OpenAI们吹爆的“员工智能体”，真的来了吗？

2025 被很多人称为“智能体元年”，然而对于大多数企业而言，“智能体能真正做什么”仍然是一个难以回答的问题。

OpenAI 的 CEO Sam Altman 在博客曾预言：“我们相信在 2025 年，第一批 AI 智能体将进入职场，实质性地改变企业产出。”

如今，2025 年已近尾声，如果说我们周围的用例仍然是ChatGPT写报告、豆包p图，那我们更要追问，在 AI 浪潮最前沿：设想中说的“落地”，究竟是什么样的？

在不久前的国庆假期间，同属顶级AI厂商的Anthropic 发布了一份涵盖多个客户案例的报告——《企业如何借助 Claude 推动 AI 转型》 。

这份报告或许是一个入口，去窥见国外AI大厂+提供企业级智能体服务的一线厂商，究竟把企业级智能体能力的边界推到哪里了？

Agent 智能体

这份报告展示了 Claude 在医疗、汽车、网络安全等多个行业里的客户案例，并提出了一个让值得深挖的趋势：

“企业不再满足于将 AI 用作“助手”， 而是期待拥有能够自主推理、决策并跨系统执行任务的智能体。”

在笔者仔细研读报告后，发现其中一个最具代表性的客户案例是 CRM 行业的巨头 Salesforce。

报告称，Salesforce 正在构建一个名为 Agentforce Agents 的平台，该平台赋予 AI 能力，使其可以代表员工和客户去规划与执行工作任务。

难道，传说中的“数字员工”已经来了？

这到底是AI前沿正在悄悄推进的巨大变革，还是一场“酣畅淋漓”的商业互吹？

接下来，我们要深入探讨两个核心问题：

• 现在的智能体，究竟能跑到什么样的能力边界？AI 是否真的可以成为企业里的“数字员工”？
• 作为老板或普通员工，我们该如何想象未来的工作样态？

作为一家以 CRM 为核心业务的 SaaS 公司，Salesforce 长期为企业提供销售、营销、客服、数据分析等一体化管理平台。

Anthropic官方报告宣称，其基于 Claude 模型构建的 Agentforce Agents 平台，已经“迈向自治智能体阶段”。

所谓“自治”，指的是无需人工干预即可完成任务，工作水平大致相当于一位能独立上手的实习生。

报告中的表述颇为大胆：

“企业可部署端到端的自主智能体——从分析客户数据、识别商业机会，到执行交易、更新多平台记录，全流程均可在无人干预下完成。”

如果按这描述理解，意味着 AI 已经能自己干销售和公关的活了？

带着好奇与怀疑，我在美国版知乎 Reddit 上查找了一线用户的反馈。结果并不令人意外——真实落地的体验，与宣传中的“自治”相距甚远。

首先，多位使用者提到，现阶段的“员工智能体”远非开箱即用。

在投入生产前，需要大量的提示词（prompt）调优与场景测试。

一位在多伦多客服团队使用 Agentforce 的网友这样描述：

“没想到 prompt 工程竟然这么重要。

一开始它虽然语法正确，但回答的内容几乎毫无帮助。

举个例子：客户问账单问题，它会引用我们的服务条款，而不是帮客户真正解决问题。

我们花了大概三周时间，不断调整提示词和测试不同场景，

才让它能生成我们愿意展示给客户的答案。”

其次，就算调教完成，效果仍显有限。

当系统运行顺畅时，它确实能承担部分基础任务——比如密码重置、账户问题等，都能自动处理，显著减少人工重复劳动。

但在面对模糊或复杂的问题时，它依旧缺乏判断力与灵活性，无法替代人工。

最后，从评论区的整体反馈看，这类“员工智能体”更多仍停留在 bot 化应用阶段——主要集中在客服、数据分析等封闭场景，其基本形式仍然是“对话”，其“执行”能力与真正的自主智能体仍有明显差距。

有位用户的总结颇具代表性：

“如果你期待一键启用就让 AI 接管一切，你一定会失望。

但如果把它当成一个需要配置与持续优化的工具，它确实能带来价值——

只是远没有发布会里说得那么科幻。”

在全球 AI 热潮的推动下，中国也涌现出一批智能体平台与行业服务商。

整体格局呈现出“三股力量并进”的形态：

大厂负责搭建底座，老牌 SaaS 厂商依托行业经验做 AI 化改造，而新兴创业公司则专注于垂直领域的创新探索。

制图：AI界新鲜事

热潮之下，Agent AI的生意并不如表面风光。

一位 SaaS 产品销售人士向笔者表示：

“现在市面上所谓的‘员工智能体’，本质上还是 SaaS 的升级产品，只是加了一层 AI 包装。”

这种冷静的判断并非没有根据，Gartner 在 2025 年的报告中预测，到 2027 年，超过 40% 的 agentic AI 项目将被取消， 主要原因包括成本上升、商业价值不明确，以及企业治理难度加大。

在国内市场，这一趋势已经出现苗头。

2025 年年初，曾被视为“智能体中台”代表的 澜码科技突然宣布倒闭。

业内人士分析，原因在于其模式同时踩中了几个难点：

• 高估市场成熟度，企业客户付费意愿低，商业化周期被拉长；
• 团队扩张激进，管理能力滞后。
• 缺乏可复制的行业闭环场景，导致后续融资乏力，资金链断裂。

星耀智能 CEO 在社交平台上对此表达过悲观看法：

“AI Agent 公司最终都会变成解决方案公司。而解决方案公司要想活下去，需要三种能力——行业理解力、生态壁垒与服务能力。可惜，大多数 AI Agent 公司，这三样都不具备。”

在《企业如何借助 Claude 推动 AI 转型》一文中，Anthropic 总结了那些成功落地 AI 的企业所具备的四个共性：

1. 问题导向 —— 聚焦具体痛点而非“为 AI 而 AI”；
2. 重视人力培训 —— 建立内部 AI 先锋网络与系统培训，让员工理解“为何用 AI”；
3. 量化成效 —— 以生产力、时间、质量等指标评估 ROI，使转型可验证；
4. 从一开始就考虑规模化与安全 —— 将 AI 视为战略性转型，而非单次技术实验。

虽然目前的智能体发展还远不如厂商宣传中那样“自治”或“智能”， 但企业完全可以以这四点为框架，理性规划下一阶段的布局方向。

在探索早期，企业需要降低预期、接受试错，同时快速积累内部经验和认知。

以强生（Johnson & Johnson）为例。在 2024 年智能体概念刚兴起时，公司一度陷入严重的 FOMO（害怕错过）情绪，员工们同时推进了近 900 个不同的用例。

然而，后续追踪结果显示，只有 10%–15% 的项目贡献了约 80% 的实际价值。

最终，强生关闭了冗余项目，将资源集中在高价值用例上，转向“少而精”的策略。

从组织层面看，智能体的引入往往是一次管理与文化的冲击。Salesforce 在博客中指出，许多企业依然依赖陈旧系统或非正式流程，

因此 AI 的介入会被员工视为“破坏性”甚至“威胁性”变革。

真正的挑战不在技术，而在于如何让变革管理与实际工作方式融合， 并让员工在每个阶段都参与其中。

这一点，在智能体共创环节尤为关键。

多位从业者的经验表明：

“当智能体的设计过程与一线员工或‘能干活的用户（power users）’紧密协作时，项目往往能成功；

但如果只是和产品经理对接、脱离实际业务场景，结果通常是——上线即荒废。”

Google Cloud 应用 AI 工程总监 Ali Arsanjani 博士 将这种过程称为“对齐”（alignment）：

“若要让我们信任智能体替我们完成任务，它必须与我们的目标和价值观深度一致， 成为我们工作方式的自然延伸。”

这个问题，或许仍然没有答案。

回顾全文，Agent 能否真正成为员工，就像“AGI 是否能实现”一样，是一个宏大的、超越技术层面的哲学命题。

回答这个问题，需要回归到我们对AI智能本质的判断——

AI 的天花板究竟是高级工具，还是一种正在觉醒的可以拥有意识的硅基生命？

有人认为，AI 的价值天花板，是帮助企业更多的省钱，但无法直接主动地创造价值，始终会局限在“降本增效”；

也有人坚信，智能体终将成为人类协作体系的一部分，而它当下的短板，问题不在技术，而在于数据与组织尚未准备好。

无论未来的 AI 是迈出一大步，还是小心试探的一步，企业都可以从现在开始，理清数据、梳理流程、跑通试点， 为人机协同的未来做准备。

也许，当我们真正准备好与AI共事的那一刻，“数字员工”这个词，才会不再是想象。

参考：

1.Reddit：Has anyone here actually implemented Agentforce or the new Salesforce AI features in a real environment?

2.https://www.anthropic.com/news/driving-ai-transformation-with-claude?