这一轮发布的智能体产品,参数表都写得很克制。它们争的是另一件事,进了客户的机房之后,能不能被管住。

同一个星期,三场发布会讲同一件事

11月的第一周,智能体产品的发布会挤在了一起。

11月3日,一家服务器厂商在乌镇发布桌面级智能体协作平台,定位政企市场,主打私有化部署。11月6日,一家央企运营商在移动网络大会上发布智能体工作台,分政企版和公众版,政企版支持私有化。同一个展会上,另一家运营商也把超级智能体摆上了台面,主打办公场景和十万余项技能。

三家背景不同,说法却很像。私有化部署是共同的底座,国产软硬件适配、组织级权限、任务执行留痕各家措辞不同,路数一致,再配一套运维界面。没有一家把模型跑分当作卖点。

"能问答、难办事",是行业自己承认的坎

那家运营商在发布材料里写得很直白,企业 AI 应用普遍面临能问答、难办事的瓶颈。这句话放在两年前没人会承认,现在的差别在于,大家开始把它当成产品问题来解决,而不是等着模型变强。

难在几个地方。一件事要办完,要先拆成步骤,每一步可能要查不同系统;查完之后要写回业务系统,这一步涉及权限和接口;写错了要能撤回,撤回之后要留下记录。这些活跟模型能力有关,但更多是工程和治理的事。

一家厂商给出的解法是给智能体配一个能进生产库的通道,按表结构和字段设数据权限,模型只拿到被允许的那部分。另一家的做法是加一层安全会话,检测到外网模型就过滤掉企业私有数据。思路不同,目标一致,都是把不确定的地方收进可控范围。

技能资产,是最容易被忽略的一项

那家央企运营商公布的数字里,有一项值得单独看,一万三千个技能资产,覆盖十八类业务领域,企业用户超过三十万,复杂任务完成率96.8%,词元消耗是同类的七成到八成。前面几项都是厂商自报,完成率的定义也没公开,看的时候要打个折。

但技能资产这件事本身重要。智能体要办事,靠的是一堆具体的动作,查一个库存、生成一份报表、发一条通知。这些动作谁沉淀的,决定了两件事,一是升级时会不会断,二是换供应商时能不能带走。

我在项目里见过反过来的情况。平台换了,技能全留在上一家的云上,新平台要从头再攒一遍。这笔账在采购阶段几乎没有人去核算,等到第二年续费时才感觉到疼。

选型时问三句话

第一句,技能库是你的还是厂商的,能不能导出成标准格式。这一句其实能筛掉一批。

第二句,权限管到岗还是管到人,敏感操作能不能回放到某一次点击。管到岗意味着一个人换岗之后权限跟着走,管到人意味着每次授权都要有记录,两种做法对应两种管理成本。

第三句,任务执行失败之后怎么退。是回到上一步,还是整单重来,中间产生的数据怎么处理。这个问题问到第三遍,厂商的产品成熟度大概就能判断出来。

最后一点判断

明年这个时候再看这批产品,能留下来的可能不是技能最多的那一个。技能可以攒,模型可以换,接口可以照着文档一个个接。真正难的是让客户相信,这套东西在关键时刻不会自作主张,出了事能查清楚是谁批的、依据是什么、怎么退回去。