企业上多个 AI 助手,真正该沉淀的不是提示词,是业务能力

最近在给一家公司做 FDE 顾问，我遇到了一个很现实的问题。

业务人员已经开始用 AI，自己开发各种小工具和业务系统。IT 部门也引入了 Dify、WorkBuddy、Octop 等不同平台。

每个工具都有自己的用途。但当大家开始把它们接入企业业务时，一个问题就出现了：

同一套业务能力，到底应该放在哪个平台里？

比如查询客户、分析销售数据、跟进订单。

如果每个平台都做一遍，短期内可能很快就能演示。可后面业务规则变了，要改几处？员工权限调整了，哪些地方要同步？两个助手给出的结果不一样，又该相信谁？

最近我刷到了一篇关于Adobe 一则公告时，让我格外的关注。

11 月 4 日，Adobe 公布了 CX Enterprise Coworker 的跨平台集成进展。[1]

简单理解，就是让企业营销人员能够从多个 AI 平台使用 Adobe 的营销业务能力，同时通过预置 MCP 集成连接其他合作伙伴系统。部分接入此前已经存在，这次公告进一步介绍了集成范围。

举个例子。

营销人员想查看哪些客户群表现最好，或者查看正在进行的营销项目，可以从支持的 AI 入口提出问题，由 Adobe 侧的能力提供相关信息。Adobe 的文档列出了查看受众、指标、项目和客户旅程等提问示例。[2]

这里有个容易被忽略的细节：

用户使用 AI 的入口，可以和业务能力所在的位置分开。

我的理解是：外部 AI 助手负责接收用户需求，再把相关请求交给 Adobe 侧的领域能力处理。

这给企业自己的 AI 建设提供了一个值得参考的思路。

假设销售部门想实现一个功能：

员工可能从办公助手发起，也可能从企业内部的 Agent 平台发起。

如果在每个平台里分别实现，容易出现这样的情况：

一个平台按下单时间统计，另一个按付款时间统计。

一个平台排除了取消订单，另一个没有。

还有一个平台为了尽快跑通，直接使用了权限过大的共享账号。

表面上，大家都在做“查询客户订单”。实际上，各自理解和实现的业务规则已经不同了。

增加一个 AI 入口，不应该意味着重新定义一次企业业务。

对于这类场景，我更倾向于先明确三件事：

谁负责理解用户的请求？

谁负责查询和处理业务？

谁决定这个用户能看什么、能改什么？

可以用下面这张表，讨论一项业务能力应该放在哪里。

这些职责不一定要拆成四套独立系统。

小团队、小场景，可以在同一个应用里实现。但即使代码放在一起，也要知道每项责任由谁承担。

以刚才的客户跟进场景为例：

办公助手负责和销售沟通。

任务编排负责确认查询哪个客户、哪个时间段，以及需要怎样的跟进建议。

订单服务负责提供准确的订单数据，客户系统负责落实客户可见范围。

AI 根据获准取得的信息生成建议。涉及回写跟进记录时，再按照业务要求进行确认和执行。

模型可以帮助理解和生成，确定的权限与交易规则需要由系统落实。

比如“销售只能查询自己负责的客户”，就应该在实际访问数据时被校验。仅在提示词中写一句“不要查询其他人的客户”，还不能作为权限控制。

看到 Adobe 使用 MCP，很容易想到：

那我们是不是把现有系统都封装成 MCP 工具，就完成整合了？

还需要往下走一步。

无论采用 MCP 还是其他接口方式，都要回答：

• 这个工具代表什么业务能力？

• 哪些人可以调用？

• 使用的是谁的身份？

• 查询与修改是否分别授权？

• 调用失败后，能不能重试？

• 已经执行的动作，如何确认和追溯？

一个“更新订单”的工具，如果没有明确这些边界，连接越方便，管理起来可能越困难。

Adobe 自己的文档也体现了这种区别：外部 AI 平台入口的发布说明描述为查询营销洞察、不修改客户数据；而 Workfront Fusion 的 Coworker 连接器，可以使用账户获准的工具执行操作，包括修改记录。[3][4]

同一个产品，通过不同入口使用，实际能力和约束也可能不同。

所以，评估集成时，不能只看“是否接通”，还要看这个入口究竟允许做什么。

不必一开始就建设一个庞大的统一平台。

先选一条具体业务流程，把它跑顺。

第一步，列出重复建设的能力。

例如，哪些平台都在做客户查询？哪些应用都连接了订单数据库？哪些地方分别维护着同一项指标的计算口径？

先找到重复和冲突。

第二步，明确规则由谁维护。

客户归属、订单状态、审批条件、统计口径，都需要明确的负责人和实现位置。

已有系统能够承接的能力，优先评估复用。缺少的部分，再决定如何补充。

第三步，用第二个入口验证能否复用。

第一个入口跑通后，再接入第二个。

检查相同用户查询同一业务时，数据范围、计算口径和审计记录是否一致。

如果换了一个入口，就要重新写一遍规则，说明业务能力还没有真正沉淀下来。

这时继续增加入口，往往只会增加后面的维护工作。

AI 让做出一个可用演示变得越来越容易。

但企业需要长期使用。人员会变，平台会升级，业务规则也会调整。

因此，做方案时，我会多问一句：

这个问题能帮助我们检查：当前交付的东西，哪些属于某个平台的交互，哪些已经成为企业可以持续维护和复用的能力。

对企业 AI 项目来说，演示跑通之后，值得继续投入的工作，就是把这些职责、规则和维护责任落实下来。

你所在的企业，是否也在同时使用多个 AI 平台？目前最让你头疼的是重复建设、权限管理，还是后续维护？

欢迎留言说说具体场景。

我是志超

分享 AI 工具、实战案例和工作流，让 AI 用进日常工作。