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 工程师和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///
Introducing OpenAI Presence[1] OpenAI Presence[2] Introducing OpenAI Presence[3] OpenAI unveils Presence, a new platform that lets enterprises launch and manage realtime voice agents and chatbots[4] OpenAI Presence is about to take another leap into corporate software[5] 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 · 赞 · 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
夜雨聆风