乐于分享
好东西不私藏

解决率 75% 挤进企业级软件:OpenAI 推出托管平台 Presence,不再只靠卖 API 赚钱

解决率 75% 挤进企业级软件:OpenAI 推出托管平台 Presence,不再只靠卖 API 赚钱

AI 摘要 OpenAI 正试图用具备 75% 实测解决率且「工程师亲自下场」的托管式企业平台 Presence,完成从 API 提供商到企业级软件服务商的蜕变。通过提供带护栏、策略控制和 Codex 持续改进机制的全托管 AI 代理部署平台,OpenAI 直接杀入高价值的企业核心生产工作流市场。

核心要点

  • 实测数据惊艳:Presence 驱动的 AI 代理在 OpenAI 自家英文电话客服中,实现 75% 无人工协助解决率。
  • 权限与护栏极致收紧:采用最小权限原则锁定特定任务,并强制核心代理绑定 OpenAI 模型,严防越权与幻觉。
  • Codex 驱动持续迭代:利用 Codex 自动监测生产信号并提议更新,由人类团队审批,实现受控进化。
  • 排他性「贵族式」交付:当前非自助式部署,必须由 OpenAI 前方部署工程师(FDE)亲自下场,规模化普及存在隐忧。

实测解决率 75%:OpenAI 杀入企业核心业务流
///

OpenAI 刚刚砸出了一记重锤,直接砸向了高价值的企业核心业务流。

不再只靠卖 API 赚钱,他们正式推出了企业级 AI 代理部署平台 OpenAI Presence

这是一个专门用来帮企业构建、部署和管理客户服务及内部工作流中 AI 代理 的托管式企业级平台。

为了证明它不是个 PPT 玩具,OpenAI 拿自家的客服系统「试刀」,交出了一份极其辣眼的成绩单。

在 OpenAI 官方运行的英文电话支持渠道(1-888-GPT-0090)中,Presence 驱动的 AI 代理,在完全无人工协助的情况下,解决了高达 75% 的呼入问题。

核心指标 实测数据
运营渠道 OpenAI 英文电话支持
自动化解决率 75%
人工干预比例 0(完全无人工协助)

75% 的无人工解决率,在企业客户服务领域堪称一场大地震。

这意味着四分之三的呼入电话被 AI 独自消化,完全不需要消耗任何人类客服的工时。

对那些重度依赖人力的传统客服外包商(BPO)而言,这不仅是效率的碾压,更是生存空间的被砍半。

OpenAI 已经跨过了单纯出售大模型 API 的阶段,开始直接接管企业最核心的生产工作流。

在此之前,企业想用大模型,通常是买 OpenAI 的 API,再自己花钱找开发商做系统集成、做护栏、做工作流编排。

现在,OpenAI 不赚这种辛苦费了,直接下场做成品。以前卖的是「发动机」(API),现在他们要直接卖能上路的「整车」(企业级软件)。

这次 Presence 的发布,明确标志着 OpenAI 正试图超越单纯的 AI 模型销售,全面进军利润丰厚的传统企业软件市场。

对于那些还在观望的企业 IT 决策者和客服运营高管来说,现在必须面对一个极其现实的情况:能直接接管核心业务流的杀手级应用,已经兵临城下。

最小权限+Codex 持续学习:给企业 AI 代理套上「紧箍咒」
///

企业不敢把核心业务交给大模型,根本原因只有两个字:失控。

要么是模型产生幻觉,对客户胡乱承诺;要么是越权操作,一不小心触发不可逆的生产事故。

面对这些致命痛点,OpenAI 在 Presence 平台上给出了极其强硬的解法:不给 AI 自由,直接套上「紧箍咒」。

Presence 的部署逻辑,彻底推翻了以往「给个 API 接口、让 AI 自由发挥」的粗放模式。

每一次部署,都必须死死锚定特定任务。比如专门处理账单纠纷,或者负责某项特定的外呼销售。

在此基础上,平台严格执行最小权限原则:代理仅获得完成该任务所需的最少知识和系统访问权限

这意味着什么?AI 别想越界看一眼不该看的数据库。企业自身完全掌控策略和边界设定,把权限的物理隔离做到了极致。

为了进一步焊死安全护栏,Presence 在核心代理上强制绑定 OpenAI 自家模型。

但在护栏等周边任务的审核上,平台允许企业通过 API 接入第三方模型来做双重兜底。

传统企业 AI 部署 Presence 代理模式
权限放开,全量知识库投喂 最小权限,仅限特定任务
边界模糊,极易产生幻觉 企业自定义边界,严防越权
人工被动监管,漏管频发 Codex 自动监测并提议补丁

但系统上线仅仅是个开始。真实世界的客户行为千变万化,静态的规则根本防不住动态的异常。

OpenAI 的后手,是祭出 Codex 驱动的持续改进机制。

一旦代理进入企业生产环境,Codex 就化身成一个 7x24 小时全年无休的「云巡视员」。

它会自动监测各种生产信号。一旦发现对话逻辑出现偏差或异常,Codex 会主动出击,调查这些信号背后的成因。

更关键的是,Codex 会针对暴露出的问题,直接向人类团队提议系统的更新方案。

企业 AI 的竞争,已经从「谁的模型更聪明」,变成了「谁的护栏更密、谁能自我纠错更快」。

这并不是让 AI 在生产线上「自己改自己」。Codex 提议的所有更新方案,都必须交由企业团队进行测试和人工审批。

人类掌握最终拍板权,AI 负责干脏活累活,这套机制精准踩中了 AI/ML 工程师客户服务运营高管的痛点。

既需要系统有自我进化的能力,又绝对不能脱离人类的控制。

最小权限加上 Codex 审批式学习,OpenAI 试图证明:企业级软件不需要一个无所不知的「全知大脑」。

而是需要一个不惹祸、能干活的「受控工具」。这就是 OpenAI 截胡传统 SaaS 工作流的底气。

绑定自家模型与 Forward Deployed Engineers:排他性的「贵族式」部署
///

Presence 的商业模式,本质上是一场精心设计的「排他性绑定」。

核心代理必须强制使用 OpenAI 自家模型,这是锁死企业算力与生态的第一步。

企业最关键的决策大脑——AI 代理的核心推理——被 OpenAI 牢牢攥在手里。

第三方模型只能充当「保安」或「工具人」,负责外围的护栏、工具调用等非核心任务。

这直接截断了企业未来可能的多模型切换路径,形成深度的技术锁定。

更「贵族」的是部署方式。Presence 目前处于有限通用可用性阶段,绝非开箱即用的自助式 SaaS。

部署模式 谁操刀? 谁可用?
Presence OpenAI 前方部署工程师 (FDE) 或指定合作伙伴 有限通用可用性,非自助服务
传统 SaaS 客户 IT 团队自助实施 所有付费用户

OpenAI 的 Forward Deployed Engineers (FDE) 将亲自下场,或由指定的全球系统集成商领导部署。

这意味着,企业想用 Presence,必须先「配得上」OpenAI 的工程师团队。

这绝非中小企业的游戏。BBVA、SoftBank 和 IAG 这些头部大厂已率先入局测试。

早期测试企业 探索的核心业务场景
BBVA 探索由 AI 驱动的语音客户支持服务
SoftBank 测试自然的日语客户对话交互
IAG 探索针对客户需求的及时支持响应

这些案例印证了 Presence 的「贵族式」定位——只有预算充足、业务复杂的大企业才玩得起。

这种排他性部署模式,既是 OpenAI 的护城河,也是其规模化隐忧。

它通过重度人力确保了服务质量与深度定制,但也将大量潜在客户挡在门外。

OpenAI 正在用「工程师亲自下场」的方式,把 Presence 打造成企业级软件领域的奢侈品。

75% 神话能否复制?非自助模式的规模化隐忧
///

OpenAI 官方高调宣布,其 Presence 平台在客户支持场景中,无人工干预的解决率达到了惊人的 75%

但别急着惊叹。这个被广泛传播的数据,实际上完全来源于 OpenAI 自家的英文电话支持渠道。

在没有独立第三方数据交叉验证的情况下,这个 75% 的含金量必须打上一个巨大的问号。

面对业务逻辑极其复杂、长尾场景繁多的普通企业,这个单一来源的数据极可能存在严重的幸存者偏差

OpenAI 自家的客服场景(如处理 API 充值、账户查询)相对高度标准化。

但传统企业内部错综复杂的业务流与历史包袱,难度呈指数级上升。

评估维度 OpenAI 自测场景 普通企业真实场景
业务复杂度 单一、标准化的 API 计费查询 跨系统联动、长尾工单繁多
数据验证 仅限自家渠道,无第三方背书 极度依赖实际生产环境检验
预期解决率 75% 现有证据未披露,存在衰减风险

实验室或自家庭院里跑出的 75% 神话,一旦撞上企业真实的「屎山代码」和碎片化需求,可能迅速衰减。

更致命的规模化隐忧,在于其交付模式。Presence 目前明确不支持自助服务

任何想要接入的企业,都必须由 OpenAI 的 FDE(Forward Deployed Engineers,前线部署工程师) 或指定合作伙伴亲自下场。

这意味着极高的沟通与定制成本。同时,漫长的交付周期,极有可能成为该产品下沉到中小企业的最大阻碍。

连官方也将其定义为「有限的通用可用性」产品。这根本不是标准化的 SaaS,而是重度依赖人力的「人肉运维」。

对于想要快速验证 AI ROI 的企业 IT 决策者来说,这种模式必然会拖垮项目的敏捷性。

如果 OpenAI 无法尽快将 FDE 的实施经验沉淀为标准化的自助配置面板,Presence 的增长天花板将清晰可见。

抢占多模态工作流:OpenAI 重写 B2B AI 竞争规则
///

Presence 的发布,不只是多了一个产品线。它是 OpenAI 向整个 B2B 软件市场投下的一枚深水炸弹。

Presence 目前全面支持语音和聊天的高风险实时业务体验

这包括客户支持、外呼销售以及高风险的内部工作流等核心场景。

这不再是简单的网页端聊天机器人,而是直接切入企业核心营收流。

对比维度 传统 AI 客服供应商 OpenAI Presence
交付模式 提供 API 或 SaaS,客户自行集成 全托管,OpenAI 工程师亲自下场
模型能力 依赖第三方或自研小模型 绑定 OpenAI 自家前沿模型(核心代理)
持续优化 客户自行搭建监控与调优流 Codex 自动调查信号并提议更新
实测解决率 行业平均较低 75%(OpenAI 自有电话支持渠道)

OpenAI 正在用「模型+平台+工程师」的打包方案,降维打击传统 AI 客服供应商与集成商。

企业 IT 决策者将面临一个极其现实的战略抉择:是继续采购零散的 API,自己拼凑集成与维护?

还是直接引入 OpenAI 的全托管方案,让他们的工程师帮你搞定一切?

这本质上是对现有 B2B 软件商业规则的「重写」。

过去,OpenAI 只是底层的模型供应商,客户需要找系统集成商(SI)来搭建应用。

现在,OpenAI 自己成了那个唯一的超级集成商,而且用的是自家最强的底层模型。

核心代理强制绑定 OpenAI 模型,形成了极高的迁移成本。

这更像是一种「开放围墙花园」策略——核心利润牢牢握在自己手里,外围只开放有限的 API 接口。

传统 SaaS 厂商和系统集成商的生存空间将被急剧压缩。当「开箱即用+持续优化+超高解决率」的方案出现时,中间商的溢价能力将被彻底击穿。

但这把双刃剑同样考验着 OpenAI。

在普遍的企业复杂场景中,75% 的自动化解决率是否依然成立?这需要更多独立大客户的真实数据来证实。

此外,强制依赖 OpenAI 工程师进行非自助式部署,必然会限制该产品在更广阔市场中的普及和扩展速度。

AI 竞争已经迈过了只看「模型跑分」的初级阶段,全面进入了比拼「工程交付与落地管控」的深水区。

OpenAI 正在用 Presence 押注这个未来:谁能把大模型变成最可靠、最可控的企业级「员工」,谁就能真正垄断下一代 B2B AI 市场。


参考来源
///

  1. Introducing OpenAI Presence[1]
  2. OpenAI Presence[2]
  3. Introducing OpenAI Presence[3]
  4. OpenAI unveils Presence, a new platform that lets enterprises launch and manage realtime voice agents and chatbots[4]
  5. OpenAI Presence is about to take another leap into corporate software[5]
  6. AIssential[6]

赛博帕鲁 — 在 AI 的矿场里,替你淘金。

别人还在刷热搜,你已经读懂了下一个拐点。

在看 · · 分享 · 🌟星标,别错过下一铲。

引用链接

[1]Introducing OpenAI Presence: https://openai.com/index/introducing-openai-presence

[2]OpenAI Presence: https://help.openai.com/en/articles/20001405-openai-presence

[3]Introducing OpenAI Presence: https://open-ia.org/introducing-openai-presence

[4]OpenAI unveils Presence, a new platform that lets enterprises launch and manage realtime voice agents and chatbots: https://venturebeat.com/orchestration/openai-unveils-presence-a-new-platform-that-lets-enterprises-launch-and-manage-realtime-voice-agents-and-chatbots

[5]OpenAI Presence is about to take another leap into corporate software: https://www.businessinsider.com/openai-presence-corporate-software-customer-service-sales-2026-7?op=1

[6]AIssential: https://aissential.tech/articles/215ed228-096c-4849-ba54-8e4a5a8d8334