夜雨聆风
图源：Microsoft 官方博客《Announcing the new Work IQ APIsAItoB之道 · 企业 Agent 基础设施
你给它一个任务，它帮你写邮件、整理会议纪要、生成一段代码、查一圈资料。
这当然有用。但说实话，这还不算真正进了企业流程。
因为大多数时候，AI 只是帮人把某一步做快一点。真正推动事情往前走的，还是人。
人去找资料，人复制上下文，人判断该用哪个系统，人把结果再贴回 CRM、项目管理工具、钉钉或者 Excel。
AI 像一个很聪明的临时工，但它站在流程外面。
现在变的是这件事：Agent 正在被放进流程里面。它不只是回答问题，而是开始读取企业上下文、调用工具、在云端持续工作、受权限约束、被审计、被计费。
这个变化，比“模型又聪明了一点”更值得企业看。
01企业 AI 过去最大的问题：懂语言，不懂公司
很多企业过去两年都试过 AI。销售拿它总结客户邮件。产品拿它整理访谈。
运营拿它写活动方案。法务拿它读合同。一开始效果挺惊艳。后来慢慢会发现一个问题：
单点很好用，流程没变短。
因为 AI 虽然会说人话，但它不懂这家公司真实发生了什么。
它不知道这个客户是不是重点客户。不知道这份文件是不是最新版。不知道某个会议里谁只是随口一说，谁是真的拍板。
不知道这个项目卡住，是技术问题、预算问题，还是老板还没点头。
更不知道哪些动作可以自动做，哪些动作必须先问人。
所以很多时候，AI 给出的建议看起来没毛病，但落到业务里，总差半步。
这半步，就是企业上下文。
也就是 Microsoft 这次 Work IQ APIs 想解决的问题。
02Work IQ 有意思的地方，不是 API，而是“公司记忆”终于能被 Agent 调用
Microsoft 在 6 月 16 日宣布 Work IQ API 正式可用。
如果只把它看成一个接口发布，就有点可惜。
我更愿意把它看成一个信号：企业里的邮件、日历、会议、聊天、文件、人员关系，正在被整理成 Agent 可以理解和调用的“公司记忆”。
过去这些信息都在 Microsoft 365 里，但它们主要是给人看的。
人点开 Outlook 看邮件。人进 Teams 看聊天。人翻 OneDrive 找文件。
人去 Calendar 看会议。现在的问题变了：
Work IQ API 的价值，就在这里。
它不是让 AI 更会聊天，而是给 Agent 接上一层企业上下文。
没有这层上下文，Agent 就像一个刚入职的人，脑子很快，但什么都不知道。
有了这层上下文，它才有机会从“问答工具”往“工作单元”走。
这也是企业软件接下来很大的变化。过去软件主要给人设计，所以大家拼的是界面、按钮、报表、审批流。
以后还要多问一句：
03Copilot Cowork 更直白：Agent 开始有自己的工作台
图源：Microsoft 官方博客《Copilot Cowork is now generally available》如果说 Work IQ 解决的是“Agent 怎么理解公司”，那 Copilot Cowork 更像是在回答另一个问题：
这个问题听起来很小，其实很关键。
以前我们用 AI，大多是一问一答。
输入问题，得到答案，这个会话就结束了。
但企业里的真实任务不是这样。整理客户线索，不是 30 秒的事。
分析一个公司，不是搜一篇文章就完。
安排一周工作，要看日程、邮件、任务优先级，还要反复调整。
研究一个项目风险，要看文档、会议记录、代码、历史决策。
这些任务更像一段工作，而不是一次聊天。
工作需要一个地方发生。需要任务列表。需要中间状态。
需要模型选择。需要工具调用。需要暂停、继续、回看。
也需要知道它花了多少资源。Copilot Cowork 的界面里，你会看到“New task”“My tasks”“Scheduled”“Customize”这些入口。
这说明 Microsoft 已经不是把 Copilot 只当聊天助手了。
它更像给 Agent 做了一个工作台。这就很有意思。当 Agent 有了工作台，它就不再只是人旁边的一个输入框，而像组织里的一类新角色。
它可以接任务，可以排期，可以被配置，可以被管理。
当然，这不代表它已经能替代员工。
但它说明企业软件正在为一种新工作方式做准备：一部分任务，以后不是分给某个人，也不是丢给某个系统，而是交给一个受控的 Agent 去跑。
04OpenAI 收购 Ona，也是同一个方向
OpenAI 最近宣布计划收购 Ona。这个新闻没有 Microsoft 的截图那么直观，但放在一起看，味道是一样的。
Ona 做的是云端开发环境和执行基础设施。OpenAI 把它放进 Codex 体系里，想补的是 Agent 长时间干活所需要的运行空间。
写代码这件事最能说明问题。一个真正有价值的编码 Agent，不只是帮你补一段函数。
它要能读代码库。要能改文件。要能跑测试。
要能看到报错，再回来修。
要能保存中间状态。要能在你电脑关掉以后继续跑。更重要的是，它做过什么，得能查。
它用了什么权限，得能控。
它改错了，得能回滚。
这已经不是“模型能力”一个问题了。这是环境问题，是权限问题，是审计问题，是工程基础设施问题。
所以我觉得 OpenAI 收购 Ona 的重点，不是 Codex 又多了一个团队。
而是 OpenAI 也在补同一块地基：让 Agent 从“本地会话里的聪明助手”，变成“云端环境里可托付的执行者”。
05还有一个很现实的问题：钱和责任怎么算
图源：Microsoft 官方博客《Announcing the new Work IQ APIs》很多人聊 Agent，喜欢聊“它能做什么”。
但企业真正落地时，会很快问两个不太浪漫的问题：
Microsoft 这次把 Copilot Credits、成本管理、额度策略这些东西一起拿出来，其实很说明问题。
当 AI 只是员工偶尔问几句话，成本粗一点也没关系。
但如果 Agent 开始跑长任务、调工具、读文件、反复推理、调用多个模型，那成本就不是小数。
更麻烦的是，Agent 的成本不是传统 SaaS 那种按座席收费就完了。
它更像云计算：不同任务消耗不同。不同模型价格不同。
长任务和短任务差很多。高风险任务可能还要额外验证。所以企业以后很可能要像管理云资源一样管理 Agent 资源。
这些东西听起来很“后台”，但它们决定了 Agent 能不能进入生产环境。
没有成本和权限管理，Agent 再好也只能停留在试点。
因为老板不可能把一个看不见成本、看不清责任、追不回动作的东西放进核心流程。
06企业现在不该急着买万能 Agent
看到这里，很多企业可能会问：
我的判断是，不急。
比买工具更重要的，是先看看自己的组织是不是“Agent 可操作”。
可以从三个问题开始。
不是有没有数据，而是数据有没有语义。
如果这些东西都是散的，Agent 读进去的只是碎片。碎片越多，越容易生成一份看似完整、其实很危险的答案。
Agent 要干活，就一定会调用工具。
这些边界没画清楚，Agent 越能干，风险越大。
很多企业会把 Agent 当成“更聪明的员工”。
但更好的方式，可能是重新拆流程。
让 Agent 做搜索、比对、草拟、检查、提醒、可逆操作。
让人做目标设定、异常判断、风险确认、最终授权。
这不是简单替代人。这是重新安排人和机器的分工。
07接下来，企业软件会多一个新问题
以前评价一套企业软件，我们会问：
以后还要问一个新问题：
如果一个系统只有给人点的页面，没有稳定 API，没有清晰权限，没有结构化数据，没有审计记录，它在 Agent 时代会越来越吃亏。
因为未来用户不一定每天亲自打开这个系统。Agent 可能会替用户读它、写它、查它、调它。
到那个时候，软件的价值不只体现在“人愿不愿意用”，也体现在“Agent 能不能安全地用”。
这对 SaaS 公司、低代码平台、企业内部系统，都是一个提醒。
别只给人做界面。也要给 Agent 留接口。别只做功能。
也要做权限、上下文、审计、成本、回滚。这些过去像是底层细节。但在 Agentic AI 时代，它们会变成产品竞争力。
08所以我更愿意把最近这些动作看成一个分水岭。
AI Agent 不再只是一个更聪明的聊天框。
它开始有公司记忆，有工具，有工作台，有预算，有权限，有记录。
这才像企业基础设施。当然，这条路还早。
今天的 Agent 还会犯错，还需要人看着，还不能随便放手。
但方向已经很清楚了：未来的企业，不只是人使用软件。
也会是 Agent 使用软件。企业真正要准备的，不是追每一个新模型，也不是迷信某个万能助手。
而是把自己的数据、系统和流程，慢慢改造成 Agent 能理解、能调用、能被约束、能被追责的样子。
谁先做到这一点，谁就不是简单“用了 AI”。
谁是在把组织本身，改造成下一代生产力系统。
