和段毓铮聊完，我脑子里一直转着两个画面。
一个是程序员借助AI写代码，原本需要一周完成的工作，现在可能一天就能搞定；另一个是销售人员用AI整理客户资料、撰写拜访纪要，省下了不少时间。AI带来的效率提升，已经在不少岗位上变得具体而直观。
但仔细想想，这里面还有一个容易被忽略的问题：程序员写代码快了，需求分析、测试和运维能不能跟上？销售整理资料的时间少了，市场线索、产品研发和交付环节是否也能同步提速？如果上下游流程没有跟着改变，个人效率的提升，未必能转化为企业整体效率的提升。
这恰恰是企业AI应用走向深入后需要面对的现实。过去，企业关注的是AI能不能帮员工写文档、做分析、处理日常事务；现在，随着AI逐渐进入核心业务流程，企业更关心的是，它能否理解业务、融入团队协作，并最终带来可以衡量的经营价值。
网易智企副总经理段毓铮
这也是网易智企副总经理段毓铮在交流中反复强调的一个观点：企业不能只把AI当成提效工具，还要像对待人类员工一样对待它，让它获得必要的信息、知识和权限，也要为它调整相应的工作流程。
2026年世界互联网大会上，网易智企对企业级AI Agent平台帝王蟹进行了升级，推出三项新能力：智能工牌、知识引擎“万典”和Agent Team。三者分别对应企业信息的采集、理解和执行，试图解决一个更实际的问题：让AI不仅能回答问题，还能真正进入企业业务流程。
企业AI的考题变了：从单点提效到经营结果
段毓铮观察到，近两三年企业对AI的关注发生了明显变化。早期大家更多是好奇AI能做什么，尤其是智能体出现后，它能否自主完成任务成为讨论焦点。但随着AI逐渐进入实际业务，企业管理者开始关心一个更现实的问题：投入之后，能不能看到效率、收入或者成本方面的变化？
“再直白一点，AI进来之后，能不能看到经营报表发生了什么样的变化？”段毓铮说。
把这一变化拆开看，企业AI要真正落地，至少需要跨过三个相互关联的关口。
首先是单点提效与组织效率之间的落差。一个岗位的效率提升了，如果上下游部门没有同步变化，工作就可能停留在局部。程序员一天完成过去一周的工作，后续环节却无法及时承接；销售节省了整理资料的时间，却没有更多有效线索和产品支持。AI让个体变强了，但组织未必因此变快。
其次是信息供给不足。段毓铮观察到，不少企业给AI提供的信息和数据并不完整，因此AI能做的事情也比较有限，更多停留在处理文档、制作表格、生成PPT等浅层应用。要让AI真正参与业务，企业就需要向它开放足够的业务信息。正如段毓铮所说，人类员工开展工作需要什么信息和数据，AI同样需要什么。
更深一层，则是组织流程和管理方式需要跟着改变。AI提升了员工的能力，也在模糊过去的岗位边界，原有的协作关系和管理流程自然会受到影响。未来企业可能会形成更多小团队和小闭环，管理方式也会更加扁平化。“以前科层制一层一层汇报，是因为人类管理者的管理半径有限。现在有了AI，管理能力也提升了，这个结构就值得重新审视。”
这三个关口是逐步深入的。企业如果只关注第一个，AI很容易成为员工手边的一个辅助工具；只有当信息能够充分流动、业务流程随之调整，AI才有机会从单点应用走向组织级应用。
那么，怎样判断AI是否真正懂一家企业？
段毓铮用了一个有意思的类比：“我们怎么判断一个员工懂不懂业务？我们很少这么问，因为我们天然觉得自己的员工是懂业务的。那为什么在AI这件事上要强调它懂业务？因为我们天然认为它不懂。”
这个类比把一个看似技术化的问题拉回到了企业管理本身。一个新员工入职，企业不会只给他一本产品手册，就期待他马上独立完成工作。他还需要了解团队如何协作、客户有哪些特点、项目推进到哪一步、业务目标是什么。AI也是如此。
在段毓铮看来，企业需要提供两类关键信息。一类是企业级上下文，既包括产品知识、业务文档等静态信息，也包括内部会议、客户沟通、项目进展、市场动态和竞争对手动作等动态信息；另一类是核心经营指标，例如销售漏斗、运营效率、门店经营效率、产线生产效率和供应链效率。只有了解企业正在发生什么、当前经营状况如何，AI才可能给出真正贴近业务的建议。
这也构成了帝王蟹此次升级的出发点：企业需要的不只是一个能检索文档的AI，而是一个能够持续获取企业信息、理解业务关系，并进一步参与任务执行的系统。
让AI进得来、读得懂、做得完
如果说企业级上下文是AI理解业务的基础，那么首先要解决的就是信息从哪里来。
这也是三项新品中，智能工牌最值得关注的地方。它看起来是一件硬件产品，实际上试图补上企业信息化中长期存在的一块空白：大量业务信息发生在线下，却没有进入企业系统。
销售与客户交流、员工在门店沟通、项目团队在现场讨论问题，这些过程往往包含着重要的业务信息。但传统企业系统更擅长记录已经形成的结果，例如客户资料、订单状态和会议纪要，却很难完整保留业务发生时的上下文。
段毓铮将智能工牌称为“企业和物理世界连接的桥梁”，至于最终采用工牌还是其他硬件形态，并不是最重要的。
从产品设计来看，员工日常佩戴智能工牌，线下沟通录音可以直接上传云端，再由帝王蟹进行内容分析、推送和设备管理。它支持双麦克风降噪和5米拾音，内置SIM卡，可以脱离手机直接连接云端；连续录音40小时、待机60天，以及8小时录音约10分钟即可传完等设计，都是为了减少信息采集过程中的中断。考虑到企业使用场景，产品还设置了物理隐私开关、录音指示灯和后台录音时段管理等功能。
这些设计背后，真正要解决的是信息采集的连续性和可用性。如果AI不知道销售在门店里和客户聊了什么，不知道项目现场发生过哪些争议，那么后续再强大的知识引擎和智能体，也缺少足够的信息作为判断依据。
信息进来之后，还要能够被AI理解和使用。这正是知识引擎“万典”要解决的问题。
传统知识库和RAG技术，比较适合回答明确的问题：从某份文档中找到一段内容，再给出答案。但当AI开始参与实际业务，面对的问题往往不再这么简单。
比如，企业管理者想了解最近两周周会中暴露出的业务风险，以及这些问题目前推进到了什么程度。这需要AI从多次会议记录中提取信息，再结合不同业务系统中的数据进行综合分析，而不是简单搜索某份文档。
因此，“万典”强调多源异构信息的接入和关联。会议纪要、CRM、客户拜访记录、邮件、聊天内容，以及不同业务系统中的数据，都可以成为AI理解企业的依据。与此同时，答案需要能够追溯到原文、页码，甚至录音中的具体时间点；源系统的权限、更新和删除也要同步生效，员工没有权限查看的内容，不会进入检索结果，更不会进入AI的上下文。
它还有一个值得注意的设计：开放性。万典可以接入主流协作文档平台，以及邮件、工单、CRM、数据库和第三方知识服务，本地和云端的知识都能接入，不绑定某一家办公平台。对于已经使用多套业务系统的企业而言，这一点尤其重要。企业不可能为了引入一个AI平台，就把原有的信息系统和协作工具全部推倒重来。
不过，信息采集和知识理解只是前两步。企业真正希望AI完成的，是跨越多个环节的业务任务。这也是Agent Team出现的原因。
段毓铮举了一个日常工作中的例子：一个同事用AI完成方案，反复修改几稿后交给另一个人；接收方案的人也会先让自己的AI审一遍，再把反馈交回去。几轮下来，AI虽然参与了工作，但人与人之间依然需要大量沟通，整个协作过程并没有真正简化。
Agent Team希望改变这种方式。它由一个协调Agent负责拆解任务、分配工作和汇总结果，其他成员Agent各自承担不同职责，从共享任务清单中认领任务，并可以直接沟通、讨论和提出质疑。不同角色之间既可以并行推进工作，也可以针对彼此的结果进行校验。
例如，一份合同可以交给商务、法务、安全和交付等不同角色的Agent分别审查，各自从专业角度提出问题，最终汇总成一份风险清单。整个过程中，任务如何拆分、成员之间如何讨论、最终形成了什么结果，都可以追溯；对外交付前，仍然需要人审核确认。
需要注意的是，当不同Agent产生分歧时，协调角色会将不同方案交给人类员工，由人做最终判断。员工可以选择其中一个方案，也可以否定所有选项，再让Agent团队继续推进。
这说明，Agent Team并不是简单地增加几个智能体，而是尝试把原本分散在人与人之间的协作，转化为有分工、有沟通、有校验、可追溯的任务流程。对于企业而言，AI能不能独立完成一个简单任务固然重要，但能否在复杂任务中与其他角色协同、处理不同意见，并在关键节点保留人的决策权，可能更接近真实业务的要求。
从智能工牌补充线下信息，到万典建立企业知识关联，再到Agent Team推动多角色协作，三项能力串联起来，才有可能让AI从一个被动响应的工具，逐步成为业务流程中的参与者。
从工具到业务伙伴，企业AI还要跨过组织这道关
技术链路搭起来，并不意味着业务闭环就自然形成。企业究竟应该从哪里开始？段毓铮给出的答案是销售。
相较于一些高度依赖专业经验的岗位，销售业务通常有相对成熟的管理流程，而且与收入指标的关联更直接，因此更容易找到AI切入点，也更容易衡量应用效果。
他举了一个制造业客户的例子。客户最初提出的需求是，销售CRM填得不好、信息不完整，希望通过改造CRM，或者其他方式，让销售更愿意填写信息。
但段毓铮认为，这个需求本身就存在问题。CRM的核心目的是帮助组织管理销售活动，要求销售把做过的事情记录下来，这件事天然会增加销售的工作负担。单纯要求员工把CRM填得更完整，很难从根本上解决问题。
于是，网易智企和客户换了一个思路：与其围绕CRM填报做文章，不如回到销售岗位的核心职责——见客户、带来收入。AI应该尽可能接手销售核心工作之外的事务，同时提高每一次客户拜访的质量。
围绕这个目标，AI可以提前了解客户背景、分析客户需求和竞争情况，再结合企业的产品知识、行业案例，为销售准备拜访建议和沟通方案。这样一来，AI不只是帮助销售少填几张表，而是开始参与销售工作的前后环节。
项目希望带来的变化，也不再只是CRM信息更完整，而是销售转化率提升、销售周期缩短，以及通过更好地匹配客户需求和产品方案，提升客单价。“我们给他提供的不是单点提效工具，而是围绕这个岗位的业务目标做了一系列业务流程再造。”段毓铮说。
当然，并不是所有业务场景都能以同样的速度推进。专业研发岗位就是一个典型例子。比如新材料、化工配方等领域，研发过程不仅依赖大量实验数据，还包含老师傅长期积累的经验。这些经验往往难以被清晰地表达为流程、知识和数据，AI要真正参与其中，需要企业投入大量资源进行梳理和沉淀。
这也解释了为什么企业AI落地不能只看场景数量。真正值得优先投入的，往往是业务目标相对明确、效果能够衡量、上下游流程也具备改造空间的场景。先在这样的场景中跑通闭环，再将经验推广到其他业务部门，比一开始就追求全面铺开更现实。
而从试点走向规模化，又涉及另一个问题：企业AI究竟应该开箱即用，还是深度定制？
帝王蟹目前采用的是FDE陪跑模式。 “企业希望AI带来最终经营结果，仅靠过去SaaS或PaaS产品那种轻量化对接，很难一步到位。” 段毓铮透露，FDE团队需要和客户一起梳理业务流程、共建应用场景，再把过程中形成的案例、场景包和AI员工进行产品化抽象，沉淀回平台，并剥离客户敏感信息。这样，后续客户就能复用已有实践，减少重复探索，缩短上线周期。
这实际上是在通用产品和客户个性化需求之间寻找平衡。今天企业希望AI解决的，往往是一些更细致的组织末端场景。过去十几年，标准化程度高、容易复制的业务流程已经被大量软件和SaaS产品覆盖，AI真正有机会发挥作用的地方，反而是那些过去难以标准化、需要结合具体业务灵活处理的工作。
当然，定制并不意味着每个客户都要从头开发。类似客户有多少、市场空间多大、场景是否具有代表性、个性化需求中哪些能够抽象成通用能力，仍然需要产品团队做判断。只是与传统SaaS相比，AI产品需要给客户的业务差异留出更多空间。
对于开箱即用，段毓铮也有一个明确判断：平台可以提供一些开箱即用的能力，但如果要真正带来经营结果，仍然需要企业自身的IT能力，以及FDE团队和客户共同建设。AI降低了企业应用技术的门槛，却没有让业务理解、流程梳理和组织协同这些工作自动消失。
再看企业Agent平台市场，越来越多厂商都在推出自己的产品，但帝王蟹强调的并不只是模型或功能列表，而是开放性，以及网易智企长期积累的企业服务经验。
开放性解决的是能否融入企业原有的信息系统。不同企业本来就有自己的系统和工具，AI平台需要适应这种复杂环境，而不是要求企业围绕某个产品重新组织全部工作。
更深一层的竞争，则在于厂商是否真正理解企业的业务运行方式。这也是网易智企希望强调的差异化。长期以来，网易智企在企业通信领域积累了大量客户和开发者，月均消息量超过3400亿条，接入企业开发者235万。
加上云信、云商、易盾、CodeWave和数帆等业务线，网易智企接触到的并不只是企业的信息系统，还有员工、客户和供应商之间真实发生的沟通与协作。这些积累能否进一步转化为对企业业务的理解，并体现在帝王蟹的实际应用效果中，才是值得继续观察的地方。
写在最后
企业AI最容易展示的，是一个任务完成得有多快；最难证明的，却是它有没有真正改变业务。前者可能只需要一个工具、一个岗位，后者却要求企业把散落在不同系统、会议和员工经验中的信息连接起来，再重新思考人与AI如何协作。
对企业来说，引入AI不是终点，部署多少智能体也不是最终目标。真正重要的是，原来需要几个人、经过多少环节才能完成的工作，能否因此变得更高效、更准确，甚至创造新的业务机会。AI究竟懂不懂业务，最终还是要看业务结果。
京公网安备 11010202008829号