估、采购、部署、推动落地、监控以及收集终端用户反馈全流程。

四、面向工程师和平民开发者的AI开发能力

AI代码生成器易用性看似很高，这可能会促使部分工程团队选择自主开发AI智能体，而非从SaaS提供商处采购。但CIO应当很快意识到，编码只是开发AI智能体的其中一个步骤，盲目全自研模式极易累积大量AI技术负债，同步抬升全周期AI运营成本。

DevOps（开发运维）团队可采用自主开发模式，使用Claude、Codex、Lovable和Replit等工具编写AI智能体代码。部分SaaS企业提供了替代方案：推出AI智能体开发工具，可充分利用其平台内置的数据、基础设施和治理能力。这类开发工具大多具备灵活性，允许开发团队自主选择AI模型和开发环境。

笔者在本季度各类大会上看到的新增和增强型AI开发工具示例包括：

• Appian Composer and Agent Studio（Appian 编排器与智能体工作室）

• Atlassian Rovo Dev（Atlassian Rovo开发工具）

• Boomi Companion（Boomi伴侣工具）

• Cisco Cloud Control Studio（Cisco云控制工作室）

• Domo App Catalyst（Domo应用催化剂）

• Pega Infinity Studio（Pega无限工作室）

• Quickbase Pave（Quickbase铺路工具）

• Snowflake CoCo（Snowflake CoCo）

• SAP Joule Studio（SAP Joule工作室）

笔者还体验了Nutanix AI智能体，这是一款用于加速AI智能体工作负载部署的平台即服务，以及面向创意工作者的Adobe萤火虫AI助手。

这些开发工具面向不同受众群体。部分工具是针对软件开发人员的低代码开发工具，另一部分则是无代码工具，可支持“公民开发者”（即业务人员）开发应用程序和智能体。此外，部分工具支持规范驱动开发，可生成PRD（产品需求文档）、数据模型和测试能力等交付产出物。

在委托开展应用与智能体的AI开发之前，CIO应当牵头开展技术、数据、建模、安全与治理能力的验证。

五、支撑AI智能体运行的业务上下文

在AI智能体与企业情报体系（包括结构化数据源、已定义业务流程以及智能体交互，涵盖人-智能体交互与智能体-智能体交互）之间，存在一个不断演进的“业务上下文层”。

该层指的是AI智能体在评估信号、提出建议或执行动作时所依托的企业知识。上下文可包含知识图谱、语义层、清洗后的文档库以及其他知识库。

业务上下文、技能、工具、预制标准化AI智能体与治理能力，是解决方案供应商体现差异化竞争力的核心考察方向，举几个例子：

• 很多厂商支持Open Semantic Interchange（开放语义交换），部分厂商则为自身的上下文层打造了品牌产品，例如Atlassian Teamwork Graph、Boomi Knowledge Hub以及SAP Knowledge Graph。

• 还有部分厂商为自身的AI护栏打造了品牌产品，例如Adobe的AI Brand Intelligence、Appian的Private AI以及Quickbase AI Control Center。

• 为了规模化管理AI智能体，部分厂商将数据目录与其他治理工具的概念延伸到AI领域，推出了相关产品，例如Boomi Connect、SAP AI Agent Hub以及Snowflake Horizon Catalog。

CIO们需要认识到，尽管解决方案供应商会围绕能力展开竞争，但上下文层真正的“核心秘诀”，在于企业自身的可信数据、定义清晰的业务流程以及员工对AI智能体的接受度。

六、对话式用户体验与“AI同事”

AI智能体不仅会依托上下文层，还会调用技能（编码了智能体可遵循的流程）与工具（定义了智能体可执行的动作）。在AI智能体进入试点阶段之前，必须明确其治理规则，包括权限、审批节点及各类AI安全护栏。定义AI智能体时，还需要考察其他能力，包括流程编排、自动化评测、全链路可观测能力。

2025年，众多解决方案供应商在自身现有用户体验的基础上附加了AI智能体功能。今年，很多供应商展示了全新的对话式用户体验，员工可使用这类体验替代由表单、流程、报告与静态数据看板构建的传统体验。无论是人在回路模式还是人类增强模式，对话式用户体验都是AI智能体与人类交互协作的核心场景。

解决方案供应商还将其AI智能体划分为助手或同事两类。例如，Adobe CX Coworker就是人类增强模式的典型案例，它可帮助营销人员通过提示词管理营销活动并监控活动绩效。SAP在财务、人力资本、供应链与客户体验等多个业务领域推出了Joule Assistants。

其他助手类产品，包括Appian AI Copilot、Atlassian Rovo、Cisco AI Assistant、Nutanix NIVA，以及Snowflake CoWork，都为不同类型的终端用户提供了AI优先的用户体验。

CIO应当通过演示体验这类AI优先用户体验，感受未来工作模式。开发人员已经通过代码生成器和氛围编码工具适应了这类体验。目前，类似能力正在针对所有业务职能进行定制化开发。CIO应当加快推进组织转型管理专项计划，加速这些AI能力的落地采纳。

解决方案供应商正在展示可帮助CIO重塑企业业务的AI能力。但在第二季度，目前落地案例稀缺，少有企业验证AI如何助力CIO拉动业务增长、迭代商业模式，或是将AI能力嵌入面向客户的产品。笔者预计，未来将掀起新一轮AI创新浪潮，这些创新将超越生产力提升与效率优化的范畴，助力CIO推进以业务增长为核心的数字化转型路径。