开头

如果说上一周的关键词是“入口”，这一周更准确的关键词是“算账”。

入口之争还在继续，但本周更值得企业管理者看的，不是谁又把 AI 放进了哪个界面，而是谁开始证明：这些 Agent 到底完成了多少工作，减少了多少人工流转，能不能进入企业原有系统，出了问题能不能被审计。

这个差别很重要。

5 月 26 日，微软在 Copilot Studio 中发布一组更新：computer-using agents 正式可用，新的 workflows 体验进入早期发布环境，Work IQ REST API、CLI、remote MCP server、A2A communication、实时语音 Agent 等能力被放进同一个平台里。微软在文章里直接写到，团队已经希望从“对话体验”走向“帮助完成工作的系统”。它给出的 Graebel 案例也不是一个漂亮的聊天机器人，而是一个能读非结构化邮件、校验业务规则、操作缺少 API 的内部系统，并在异常时通过 workflow 升级处理的 Service Order Agent。(微软)

同一周，Salesforce 在财报里把 Agent 写进经营语言：Agentforce ARR 达到 12 亿美元，Agentforce 与 Data 360 合计 ARR 接近 34 亿美元；更关键的是，它披露了 38 亿个 Agentic Work Units，也就是生产中的 AI Agent 已经执行的离散工作单元。(Salesforce投资者关系)

这两个信号放在一起看，本周的主线并不是“AI 又进了一个入口”，而是企业 AI 开始面对第二道问题：上线之后，它到底完成了多少工作，能否被计量，能否被审计，出了问题能否被控制。

这还不是全行业已经完成转段。大量企业仍停留在内部试点、账号采购和知识问答阶段。但在微软、Salesforce、Google、OpenAI、Capgemini 这些厂商和标杆客户的叙事里，一个变化已经很明显：企业 AI 不再只靠“能回答”证明价值，它开始被放进流程里，被要求交付结果，并逐渐进入经营指标。

一、最大变化：Agent 从“会回答”变成“要交活”

过去企业讨论 AI，经常围绕三个问题：回答得准不准、员工愿不愿意用、能不能接入知识库。这些问题仍然重要，但本周的信号说明，头部厂商正在把注意力移到更硬的一层：AI 是否能进入企业流程，并完成一个具体动作。

微软 Copilot Studio 的更新就是典型例子。computer-using agents 正式可用，意味着 Agent 可以通过 UI 操作网页和桌面应用，绕过老系统缺少 API 的问题；新的 workflows 体验，则把 API 动作、审批、业务逻辑、Agent 节点放到同一张画布上；A2A communication 让不同 Agent 之间交换信息、委派任务；remote MCP server 则把工具连接标准化。(微软)

这些功能看起来偏技术，但背后对应的是企业非常现实的问题：老系统没有接口，跨部门流程靠邮件和人工转交，自动化脚本经常因为页面变化失效，客服语音渠道很难保留上下文。过去这些问题不是一个更强的模型就能解决的，它们属于流程、系统、权限和运维层。微软这次更新的价值，不在于让 Copilot 更会说话，而在于它开始补企业自动化最琐碎、也最值钱的部分。

Graebel 的例子值得放大看。它处理大量员工搬迁服务请求，这些请求来自非结构化邮件，包含附件、特殊说明和例外情况。因为内部 Global Connect 平台缺少 API，早期自动化很难稳定运行。后来它用 computer use 让 Agent 直接操作系统界面，用 workflow 处理异常升级。这个案例说明，企业 Agent 的第一波价值，未必来自完全重构系统，而是来自把人每天重复做的“跨系统搬运、校验、录入、升级”变成可控流程。(微软)

Salesforce 的 AWU 是本周另一个关键概念。它把 Agent 的工作从“调用次数”“活跃用户数”中抽离出来，变成一个业务动作单位：解决工单、更新记录、触发自动化流程。这种度量方式还不能说已经成为行业标准，但它很重要。因为它把 AI 从“大家都在用”翻译成“它完成了多少业务动作”。(Salesforce投资者关系)

对企业来说，这是一道分水岭。很多 AI 项目在试点阶段看起来都不错，但到了年度预算会，就必须回答更朴素的问题：到底少了多少人工流转？压缩了多少处理时间？减少了多少返工？提升了多少一次解决率？如果回答不上来，AI 项目就会停在创新展示层。

本周最大的变化，不是 Agent 多了几个能力，而是头部厂商开始把 Agent 推向生产现场，并尝试给它记账。

二、竞争焦点开始从“谁有能力”转向“谁能交付”

本周另一个鲜明变化，是大厂和咨询公司都在强化“交付叙事”。

Google Cloud 与 Workday 扩大合作，把 Workday 的 Sana Self-Service Agent 接入 Gemini Enterprise，让员工可以在日常工作入口中处理 HR 和财务相关问题，例如政策查询、工资单、请假、费用等，并且仍然遵守 Workday 的权限和策略。Google 与 Workday 还强调，双方会将 Workday 的 Agent System of Record 与 Google Cloud 的企业级 Agent 平台结合，让来自 Workday、Google Cloud 和第三方的 Agent 在真实 HR 和财务流程中协作。(Google Cloud Press Corner)

这条信号的重点不是“Google 又接了一个 SaaS”，而是 Agent 开始被放进企业日常事务入口里。HR 和财务不是最酷的场景，却是最典型的企业流程场景：数据敏感、权限复杂、审批清晰、错误成本高。Agent 如果能在这里稳定运行，说明它离真实组织更近了。

Google 与 EQT 的合作则是另一种交付路径。EQT 将让旗下 300 多家投资组合公司获得 Google Cloud 的 agentic AI 平台、Gemini 模型、安全能力、主权云方案，以及 Google forward-deployed engineers 的支持。这不是单纯的模型采购，更像是一套“平台 + 安全 + 工程师 + 分发网络”的组合式交付。(Google Cloud Press Corner)

OpenAI 本周的动作也很值得注意。它没有靠一个新模型占据企业叙事，而是连续释放客户案例。Cisco 的案例中，Codex 参与 AI Defense 等关键工程流程，OpenAI 披露 Cisco 有 95% 以上的新 AI 功能由 Codex 编写，缺陷修复吞吐提高 10—15 倍，每月节省 1500 多个工程小时。(OpenAI)

Endava 的案例更有启发。它没有把 Codex 当作单纯 coding assistant，而是把它称为贯穿需求分析、设计、规格、开发和运维的 desktop agent。Endava 还强调，最大的杠杆来自把资深工程师和架构师的判断编码进 Agent，让初级团队也能获得更成熟的输出。(OpenAI)

MUFG 的案例则说明，企业 AI 进入大组织时，技术只是其中一部分。三菱 UFJ 银行向约 35,000 名员工部署 ChatGPT Enterprise，并通过强制 e-learning、custom GPT 培训、部门 AI champion 等方式推动使用。OpenAI 披露，员工在四个月内创建了 1800 多个 custom GPT，在部分研究任务中报告工作量减少 20%—30%。(OpenAI)

这些案例共同指向一个更稳妥的判断：在头部企业和标杆客户那里，AI 竞争正在从“功能展示”部分转向“部署证据”。

Capgemini 在 5 月 27 日资本市场日上说得更直白。它把 Agentic AI 称为一种企业级转型，而不是单纯技术部署；并提出五个价值池，包括技术债现代化、agentic technology stack 重置、agentic control plane、产品与服务的 agentification、企业运营的 agentification。它还提出 Outcome Deployed Engineers 和 AI-native delivery setups。(Capgemini)

这几乎就是咨询公司版本的答案：未来值钱的不是“帮客户接一个模型”，而是帮助客户重画流程、重置技术栈、搭建控制平面、定义人与 Agent 的协作方式。

交付之战开始浮出水面：谁能把 Agent 放进生产环境，谁能度量它的工作，谁能控制它的风险，谁就更接近企业预算。

三、CEO / CIO 应该怎么看：不要再只问“用了没有”

对 CEO 来说，本周最重要的提醒是：AI 项目不能再只按“是否上线”“多少人试用”来汇报。

Salesforce 把 Agentforce ARR、AWU、token、API calls 放进财报语言，是一个很强的信号。资本市场和企业管理层开始要求 AI 用经营语言说话。一个企业内部的 AI 项目，如果还停留在“员工反馈不错”“回答准确率提升”“调用次数增长”，很难支撑下一轮投入。(Salesforce投资者关系)

CEO 更应该要求团队回答三类问题。

第一，AI 是否进入了高频流程。比如客服工单、销售线索、售后排障、合同审核、报价草稿、研发缺陷修复、采购审批、服务报告。这些地方才接近收入、成本和客户体验。

第二，AI 是否形成了可度量的工作单元。比如每周自动补全多少工单、减少多少人工分派、生成多少服务报告、缩短多少报价周期、降低多少重复咨询、提升多少一次解决率。没有工作单元，就很难算账。

第三，AI 是否能复用资深员工的判断。Endava 的案例说明，Agent 的价值不只是替人省时间，还包括把资深架构师、售后专家、产品经理、法务专家的经验转化为可复制的组织能力。对很多企业而言，这比“生成一段文本”更有战略价值。(OpenAI)

CIO 的关注点则要更冷静。Agent 一旦从聊天框进入流程，它就不再只是一个“工具”，而是一个新的执行节点。执行节点就会涉及权限、身份、日志、审计、失败恢复和责任归属。

微软的更新之所以重要，是因为它把 computer use、workflow、审批、A2A、MCP、语音治理放在一起。CIO 要看的不是某个功能，而是这套平台能否成为企业 Agent 的控制平面：谁能发布 Agent，谁能批准 Agent，哪个 Agent 能读写哪些系统，哪些动作必须经过人工确认，执行失败后如何回放，第三方工具是否可信。(微软)

Anthropic 本周关于 Claude containment 的工程文章，也值得 CIO 单独阅读。它讨论的不是抽象的 AI 安全，而是非常具体的风险：Agent 可能被提示注入影响，远程 MCP server 或 cloud connector 在安装后仍可能改变行为，隔离环境会限制 Agent 可触达范围，但也可能影响企业安全工具的可见性。Anthropic 的核心问题不是“要不要给 Agent 权限”，而是如何限制 blast radius。(Anthropic)

这对 CIO 来说尤其关键。很多企业现在还把 “human-in-the-loop” 当作主要安全方案。问题是，审批太多会让人麻木；审批内容太技术，业务用户也判断不了。真正有效的治理，是把风险限制在系统结构里，而不是把所有判断都推给员工。

所以，CEO 和 CIO 需要形成一个共同判断：AI 项目的下一阶段，不是盲目扩大试用人数，而是选择少数关键流程，把它们做成可度量、可审计、可复盘的生产系统。

四、对制造业 / B 端 Agent 的启发：别再从“问答机器人”起步

制造业最容易从知识问答开始做 AI。因为产品资料多、售后问题多、客户咨询多，看起来最自然的方案就是做一个“懂产品的机器人”。

但本周信号说明，这条路只能做前半段。制造业 Agent 真正的价值，不在于把一句话答好，而在于把一个服务事件继续推进下去。

一个客户反馈设备故障，问答机器人可以回答“可能是什么原因”。但制造业真正需要的是后续动作：识别设备型号、查保修状态、匹配历史故障、读取错误码、生成排查路径、判断是否远程排障、是否需要上门、是否有备件、是否要升级服务经理、是否要回写 CRM 或工单系统。

这就是从会话中心转向服务事件中心。

会话中心关心的是对话内容，服务事件中心关心的是状态变化。这个问题现在处于哪个阶段？还缺哪些信息？下一步由谁处理？哪些动作可以自动完成？哪些动作必须审批？最终是否关闭？关闭后知识是否沉淀？

微软 Graebel 案例给制造业一个很好的参照：很多企业真正的瓶颈不是模型不够聪明，而是流程被老系统、非结构化邮件、人工录入、缺少 API、例外审批割裂。Agent 如果能读邮件、抽取信息、校验规则、操作旧系统、在异常时升级，就已经能产生明确价值。(微软)

OpenAI 的 Cisco 和 Endava 案例也能迁移到制造业。Cisco 用 Codex 处理复杂代码库、缺陷修复、跨仓库构建优化；Endava 把 Codex 扩展到需求、设计、规格和运营。这背后不是“写代码更快”，而是把资深判断变成可复制的工作方式。制造业里的售前方案、技术澄清、故障归因、维修建议、服务报告，本质上也都有类似的资深经验复用问题。(OpenAI)

因此，制造业 AI 更适合从这些场景进入：

先从售后工单的结构化开始。客户描述、图片、错误码、设备序列号、合同等级、紧急程度，都可以由 AI 先整理成服务事件，而不是让人工客服逐项补录。

再进入远程排障辅助。AI 可以基于产品手册、历史工单、故障树和现场信息，生成排查路径；涉及安全风险或设备参数修改时，必须交给工程师确认。

第三步是备件和履约协同。Agent 可以先查库存、替代件、合同条款、服务等级和工程师排班，给出建议，但不直接做高风险决策。

第四步是服务知识沉淀。每次服务结束后，AI 自动把现象、根因、处理过程、用时、备件、注意事项转成标准案例。长期看，这比一个“会回答”的界面更值钱。

制造业衡量 AI 价值，也不应只看回答准确率。更有用的指标是：首次响应时间、工单补全率、一次解决率、误派单率、平均处理时长、备件匹配准确率、远程解决比例、服务报告生成时间、重复问题下降比例、知识复用率。

如果要借用 Salesforce 的 AWU 思路，制造业也可以定义自己的 AI 工作单元：自动完成一次故障归类，自动补齐一张工单，自动生成一份排障建议，自动匹配一个备件清单，自动生成一份服务报告，自动把一次服务沉淀为知识案例。(Salesforce投资者关系)

这比“上线一个机器人”更难，但也更接近真实价值。

五、本周最值得记住的三个判断

第一，主线不是入口，而是生产化的早期信号。

在头部厂商与标杆客户那里，Agent 开始被放进生产流程，并被要求交付结果。微软的 workflow + computer use，Salesforce 的 AWU，OpenAI 的客户案例，Capgemini 的交付组织重构，都在说明同一件事：企业 AI 的评价标准开始变硬。

从这一周开始，企业不该只问“有没有 AI”，也不该只问“员工用不用”。更关键的问题是：它完成了哪些工作单元？这些工作单元是否可衡量、可审计、可复盘？

第二，交付能力会成为模型公司的第二战场。

过去模型公司的优势主要体现在模型能力、价格、上下文长度、推理速度和开发者生态。但企业采购不会停留在这些指标上。真正的大客户会问：能不能接我的老系统？能不能适配我的权限？能不能在我的数据边界里运行？能不能交给我的审计团队复盘？能不能和咨询、集成、行业团队一起改流程？

Google 与 EQT 的合作、OpenAI 的企业案例、Capgemini 的资本市场日，都在把这个问题摆上台面。未来模型公司、云厂商、咨询公司、系统集成商之间的边界会变得更模糊。谁能把 AI 交付进业务，谁就更有机会拿到稳定的企业预算。(Google Cloud Press Corner)

第三，AI 治理的重点正在从内容转向行动边界。

内容安全仍然重要，但当 Agent 能读写系统、执行命令、调用工具、操作 UI、访问远程连接时，更核心的问题是行动边界。

Anthropic 本周写得非常具体：用户可能成为注入向量，远程工具的信任会漂移，隔离会带来可见性损失，允许访问某个域名本身就可能成为能力授权。(Anthropic)

企业部署 Agent 时，不能只做内容审核和使用规范，还要做环境隔离、最小权限、网络出口控制、工具白名单、日志回放、人工接管和异常中止。尤其在制造业、金融、医疗、能源这类场景里，Agent 的输出不是最大风险，它的动作才是。

六、仍需观察的地方

本周信号很强，但还不能过度下结论。

首先，微软、Google、OpenAI、Salesforce 展示的都是相对成熟或经过筛选的案例，不能直接等同于行业平均水平。Cisco、Endava、MUFG、Graebel 这类企业，本身具备较强数字化基础和组织推动力。普通企业复制这些结果时，系统复杂度、数据质量、权限治理和组织协同都会拉低速度。

其次，AWU 这类指标很有启发，但还不是行业通用标准。一个 Agentic Work Unit 到底如何定义、不同任务之间如何比较、它和业务价值之间如何折算，都还需要更多实践。企业不能简单把调用次数包装成工作单元，而要把它和具体流程结果绑定。

第三，交付组织的重构还处于早期。Capgemini 提出 Outcome Deployed Engineers，Google 强调 forward-deployed engineers，这些都说明交付能力正在升温。但未来到底是咨询公司主导，云厂商主导，模型公司主导，还是行业软件商主导，仍需观察。

第四，能力安全刚刚进入主流讨论。Anthropic 的文章提供了非常重要的工程视角，但不同企业如何把这些控制手段落到自己的架构里，还没有统一答案。尤其是 remote MCP、cloud connector、多 Agent 协作带来的持续信任问题，后续几个月会越来越重要。

写在最后

本周最值得记住的，不是 AI 又找到了一个入口，而是它开始被放到企业真实流程里，被要求完成工作、留下记录、接受审计，并最终写进经营指标。

这会让 AI 项目变得不那么浪漫，也不那么轻松。它要面对老系统、权限、组织责任、成本、客户体验和失败恢复。但也正因为如此，企业 AI 才开始离“真正有用”更近。

AI 不再只是一个聪明的回答者。它正在成为组织里一个新的工作节点。问题是，企业有没有准备好管理这个节点。

附录：本周信号总览

附录：信号来源追踪

1. 1. Microsoft Copilot Studio May 2026 更新 微软官方博客披露 computer-using agents 正式可用、新 workflows、Work IQ API/CLI、remote MCP、A2A、实时语音 Agent，以及 Graebel Service Order Agent 案例。(https://www.microsoft.com/en-us/microsoft-copilot/blog/copilot-studio/new-and-improved-computer-using-agents-a-new-workflows-experience-and-real-time-voice-experiences/)
2. 2. Google Cloud x Workday Google Cloud 新闻稿披露 Workday Sana Self-Service Agent 接入 Gemini Enterprise，支持 HR/Finance 工作流，并强调权限、策略和数据安全边界。(https://www.googlecloudpresscorner.com/2026-05-28-Workday-and-Google-Cloud-Expand-Strategic-Partnership-to-Bring-AI-Agents-for-HR-and-Finance-Into-Employees-Daily-Workflows)
3. 3. Google Cloud x EQT Google Cloud 新闻稿披露合作覆盖 EQT 300 多家投资组合公司，包含 Gemini Enterprise Agent Platform、安全能力、主权云方案、forward-deployed engineers 以及合作伙伴生态。(https://www.googlecloudpresscorner.com/2026-05-28-EQT-and-Google-Cloud-Accelerate-AI-Adoption-for-Global-Businesses)
4. 4. Salesforce FY2027 Q1 财报 Salesforce 投资者关系公告披露 Agentforce ARR、Agentforce + Data 360 ARR、3.8 billion AWUs、tokens、Slack MCP active users 等指标。(https://investor.salesforce.com/news/news-details/2026/Salesforce-Delivers-Record-First-Quarter-Fiscal-2027-Results/default.aspx)
5. 5. OpenAI 企业客户案例：Cisco / Endava / MUFG OpenAI 官方案例披露 Cisco 使用 Codex 的工程效率指标，Endava 将 Codex 用于全交付生命周期，MUFG 在三菱 UFJ 银行约 35,000 名员工中部署 ChatGPT Enterprise。(https://openai.com/index/cisco/)
6. 6. Capgemini 2026 Capital Markets Day Capgemini 官方新闻稿提出 Agentic AI 是企业级转型而非单纯技术部署，并提出 agentic control plane、产品与运营 agentification、Outcome Deployed Engineers 等概念。(https://www.capgemini.com/us-en/news/press-releases/2026-capital-markets-day-capgemini-poised-to-capture-the-full-value-of-the-agentic-ai-revolution/)
7. 7. Anthropic：How we contain Claude across products Anthropic 工程文章讨论 Claude Code、Claude Cowork、MCP 与 cloud connectors 等场景中的权限边界、注入风险、egress control、虚拟机隔离和审计可见性。(https://www.anthropic.com/engineering/how-we-contain-claude)
8. 8. Dell AI 服务器与基础设施成本信号 Reuters 报道 Dell 上调 AI 服务器收入预期，并提到数据中心扩张、供应链与价格重估压力。(https://www.reuters.com/business/dell-raises-annual-forecasts-ai-data-center-buildout-fuels-demand-2026-05-28/)