AI创业雷达|Agent进入团队后,企业软件在重做哪些环节?

MILOS AI · AGENT SECURITY

从协作、工作流到授权、数据与行业知识，看六家创业公司正在争夺哪些新位置

今天的大多数企业系统，都默认每一次操作背后站着一个人。

群聊里的成员有姓名；销售系统里的每条跟进记录对应某位员工；财务、数据库和内部文档的权限，也按岗位和账号分配。出了问题，企业最终能追到“谁做了什么”。

Agent加入以后，这个前提开始松动。发起动作的可能是一段软件，但它代表谁、为什么拥有权限、读取了哪些上下文、最终由谁负责，仍然必须说清楚。

所以，企业面对的已经不只是“怎样增加一个AI功能”。更现实的问题是：当Agent开始参加讨论、跨系统办事、读取敏感数据并产生业务结果，原来的协作、权限和数据体系还够不够用？

最近一周，Ando、Ema、Outerlimit、Snorkel AI、Go.AI和Noxtua的产品或融资动作，分别落在这条链路的不同位置。

公开资料重构：六个位置并列呈现；只有底部行动链表示先后关系。

这六家公司不是一套必须按顺序采购的技术栈。它们更像六个并列的观察点：当Agent从聊天工具变成工作参与者，企业需要补哪些过去默认由“人”承担的能力。

第一个问题：谁在工作，又在哪里协作？

Ando和Ema都把Agent放进组织内部，但入口完全不同。

Ando在9月24日走出隐身状态，宣布获得2000万美元融资。Accel领投Pre-seed，Index Ventures和Emergence Capital领投Seed。它做的是一个面向人和Agent的团队沟通平台：频道、私聊和群组对话仍然存在，但Agent不再只是藏在侧边栏里的机器人，而是拥有身份、权限和持续上下文的工作空间成员。⁠^[1,2]

这个变化可以用一个很普通的场景理解。

过去，一个人让编程Agent改代码，再把结果复制给研究Agent，最后把结论贴回团队群聊。人承担了上下文搬运、任务交接和责任确认。

Ando想让人和多个Agent直接出现在同一个工作空间里。Agent可以跟进自己参与的频道、积累上下文，并在需要时主动加入讨论。公司公开材料还强调，它不绑定单一Agent体系，可以接入Codex、Claude等现有Agent。⁠^[2]

这并不等于传统团队沟通工具已经过时。Ando现在仍是早期产品，公开客户和规模证据有限。真正值得观察的是另一件事：如果一个团队里同时有10个人和30个Agent，成员目录、消息可见性、上下文保留和责任记录是否仍能沿用今天的设计？

Ema则跳过了“在哪里聊天”，直接回答“谁把工作办完”。

公司在9月23日宣布完成7700万美元Series B，累计融资达到1.4亿美元。Ema把产品称为“AI Employee”，重点覆盖HR、IT和财务流程。⁠^[3]

这类工作很少是一次问答。以新员工入职为例，一句“下周一安排新设计师入职”，背后可能包含建立员工记录、开通工资账户、申请设备、分配系统权限、等待审批和发送通知。Ema公开的产品路径，是把自然语言意图拆成跨多个系统的动作，执行后再检查结果。⁠^[4]

这里真正变化的不是聊天界面，而是企业软件的使用顺序。

以前，人进入不同系统，逐项填写和点击；现在，员工先说明目标，Agent再调用人力、身份、设备和财务系统完成流程。既有SaaS和记录系统仍然存在，但日常入口可能逐渐变成Agent。

Ando解决共同工作空间，Ema解决跨系统协调。两者共同提出的问题是：Agent究竟只是一个工具，还是组织里可以被分配任务、共享上下文并承担工作记录的成员？

第二个问题：Agent可以行动，但谁在动作发生前踩刹车？

Agent一旦开始修改系统、读取数据库或提交业务请求，身份本身就不再等于授权。

Outerlimit在9月22日宣布走出隐身状态，并完成1600万美元Pre-seed融资。公司把产品定位为Agent的安全与授权层，核心控制点放在工具真正被调用的时刻。⁠^[5]

传统权限系统通常先确认账号是谁，再根据岗位授予一组相对稳定的权限。对Agent来说，这种方式可能过宽：一个只需要20分钟读取生产日志的任务，没有理由让Agent长期持有整个生产环境的访问权。

Outerlimit公开描述的路径是，把Agent身份、策略和当前执行上下文绑定到一次具体动作。凭据不会完整、长期地放在Agent手里；只有当身份、策略和上下文都通过检查时，系统才在调用工具前重构凭据并允许执行。⁠^[5]

这把安全问题从“你是谁”继续推进到“你为什么此刻要做这件事”。

更实用的授权表达会接近：

代表谁行动＋当前任务是什么＋允许操作哪些资源＋权限何时失效。

不过，这部分能力目前主要来自Outerlimit自己的产品公告。公司称正在与大型企业合作，但缺少足够的公开部署、延迟和阻断效果数据。接下来需要验证的是：策略究竟在哪个执行点生效，Agent能否绕过这一层直接访问资源，以及凭据重构机制在复杂工具链里能否稳定运行。

Go.AI处理的是另一种边界：有些企业不希望敏感数据和推理过程离开自己的环境。

公司在9月22日宣布完成8500万美元Series A，累计融资达到9000万美元，方向是面向金融、医疗等强监管行业的本地AI基础设施。它把硬件和Go.OS软件部署在客户环境中，用于管理模型、算力、权限与审计。⁠^[6]

Go.AI称其已有200多家客户，本地部署每天处理超过1250万次查询，年经常性收入同比增长超过8倍。上述数字来自公司公告，尚不能当作独立审计后的经营结论，但它们说明本地AI并不是只存在于合规文档中的需求。⁠^[6]

越靠近核心业务，企业越关心数据是否离开机构、模型运行在哪里、谁能查看输入输出、故障时能否继续服务，以及监管检查时能否拿出记录。

Outerlimit控制一次动作是否应该发生；Go.AI控制模型和数据在什么环境里运行。它们都说明，Agent的安全边界正在从登录页面向动作发生的位置和基础设施的所有权移动。

第三个问题：Agent依靠什么知识，才能进入专业行业？

模型变强以后，数据工作并没有消失，反而变得更专业。

Snorkel AI在9月22日宣布完成3.5亿美元Series E，估值达到35亿美元。公司称，推出新的Data-as-a-Service业务近一年后，该业务增长超过18倍，年化收入运行率已经超过3.75亿美元。⁠^[7]

这些经营数字来自公司披露，但融资方向本身很清楚：前沿模型需要的数据，正在从简单标注转向复杂任务、完整解题过程、验证器和强化学习环境。

以前，数据工作常被理解为给文本或图片加标签。现在，一个高质量编程任务可能要模拟资深工程师需要数天处理的真实问题：任务目标是否明确，环境是否完整，奖励信号是否可靠，模型有没有投机取巧，最终结果能否经过数百项检查。⁠^[7]

在法律、金融、生物等领域，同样的变化也在发生。专家的角色开始从“给答案贴标签”，转向设计模型尚未掌握的任务、提供解题轨迹、分析失败并构建验证标准。

Snorkel把这个阶段称为Data 2.0。更谨慎地说，它反映了一个趋势：模型越接近专业工作的前沿，训练和评估数据越像研究工程，而不是廉价标注。

Noxtua则展示了专业知识如何直接进入产品和股权结构。

公司在9月23日宣布完成超过1亿欧元Series C。德国法律出版商C.H.BECK成为多数股东，奥地利法律出版商MANZ也加入投资。⁠^[8]

Noxtua提供面向法律工作的AI工作空间，覆盖检索、分析和文书起草，并把欧洲法律出版商整理的专业内容作为可追溯来源。它还强调欧洲基础设施、数据保护和职业保密要求。⁠^[9]

法律行业很难接受“答案大致正确”。一条结论适用于哪个司法辖区，引用来自哪部法律、判例或评注，内容是否仍然有效，往往和答案本身同样重要。

因此，这轮交易最有意思的地方不只是融资金额，而是行业内容拥有者成为AI公司的控股股东。C.H.BECK带来的不只是资金，还有编辑体系、权威内容、分发渠道和长期形成的专业信任。

这可能是垂直AI的一条重要路线：通用模型负责语言与推理，行业公司控制可信知识、适用范围和责任边界。

六家公司背后，是控制对象发生了变化

把这六家公司放在一起，不能得出“企业软件都要推倒重来”的结论。成熟的沟通工具、业务系统、身份平台和数据库仍会长期存在。

更准确的变化是：企业软件过去主要管理人的账号，现在还要管理Agent代表谁、掌握什么上下文、能够采取什么动作，以及结果由谁验证和负责。

资本也没有简单地离开模型，而是在向模型周围扩散：

对企业和从业者来说，接下来更值得追问的不是“有没有Agent”，而是四个具体问题：

责任：这个Agent代表谁行动，出了问题追到哪个人和团队？

权限：它能访问什么，权限是否与当前任务绑定并及时失效？

证据：它依据了哪些数据和规则，结果能否复核？

边界：模型、数据和动作究竟运行在谁控制的环境里？

Agent能否成为“同事”，最终不会由称呼决定。只有当这些问题有明确答案，它才真正进入企业的工作系统。

资料来源