OpenAI 把 Agent 放进团队工作流:真正危险的,是公司还在靠人肉补漏

4 月 22 日，OpenAI 发布 Workspace Agents。这次更新没有停在“更聪明的聊天框”，而是把 Agent 推进了团队工作流里。

一个销售线索进来，过去可能要有人翻通话记录、查客户背景、看 CRM、写跟进邮件，再提醒同事补材料。现在 OpenAI 给出的方向是：把这些动作做成一个可复用的团队 Agent。它可以在云端继续跑，可以接进 Slack，可以让团队共享，也可以在关键节点要人批准。

这条新闻容易被看成“又一个办公自动化功能”。但它真正戳人的地方，是把一个公司里最隐形的浪费摊开了：很多团队常常不缺人手，真正拖住他们的，是每天有太多人在补流程的洞。

过去的 AI 是个人外挂，现在开始变成组织零件

ChatGPT 刚火的时候，最常见的用法是个人提效：写邮件、改文案、总结材料、生成代码片段。它能省时间，但省的是一个人的时间。

Workspace Agents 想碰的是另一件事：一项工作在团队之间流转时，信息怎么收集、标准怎么执行、结果怎么交付。

OpenAI 在说明里举了几个例子：软件申请审核、产品反馈分流、每周指标报告、潜在客户跟进、第三方风险评估。你会发现这些任务有一个共同点，它们都不难，但都麻烦。

麻烦在于它们要跨系统、跨角色、跨判断。人的大量时间耗在确认“资料齐了吗”“谁来批”“下一步发给谁”“有没有按标准写”。

如果 Agent 只会回答问题，它最多是助手。可一旦它能按照团队流程收集信息、生成结果、请求审批、继续推进，它就开始像一个可配置的组织零件。

这也是很多公司会被击中的地方。以前大家以为 AI 改变的是岗位能力，现在看，它更先改变的是岗位之间的缝隙。

先被压缩的，是那些没人想负责的中间环节

“Agent 会不会替代一个员工”这个问题太大。更现实的问题是：公司里那些靠人肉转发、人肉汇总、人肉提醒维持的流程，还能撑多久。

一个周报员，每周五去拉数据、贴图、写摘要、发群；一个项目助理，每天盯着工单状态、催审批、补字段；一个运营同学，把用户反馈从群聊、客服、表格里复制出来，再改成产品能看的语言。

这些工作过去能长期存在，不是价值很高，而是系统之间不连、流程没有人愿意整理、标准没有被产品化。

Workspace Agents 这类产品一出现，公司会先问一个很尖锐的问题：这件事到底需要一个全职的人，还是需要一个被定义清楚的流程？

如果答案是后者，岗位不会马上消失，但工作内容会被重新切分。会留下来的，是能定义规则、处理例外、判断优先级、负责结果的人。会被压缩的，是只负责把信息从 A 搬到 B 的环节。

真正难点在把流程说清楚

OpenAI 说，用户可以在 ChatGPT 侧边栏点击 Agents，描述团队经常做的一项工作，然后逐步把它变成 Agent。听起来门槛很低。

但低门槛不代表低成本。因为一个 Agent 是否好用，取决于公司能不能回答几件朴素的问题。

什么样的输入算完整？什么情况必须请人批准？哪些数据可以看，哪些不能看？输出给谁，格式是什么？遇到冲突听谁的？失败时谁负责？

这些问题，很多团队平时并没有答案。一个新人来公司，靠问老员工学流程；一个项目出问题，靠群里临时拍板；一个客户投诉升级，靠资深同事凭经验处理。

Agent 不会凭空修好这种混乱。它会把混乱放大。流程越含糊，Agent 越容易跑偏；权限越模糊，风险越大；标准越靠口口相传，自动化越难落地。

所以这波团队 Agent 的真正门槛，不在提示词，而在管理。它逼着公司把“大家都懂”的潜规则写成机器能执行的规则。

普通团队先别急着铺开，先挑一条高频小流程

这类产品很容易让人产生一步到位的冲动：客服要上，销售要上，运营要上，财务也要上。结果最后变成一堆没人维护的自动化脚本。

更稳的做法，是先找一条高频、低风险、边界清楚的流程。

比如每周竞品动态摘要、会议纪要转行动项、客户线索预筛、产品反馈归类、内部工具申请初审。这些事有明确输入，有相对稳定的判断标准，也容易检查结果。

第一阶段不要追求“完全自动”。先让 Agent 做 70% 的脏活，人保留最后判断。跑两三周之后，再看它到底省了什么时间、错在哪里、哪些规则需要补。

团队 Agent 最怕被当成魔法。它更像一名新员工，区别是它可以复制，可以共享，也可以在云端连续工作。新员工要培训，Agent 也要培训；新员工要权限边界，Agent 更要边界。

这条新闻的信号：AI 开始吃掉“流程税”

过去一年，企业谈 AI，常常谈模型、谈算力、谈大应用。但真正压在公司身上的，往往是流程税。

每一次重复汇总，每一次手动转发，每一次没人知道该找谁的审批，都是流程税。它不显眼，却持续吞掉人的注意力。

Workspace Agents 的意义，是让公司第一次认真审视：哪些工作其实早就该被流程化，只是一直靠人硬扛。

对普通人来说，一句“快去学 AI”解决不了问题。更准确的动作是，开始训练自己看懂流程：一项工作从哪里来，到哪里去，中间谁判断，哪里最容易错，哪些结果必须人负责。

这篇可以带走一个判断：以后看一个团队有没有 AI 能力，不只看它用了多少工具，更看它能不能把混乱的事拆成可执行、可检查、可交付的流程。

Agent 进团队以后，最贵的能力不是把话说漂亮，而是把事说清楚。