ARTICLE · 1279489
“一句话调起所有App”遭遇155款应用拒绝或限制:企业智能体的边界在哪里?
☝️点击蓝字关注，选择设为星标⭐
穿透AI迷雾，找到落地锚点。
你对手机说一句话：“帮我把昨天出差的发票整理好，填进报销系统，再给财务发个消息。”
理想情况下，AI 自动打开酒店、打车、邮箱和 OA，提取发票、填写表单、发送消息。
你只管交代任务，剩下的全部交给它。
但现实没有这么顺利。
豆包手机助手尝试通过屏幕自动化跨应用执行任务后，遭遇了大量应用的拒绝或限制。
相关讨论中，155 款应用成为一个引人注目的数字。
这件事表面上是 AI 手机的产品冲突，背后却是一个更值得企业管理者关注的问题：
AI已经能够替人操作系统，但它是否有权操作这些系统？
这不是一道单纯的技术题，而是智能体走向真实业务世界必须面对的治理题。
一、AI想替你办事，为什么App不愿放行？
先看技术。
过去的 AI 助手主要负责回答问题、生成内容。
现在的 GUI Agent（图形界面智能体）开始进一步执行任务：
识别屏幕内容、定位按钮、输入信息、模拟点击，并尝试跨应用完成一整套流程。
它不一定需要每个应用都开放专门的 API，就可能通过屏幕交互完成操作。
这让 AI 的能力边界向前迈了一步。
但问题也随之出现：技术上能够操作，不等于业务上获得授权。
站在应用平台的角度，至少有三类风险值得认真对待。
首先是安全与隐私。
一个能够读取屏幕、模拟点击的智能体，可能接触聊天记录、订单信息、个人资料甚至支付相关页面。
即使用户只是要求它整理发票，也需要明确它实际读取了什么、保存了什么，以及是否可能受到恶意指令干扰。
其次是商业利益。
App 的入口、推荐、广告、会员服务和交易路径，都是平台长期经营的一部分。
如果 AI 直接替用户比较商品、选择服务、完成下单，用户可能不再经过原有的推荐和广告环节。
对平台而言，这不仅是技术接入问题，也可能改变用户关系和商业模式。
最后是责任边界。
如果智能体误删数据、下错订单，甚至在支付页面执行了错误操作，责任应该由谁承担？
用户授权了 AI，不代表用户认可它的每一个动作；
应用提供了服务，也不意味着它同意任何外部智能体以任何方式操作自己的系统。
因此，应用拒绝或限制屏幕自动化，并不必然意味着它们拒绝 AI。
更准确地说，它们需要判断：
谁在操作、获得了什么授权、能够执行哪些动作，以及出了问题由谁负责。
二、这像是智能体时代的“Robots协议时刻”
针对屏幕自动化的权限与边界问题，豆包提出的 SAEP（Screen Automation Execution Protocol）提供了一种值得关注的治理思路。
简单理解，就是让应用能够声明哪些页面或操作可以被智能体访问，哪些需要限制；
让系统识别智能体身份、检查授权和安全条件，并对关键操作实施控制、记录执行过程。
这与互联网早期的 Robots 协议有相通之处。
在搜索引擎发展过程中，网站可以通过 robots.txt 声明哪些路径允许或不希望爬虫抓取，为网站与爬虫之间提供一种基本的规则约定。
但两者不能简单画等号。
Robots 协议主要表达网站的抓取意愿，并不等于强制访问控制，更不能自动解决数据安全和责任划分。
屏幕自动化涉及的则可能是登录状态、个人信息、交易操作乃至真实资金，治理要求显然更加复杂。
所以，SAEP 更适合被理解为一种尝试：
为智能体访问图形界面建立更明确的规则边界。
不过，有协议不代表问题就解决了。
规则能否落地，还取决于平台是否接受、系统能否有效执行、用户是否真正授权，以及各方能否就责任和利益达成共识。
这才是这条新闻真正值得关注的地方。
三、手机里的155道门，企业里可能更多
把镜头从手机切换到企业。
今天，许多企业正在尝试让智能体跨系统执行任务：
从 CRM 获取客户信息，在 ERP 查询库存，通过 OA 发起流程，再调用财务系统生成单据。
从演示效果看，这些流程似乎只差一个足够聪明的模型。
但真正进入业务现场，智能体很快就会遇到一连串问题。
销售部门的 Agent 想修改客户阶段，谁授权？
供应链 Agent 想调整采购数量，谁批准？
财务 Agent 想生成付款指令，是否可以直接提交？
人事 Agent 想批量发送录用通知，是否拥有相应权限？
这些问题与手机应用面临的困境，本质上是相通的。
企业系统之间看似存在一道技术墙，背后却往往是部门职责、数据权限、审批制度、审计要求和经营风险的共同作用。
财务部门不愿让销售智能体直接修改账目，未必是因为技术不够先进，而是因为财务必须对数据准确性和资金安全负责。
供应商不愿让外部 Agent 随意调用系统，也未必是不接受自动化，而是因为双方还没有明确数据使用范围、操作权限和异常处理机制。
系统之间真正难打通的，往往不是接口，而是权限、责任和利益。
这也是为什么，接通一个 API、部署一个 MCP 服务，或者让多个 Agent 通过协议相互通信，并不意味着业务流程就能自动跑通。
技术连接解决的是“能不能调用”，身份与授权解决的是“允不允许调用”，业务契约解决的则是“为什么允许、出了问题谁负责”。
这三个层次缺一不可。
四、企业不必等待行业标准，可以先建立自己的规则
对于正在推进企业智能体的 CIO 和业务负责人来说，与其一味追求让 Agent 获得更多操作能力，不如先明确它的权限边界。
有四件事值得优先落实。
第一，把操作权限分级，而不是简单地分成“能用”和“不能用”。
读取数据、填写草稿、提交申请、修改业务记录、执行审批、发起支付，风险完全不同。
企业可以根据业务风险设置不同的授权等级：
低风险、可逆的操作可以适度自动化；
涉及重要数据变更、对外承诺或资金的动作，应增加校验和审批；
高风险操作则必须设置明确的授权条件，不能仅凭模型判断就执行。
关键不是限制智能体，而是让它获得与任务风险相匹配的权限。
第二，让权限跟着身份和任务走。
不能因为一个 Agent 获得了某个系统的访问权限，就默认它可以读取所有数据、执行所有动作。
应明确它代表谁执行任务、可以访问哪些数据、权限持续多久、允许调用哪些工具，以及任务完成后如何收回临时权限。
用户授权也应当具体、可理解，不能用一次笼统的同意，覆盖后续所有高风险操作。
第三，把人工确认放在真正重要的节点。
并非所有步骤都需要人盯着，但涉及付款、合同生效、批量删除、关键数据修改等高风险动作时，应根据业务规则设置确认、审批或双重校验。
更重要的是，确认必须发生在关键动作执行之前，而不是出错之后再让人承担责任。
第四，让每一步操作都能追溯。
企业需要记录智能体以谁的身份执行、调用了什么工具、读取或修改了哪些数据、依据什么授权、是否经过人工确认，以及最终产生了什么结果。
一旦发生异常，能够暂停任务、撤销可逆操作、定位责任并恢复业务。
这才是企业版“智能体访问规则”的真正价值。
它不一定需要一开始就成为一套庞大的治理平台，但必须进入企业的系统设计、流程管理和供应商合同，而不能只停留在一份 AI 使用规范里。
五、智能体的下一场竞争，不只是模型能力
过去几年，行业不断追问：
哪个模型更聪明？
哪个 Agent 更会调用工具？
谁能用一句话完成更多任务？
这些问题依然重要，但已经不足以决定智能体能否在企业里规模化运行。
一个能调用十个系统，却没有清晰授权机制的 Agent，可能比只能调用两个系统的 Agent 更危险。
一个能自动完成整条流程，却无法解释操作依据、不能追踪执行记录的 Agent，也很难真正进入财务、供应链和核心经营环节。
智能体的价值不只在于替人完成任务，更在于它能否在真实业务约束下稳定执行任务。
这也会改变企业对人才的需求。
未来，企业需要的不只是会写提示词、会配置工作流的人，还需要能够把业务流程、系统权限、风险控制和组织责任连接起来的人。
他们要回答的不只是“这件事能不能自动化”，还包括“哪些环节适合自动化、哪些动作必须由人决定，以及怎样让自动化在出错时仍然可控”。
能干活，解决的是Agent与任务之间的问题；
被允许干活，解决的是Agent与整个商业世界之间的问题。
前者依赖模型、工具和流程编排，
后者依赖规则、信任与治理能力。
155 款应用的拒绝或限制，未必意味着AI 手机的方向走不通，却提醒我们：
从技术演示走向真实应用，智能体必须面对它所处的整个生态。
对企业来说，也不必等到行业形成统一标准后才开始行动。
先明确身份，划定权限，控制高风险动作，做好操作留痕和责任分配，就是迈向规模化落地的第一步。
毕竟，真正成熟的智能体，不是能够打开所有门，而是知道哪些门可以开、凭什么开，以及什么时候必须停下来。
【互动时刻】
如果企业里的 AI 助手能够直接修改客户资料、提交报销，甚至发起付款，你最希望它拥有什么权限？
又有哪些事情必须保留人工确认？
欢迎在评论区聊聊。
智能体的边界，不只是技术团队要决定的问题，也是每一家企业都需要回答的问题。
声选精华｜机器智能时代值得收藏的声音：
2026年，第一批因AI项目失败而“背锅”的CIO，已经出现了
按效果付费+1元买断AI核心产权？恒丰银行这招“反套路”绝了
【云端猎人：国资数字化反腐风暴系列合集】那个在云端“捞钱”的 IT 大虎，被我们的四篇干货“闭环”了
-都看到这里了，点一个【转发】呗-
