凌晨两点，一家制造企业的采购系统收到供应商发来的交付延期通知。 过去，这封邮件通常会在第二天早上被采购经理看到。经理需要打开订单系统，核对库存和生产排期，再联系工厂、财务和供应商。有时只是一次普通延期，有时却可能让整条生产线停下来。判断依赖经验，信息散落在邮件、表格和几个不同的软件里。 一个采购Agent读取邮件，识别出受影响的物料编号，进入企业资源计划系统查询库存，又调取未来两周的生产计划。它发现现有库存只能维持六天，而原供应商至少要推迟十天，于是检索合格供应商名单，比较价格、交期和历史质量记录，整理出三个替代方案。 由于其中一个方案会使采购成本超过预算，它没有直接下单，而是生成了一份说明，提交给采购负责人审批。第二天早上，经理打开电脑时，看到的不再是一封等待处理的邮件，而是一项已经完成信息收集、风险判断和方案比较的决策。 传统软件保存信息、展示界面、等待操作。Agent接受一个目标，自己决定调用哪些工具，读取哪些数据，按照什么顺序执行任务，并在遇到风险时寻找人类确认。它不再只是经理手中的计算器，而开始像一名能够独立处理部分工作的初级员工。 2026年，这种变化正在迅速进入企业软件市场。微软表示，自治Agent可以在没有用户即时提示的情况下持续监测事件、作出决策并运行工作流；Oracle正在把财务、采购等应用改造成围绕业务结果运行的“Agentic Apps”；Google则把Agent视为企业AI商业化的核心方向。 企业过去购买软件，是为了让员工更高效地完成工作。现在，软件公司开始出售一种新的东西：能够直接承担工作的软件劳动力。 从“告诉我答案”，走向“替我把事情办完” 聊天机器人刚进入办公室时，人们最常见的使用方式是提问。 帮我总结这份合同，写一封邮件，整理会议纪要，分析一张表格。AI生成答案，员工进行检查，然后继续完成后面的流程。它像一个知识丰富、速度很快的助手，但工作的起点和终点仍然由人控制。 假设销售经理要求系统“找出本周最值得跟进的十个客户”。普通聊天机器人可以根据输入的信息给出一份名单，Agent则可能连接客户关系管理系统，读取客户近期活动、历史订单和客服记录；判断购买意愿后，它为不同客户生成跟进方案，查询销售人员日程，建立待办事项，并在获得授权后发出第一封邮件。 Meta在2026年6月发布面向企业的Business Agent，允许企业在WhatsApp、Messenger和Instagram上处理客户咨询、筛选销售线索、预约服务，并把复杂问题交给人工。此前版本已经被超过100万家企业使用，Meta计划在免费使用的基础上逐步引入付费订阅。 微软推出的Scout Agent，则可以在邮件和企业消息中寻找需要员工决策的事项，把真正需要人处理的问题从大量信息中筛选出来。 这些产品不再满足于“回答正确”。它们试图进入订单、客户、财务、人事和项目管理等真实流程。软件的价值也因此开始从使用时长、功能数量和账户数量，转向完成了多少任务、解决了多少问题，以及最终产生了什么结果。 过去，员工需要学习如何使用软件；未来，软件越来越需要学习如何为员工工作。 一个没有身体的员工，需要什么才能工作 把Agent称为“数字员工”很有吸引力，但这个比喻也容易掩盖真正的复杂性。 一个人进入公司，需要账号、权限、岗位说明、培训材料、汇报对象和绩效标准。Agent同样需要这些条件，只是企业过去很少用管理人的方式管理软件。 一个客服Agent必须知道哪些问题可以独立回答，退款金额超过多少需要人工批准；一个财务Agent可以读取哪些账户，能否修改付款信息；一个招聘Agent是否有权筛选候选人，哪些特征绝不能用于判断；一个销售Agent可以联系哪些客户，一天最多发送多少封邮件。 企业软件过去主要解决“谁可以打开哪个页面”。Agent需要解决的是更复杂的问题：它可以代表公司采取什么行动，什么时候必须停止，以及出了错误由谁承担责任。 Workday早在2025年便提出“Agent记录系统”，试图像管理员工一样登记企业内部的Agent，为它们定义角色和责任，追踪成本和绩效，并处理合规要求。到了2026年，Workday进一步强调企业将面对由人类和Agent共同构成的混合劳动力，管理者需要设计两者之间的分工，而不是简单决定“用AI还是用人”。 这意味着Agent的普及不会只是一次软件升级，还会产生一套新的管理制度。企业需要给Agent建立身份、权限、审计记录和退出机制，正如新员工入职需要办理工牌、账号和培训，离职后需要立即收回权限。 未来的组织架构图上，也许仍然只会出现人的名字，但在每一个部门背后，都可能运行着数量更多的数字执行者。 最先被重构的，是岗位里的任务 关于Agent的讨论很容易滑向一个问题：它会替代多少员工？ 这个问题看似直接，却未必最能解释正在发生的变化。一个岗位通常包含许多性质不同的任务，其中一部分规则明确、重复频繁，另一部分依赖判断、关系和责任承担。Agent往往先拿走前一部分，再迫使公司重新设计剩余部分。 一名客服人员的工作包括识别客户、查询订单、解释政策、安抚情绪、判断特殊情况和批准补偿。Agent可以很快处理前几项，却未必适合面对一名因重要行程被打乱而愤怒的客户。 财务人员需要收集发票、核对字段、识别异常，也要理解业务背景，并在信息不完整时决定是否付款。Agent能够读取数百万张发票，提取关键数据并标记风险，最终的付款责任却可能仍然需要人承担。 Box在2026年推出Box Automate，允许Agent从大量企业文件和发票中提取信息，再把需要判断的事项交给员工。公司首席执行官Aaron Levie承认，AI已经能够完成大量基础工作，但面对大型机构的关键流程，可靠性要求决定了人工审核仍然不可缺少。 这种变化不会让所有岗位在同一天消失，却会改变岗位内部的时间分配。员工可能不再花半天寻找信息，而需要用更多时间处理例外、沟通利益相关者和承担最终判断。 公司真正需要重新回答的，不是“这个岗位还要不要”，而是“这个岗位中的哪些工作必须由人完成”。 当越来越多常规任务被Agent承担，剩余的人类工作会更集中于那些最难标准化的部分：建立信任、处理冲突、理解含混信息、进行价值判断，以及在事情出错时承担责任。 这可能让一些岗位变得更有价值，也可能让另一些岗位失去原有的入门路径。年轻员工过去通过整理资料、处理简单订单和完成基础分析逐渐理解业务，如果这些任务全部交给Agent，公司就必须找到新的方式训练下一代管理者。 一个组织不能只计算Agent替代了多少小时，还要考虑人类经验将从哪里产生。 软件公司的商业模式也在被改写 传统企业软件建立在一个稳定逻辑上：公司按员工数量购买许可证。 销售团队有一千人，企业就购买一千个客户管理软件账号；财务部门增加人员，软件收入随之增长。员工既是软件用户，也是计费单位。 如果一家企业用十个Agent承担了过去需要一百人完成的部分工作，它需要购买的软件账号可能减少，但完成的任务数量却大幅增加。继续按照“每人每月”收费，无法准确反映Agent创造的价值，也可能让软件公司在客户提高效率之后反而失去收入。 Salesforce为员工使用Agentforce提供按用户计费的方案，也采用基于使用量的Flex Credits。公司希望客户不只为软件席位付费，还为Agent执行的动作和获得的结果付费。 Salesforce在2026财年实现415亿美元收入，并将自己定位为“Agentic Enterprise”的操作系统。到2026年第一季度，Agentforce的年化经常性收入已达到约12亿美元。公司随后宣布以约36亿美元收购自主客服Agent平台Fin，试图补强其跨聊天、邮件、电话和企业协作工具处理客户服务的能力。 这种收购说明，软件行业争夺的已经不只是一个新的聊天入口，而是对任务执行链的控制。 谁掌握客户数据、业务规则和执行权限，谁就能在Agent完成工作的每一个环节收费。未来的软件合同可能不再只写有多少用户，还会写处理多少工单、完成多少采购流程、筛选多少销售线索，以及一次成功结果的价格。 软件公司过去出售工具，客户自己承担使用工具的人力成本。Agent出现后，软件公司开始同时出售工具和劳动，定价自然会越来越接近外包服务。 这也让软件公司与咨询公司、业务流程外包公司之间的边界变得模糊。 中层管理者会成为最先受到冲击的人 许多企业内部存在一类工作：从不同系统中收集信息，整理成报表，追踪进度，提醒团队，再把异常情况向上汇报。 这些工作通常由项目经理、运营经理和基层管理者承担。它们看起来并不简单，因为需要持续协调多个部门，但其中相当一部分依赖信息搬运和流程追踪，恰好适合Agent。 一个项目Agent可以每天读取任务系统，识别延期事项，询问负责人，重新计算进度，并把需要高层决策的问题整理出来。它不会因为会议太多而忘记更新表格，也不会因为不愿得罪同事而掩盖延期。 Meta在2026年的内部重组中提出把员工转移到AI项目、减少部分管理层级，并建设Agent Transformation Accelerator，希望用Agent自动化过去由员工处理的任务。相关调整也引发员工对监控、岗位变化和组织透明度的担忧。 Freshworks则在2026年宣布裁减约11%的员工。公司称AI已经编写超过一半的代码，并自动化基础任务，同时公司合并销售团队、减少管理层级，把资源转向新的业务。 这些案例并不证明所有中层管理者都会消失，却说明“管理信息流”本身正在失去稀缺性。 过去，管理者拥有权力的一部分原因，是信息必须通过他传递。Agent能够直接连接系统、持续监测进度并向相关人员提供同一份事实，组织中依靠信息差存在的层级就会受到挑战。 真正有价值的管理者将不再只是催促任务和汇总数据，而要更清楚地定义目标、处理冲突、配置资源，并判断哪些事情不应该交给Agent。 Agent不会让公司不再需要管理，它会暴露哪些管理工作过去只是信息搬运。 公司将出现一种新的“人机管理学” 当员工犯错时，管理者通常可以追问：你当时看到了什么，为什么作出这个判断？ 它可能使用了错误数据，也可能误解指令；可能调用了不合适的工具，也可能在连续十几个步骤中逐渐偏离目标。最终结果看似荒唐，单独检查每一步却未必能立刻找到明显错误。 微软称，超过80%的《财富》500强企业已经在使用活跃AI Agent，同时把可观测性、治理和安全列为规模化部署的核心问题。这里的“可观测性”并不是简单查看Agent是否在线，而是要知道它读取了哪些数据、调用了什么工具、花费多少资源、在哪一步获得授权，以及结果是否被人工修改。该数字来自微软自身平台观察，不能代表所有Agent已经进入核心生产，但仍反映出治理问题正在迅速从试验走向现实。 ServiceNow推出AI Control Tower，希望企业能够发现、观察、治理和衡量分散在不同系统中的Agent。其Agent Advisor还会分析事故、工单和对话数据，寻找适合自动化的工作。 这些产品的出现意味着，未来每家公司可能都需要一个类似“数字人力资源部”的管理层。 它要登记Agent，定义岗位，审核权限，观察绩效，处理事故，并判断一个Agent应该接受训练、减少权限还是被关闭。 人类员工通常按月领取工资，Agent按调用量消耗成本；人类可能疲惫，Agent可能在几分钟内重复犯错几千次；人类可以理解模糊的社会规范，Agent则更依赖明确规则。 管理者不能把它当成普通软件，也不能真的把它当成一个人。它是一种新的组织成员：执行速度远高于人类，责任能力却远低于人类。 当Agent获得行动权， 错误也从“答案错误”变成“现实错误” 聊天机器人给出错误答案，用户通常可以选择不采用。Agent获得行动权后，错误会直接进入现实。 它可能把邮件发给错误客户，取消一笔不该取消的订单，修改账户权限，或者在客服流程中向不应获得权限的人泄露信息。 Meta在推出企业Business Agent时承认，深度接入公司系统会带来新的风险。此前，攻击者曾诱导其支持系统，获得一些知名Instagram账户的访问权限。Meta表示问题来自底层技术检查的缺陷，而不是Agent自身，但这个解释恰好揭示了Agent风险的本质：它会把模型、权限和既有系统缺陷连接起来，让原本隐藏的问题更快转化为行动。 2026年7月，国际电信联盟启动针对AI Agent可信度的新倡议，重点研究Agent的身份识别、责任归属和人类控制。Agent已经可以安排日程、作出决策甚至发起金融交易，监管者担心，当一个系统代表企业或个人行动时，外部世界可能无法判断对方究竟是人还是机器，也无法确认它是否获得了合法授权。 因此，企业不能把“有人审核”当成一句笼统承诺。真正有效的控制需要落实到每一个关键节点：哪些动作可以自动执行，哪些必须等待批准，什么金额触发复核，什么异常立即停止。 Agent整理公开资料，出错后可以重新生成；Agent发放贷款、批准退款或修改生产参数，错误代价完全不同。企业需要按照后果而不是技术炫目程度划分自动化边界。 Agent时代最危险的并不是系统偶尔不知道答案，而是它不知道答案时仍然继续行动。 很多Agent演示精彩，进入公司后却走不动 在演示中，Agent通常面对一个清晰目标、干净数据和理想流程。真实公司却不是这样运转的。 同一个客户可能在三个系统中使用不同名称，一项政策可能写在文档里，却在实际执行中存在例外；部门之间对“高价值客户”的定义不同，员工还可能通过私聊和口头承诺绕过正式系统。 Agent进入这样的环境，很容易在第一步就失去上下文。 路透社在2025年底对企业AI应用的调查发现，真正获得显著利润改善的公司仍然只是少数。许多项目的问题并非模型完全不能工作，而是企业需要重新整理数据、修改流程并进行大量定制。Klarna和Verizon等公司也逐渐把AI更多用于简单客服任务，同时保留人工处理复杂问题。 到了2026年，Meta开始派遣前沿部署工程师进入客户现场，帮助企业协调内部利益、连接系统和编写定制代码。这种模式说明，仅仅把Agent交给客户并不足以产生结果，供应商必须进入组织内部，理解真正的工作是怎样发生的。 企业软件公司过去常说自己的产品“开箱即用”。Agent时代，这句话越来越难成立。 一个Agent能否完成工作，取决于企业是否拥有清晰流程、可靠数据和明确授权。公司内部越混乱，Agent越容易把混乱自动化。 这也是为什么老牌企业软件公司仍然拥有机会。SAP、Salesforce、ServiceNow和Oracle并不一定拥有最强的基础模型，却长期保存着企业的财务、客户、员工和供应链数据，也理解业务流程中的权限和责任关系。 AI实验室拥有更聪明的模型，企业软件公司掌握模型工作所需要的组织上下文。双方争夺的核心，不是聊天窗口，而是谁能成为Agent理解公司并采取行动的那一层。 Agent不会只重构效率，也会重构公司边界 重要而稳定的能力留在公司内部，标准化任务交给外包商或软件。Agent正在创造第三种选择：企业可以把一部分工作交给持续运行的数字系统，却不必成立新部门，也不必把完整流程外包出去。 一家小公司可以拥有虚拟的销售研究员、内容助理、招聘协调员和客服专员。它们不一定完全取代人，但能够让很小的团队覆盖过去需要更大组织才能完成的工作。 Meta的Business Agent瞄准的正是缺少专职客服和销售人员的商家。一个餐厅、诊所或零售店可以让Agent全天回答问题、预约服务并筛选客户，店主只处理真正需要判断的事项。 但Agent也可能强化大型平台的控制。小企业虽然获得了数字劳动力，却可能把客户关系、订单数据和沟通渠道都交给同一个平台。一旦平台改变价格或规则，它们很难快速迁移。 公司边界因此会变得更轻，也可能变得更依赖基础设施供应商。 过去，企业担心核心业务被外包公司掌握；未来，它们还要担心核心流程是否被Agent平台掌握。一个Agent知道企业如何报价、怎样判断客户、哪些订单最有利润，它接触的已经不是简单数据，而是公司的经营方法。 企业可以租用Agent，但不能轻易放弃对业务规则、客户数据和最终结果的控制。 衡量Agent，不能只看节省了多少时间 员工绩效从来不只是工作时长，Agent也不应该只用调用次数衡量。 一个客服Agent每天回答十万次问题，看起来非常活跃，但如果不断给出含糊答案，客户最终仍需转人工，它可能只是在增加流程。一个销售Agent发送大量邮件，如果导致客户反感，所谓效率反而损害收入。 微软在2026年发布的Agent商业价值指南强调，企业应当同时观察使用、质量和结果信号，而不只是统计对话数量。 Agent的考核需要更接近员工绩效，也要比员工绩效更精细。 企业需要知道它完成了多少任务、成功率多高、人工接管发生在哪里、错误造成多少损失，以及每个有效结果消耗多少算力。对于高风险岗位，还需要观察它是否遵守流程，是否使用了未经授权的数据。 最值得关注的指标不是“Agent工作了多少”，而是它让整个流程发生了什么变化。 处理时间缩短了，客户满意度是否下降？销售线索增加了，成交质量是否变差？员工节省了时间，他们是否把时间投入更有价值的工作？ 如果管理者只看到成本下降，很容易把Agent变成一场隐蔽的裁员工具；如果只看到新功能，也可能长期容忍没有结果的AI项目。 Agent的价值最终要回到公司的经营结果，而不是停留在一次令人惊叹的演示中。 管理者真正需要重构的，是工作的责任链 一家公司部署Agent后，最容易做的是把旧流程原样自动化。 原来员工从邮件复制数据到表格，现在让Agent复制；原来经理每周汇总报表，现在让Agent汇总。流程看起来更快了，组织结构却没有发生实质变化。 一项工作为什么存在？谁需要结果？哪些步骤只是因为旧软件无法互相连接才出现？哪些审批真正控制风险，哪些只是历史留下来的习惯？ 当Agent能够跨系统读取信息和执行动作，公司可能不再需要某些中间步骤。过去需要五个人传递的任务，可以由一个Agent完成准备，再由一名负责人作出关键判断。 当一笔自动完成的订单出错时，责任不能被推给“AI”。公司必须知道是谁设计规则，谁批准权限，谁负责监控，以及在什么情况下人类应该介入。 管理Agent的核心不是让机器承担责任，而是让人的责任更加清晰。 一个成熟的Agent组织不会追求“无人参与”，而会把人安排在最需要责任和判断的位置。系统负责持续监测、快速执行和处理常规情况，人负责定义目标、处理例外并承担后果。 真正被压缩的不是人，而是那些没有必要存在的信息等待、重复操作和层层转述。 未来的公司，不再只由员工人数定义 工业时代，一家公司的规模常常体现在工厂、设备和工人数量上。软件时代，轻资产企业可以用更少的人服务更多客户，但组织能力仍然主要寄托在人身上。 研究、分析、沟通、跟进和执行不再必须全部由正式员工完成。一家公司可能只有几十名人类员工，却拥有数百个运行在销售、采购、客服和财务流程中的Agent。它们不会出现在办公楼里，却会参与公司每天的大量决定。 TCS董事长在2026年预计，公司未来使用的AI Agent数量可能接近员工数量。这一判断仍带有行业愿景色彩，却清楚显示大型企业已经开始把Agent视为一种可被配置和管理的劳动力，而不仅是一项软件功能。 这不会让公司变成一个没有人的机器。相反，它会迫使企业重新发现人的价值。 当软件能够写邮件、整理数据和推动流程，人的稀缺性不再来自完成这些动作，而来自知道什么值得做，理解他人真正担心什么，在规则冲突时作出选择，并为选择承担责任。 公司过去用软件帮助员工完成任务，接下来则要学会让员工与Agent共同完成结果。管理者面对的也不再只是招募、培训和激励人，还要决定数字员工拥有什么权限，接受什么监督，以及在哪些边界前必须停下来。 软件从工具变成员工，并不意味着机器获得了人的身份，而是它第一次进入了工作的责任链。 真正优秀的公司不会把Agent当成廉价劳动力，也不会把它当成永远正确的同事。它们会像设计一座新的组织那样，重新安排信息、权限、判断和责任，让机器承担自己擅长的重复与速度，让人保留那些无法外包的信任与担当。 未来决定一家公司的，可能不再只是它雇用了多少人，也不是部署了多少Agent。 而是它能否让人与机器在同一条责任链上，各自做对自己最该做的事。 作者雁明 ：前资深媒体人，AI产业变局的长期观察者，投资人。
原创不易，给个鼓励，感谢点赞！
夜雨聆风
