员工用AI都变快了，企业增收为何没跟上？腾讯云寻找答案

智东西 作者 江宇 编辑 漠影 在华润信托，一笔债券交易的起点，可能只是一条聊天群里的消息。 交易员需要在上千个交易群中接收指令，识别交易要素，再录入交易系统。客户询问持仓、交易进度时，他们还要打开系统查询，把结果发回群里。 这项工作既繁琐，又容不得差错。 如今，华润信托开始让一个智能体接手其中部分工作。它直接进入交易群，识别并拆解交易指令、录入系统，也能查询持仓与交易进度，自动回复群里的咨询。 ▲华润信托苏南 据腾讯云披露，这个基于智能体开发平台ADP打造的债券助手，拆单准确率已经从最初的80%以上提高到98%。 但在关键节点，华润信托仍然保留人工确认。 这背后其实是行业的一个非共识： 大模型不断展示其可以完成多少复杂任务，但模型能正确理解一条指令，与企业愿意让它执行这条指令，是两回事。 有人认为，模型能力的持续进步，终将抹平企业AI落地的种种技术门槛。 现实未必如此。 2026年8月，麦肯锡发布全球AI调查：80%的受访者称AI提高了个人工作效率，但只有37%认为AI对所在企业利润产生了正向贡献。 9月，麦肯锡进一步提到，企业大量时间消耗在不同部门和系统之间的任务传递、协调与等待上。 可见，企业AI难以突破的是，模型之外的整个企业生产体系。 这也是不少专注模型或单点应用的中小To B AI公司面临的挑战。模型能力和产品功能可以快速迭代，但要进入企业核心系统，获得客户信任，并建立覆盖不同行业的交付体系，需要更长时间的投入与积累。 10月30日，在腾讯全球数字生态大会上，腾讯云升级智能体开发平台ADP，发布AgentPortal 2.0，并宣布与WorkBuddy双向打通。 此次升级，腾讯云还进一步明确了ADP的Service Agent定位，聚焦企业数据和业务场景，推动Agent深入业务流程，创造实际经营价值。 从企业业务系统接入，到智能体统一管理，再到行业场景与交付生态，腾讯云正在尝试提前占据企业Agent规模化落地的战略要地。 这些探索能否在模型之外，为腾讯云建立起一道更难被后来者快速复制的企业AI护城河？ 一、AI敢不敢进入核心业务？企业Agent先要跨过管理关 从理解指令到执行交易，企业Agent首要解决的，是权限与责任问题。 华润信托债券助手仍保留人工确认与操作记录的原因，其实不难理解。一个金融智能体可以查询客户持仓，不意味着它能够查看所有客户的数据；一个负责办理业务的Agent能够调用系统接口，也不意味着它有权完成所有操作。 企业管理Agent，首先要做的就是划清业务权限。 对应这一需求，腾讯云ADP此次升级了安全私网连接、租户及权限隔离等能力，支持不同Agent按照权限访问数据库、ERP等企业内部资源，并将企业系统连接能力统一提供给沙箱、工作流、MCP、连接器等不同模块。 再来看，在云南白药也是如此：云南白药的员工日常需要查询内部制度、药品信息和医学资料，但这些知识的使用对象和权限要求各不相同。 为此，云南白药依托ADP与乐享，将权限管理细化到员工ID。员工通过“白药钉”一个入口提问，智能体自动判断问题类型、路由至对应知识库，再根据员工的实际权限返回内容。 ▲云南白药党亚斌 对员工来说，就是问一个问题、得到一个答案；但在背后，是多个知识库和一套权限规则共同发挥作用。 除了明确权限以外，企业同样不能一味追求全自动，不同业务对Agent自主程度的要求也不尽相同。 例如，标准审批、工单处理等有固定规则的业务，往往需要明确的执行顺序和可预测的结果；跨部门分析、经营决策辅助等工作，则可能需要多个智能体分工协作。 为此，腾讯云ADP提供Claw、标准、多智能体、工作流四种模式，让企业能够根据实际业务需求，选择不同的智能体构建与执行方式。 华润信托就采用了这样的组合：通过Claw处理自主规划任务，利用Workflow执行规则明确的业务流程，而关键交易环节始终由交易员确认。 这也与行业对Agent治理的判断相呼应。 2026年5月，全球权威研究机构Gartner提醒，如果企业对所有Agent采用统一的治理方式，可能造成两种结果：简单任务被过度限制，而高风险任务却获得了过多权限。 而当Agent真正进入生产环境，管理也不能止步于上线。 传统软件通常按照预先确定的程序规则运行，但模型输出并不具有同样程度的确定性。一次任务执行成功，也不意味着Agent能够长期稳定地完成相似任务。 尤其是企业开始让Agent持续运行后，如何追踪每次操作、监控成本、定位故障，以及出现问题后如何及时纠正，都成为新的管理需求。 腾讯云ADP此次强化了运行记录、成本与状态监测、故障定位和版本回滚等能力。同时，ADP还可以利用AI分析真实业务反馈，提出智能体优化建议，再由人工审核后生效，让Agent在运行过程中持续受到评估和调整。 企业管理Agent，要让它能