腾讯云ADP升级：企业级Agent如何对经营结果负责

个人效率涨了，企业利润没跟上

过去一年，AI智能体在办公场景铺开的速度比预想快得多。查资料、写文档、处理日常杂事，员工用起来顺手，个人效率的提升看得见摸得着。可这种提升大多停在个体层面，想直接变成企业整体利润，没那么容易。

麦肯锡2026年8月发布的一组数据把这种反差摆了出来：80%的员工感受到了AI带来的个人效率提升，但认为AI为公司利润创造了正向贡献的人不到40%。缺口就摆在那儿，也正是当下企业焦虑的核心。管理者关心的已经不是“智能体能做什么”，而是追问“个人提效如何变成业务增长”、“数据安全怎么管”以及“效果如何量化评估”。

腾讯集团副总裁、腾讯云CTO王慧星提到，以前是云厂商追着企业推销数字化方案，如今反过来了。企业CEO主动找上门，问的是怎么把AI塞进核心业务。平台方的角色也就得跟着变：不再只给封闭的标准产品，而是拿出原子化的能力单元，跟企业一起在真实业务场景里蹚路。

这么一来，对话式的桌面办公Agent和服务经营的Service Agent就成了两条长期并行的赛道。前者解决个人效率，后者直接面对复杂的业务流程、系统权限和经营指标。Service Agent想真正跑通，光靠大模型的理解与推理能力远远不够，还得有一套能打通系统、严格管控权限、撑得住长期稳定运行的企业级平台。

Service Agent要迈的四道坎

搭一个能聊天的智能体Demo，技术上已经不算难关。难的是让智能体跨过四道实实在在的门槛，真正进入企业的核心业务流。

头一道是系统接入与数据安全。企业内部的合同、发票、业务记录散落在多个系统里，口径各不相同。智能体得跨系统把数据口径统一起来，同时严格对齐企业原有的身份机制——不同职级的员工查同一条信息，拿到的结果应该不一样。AI在内网环境里怎么安全访问数据库，每一次操作能不能追溯、能不能审计，这是首先要解决的问题。

第二道是非专业人员也能构建。业务专家懂流程，但不懂代码；开发人员懂代码，未必清楚业务细节。如果搭智能体要写大量前端页面、对接后端逻辑、管理数据状态，项目周期会被拖得极长。让懂业务的人用自然语言把需求描述出来，就能搭出可用的应用，这才是把门槛降下来的关键。

第三道是上线之后的监测与优化。智能体跑起来以后，效果、成本、故障怎么持续盯？出了错，能不能快速定位到环节、回滚版本？更要紧的是，怎么让智能体从业务反馈里自主学习，同时又保留人工把关，形成“机器建议+人工审核”的闭环。

最后是分发与管理。企业内部智能体一多，员工反而犯难：几十个Agent摆在那儿，不知道哪个适合手头的任务。没有统一入口和精准的分发机制，智能体的利用率会大幅下降，资源也就白白浪费了。

腾讯云副总裁吴永坚表示，ADP（Agent Development Platform）的定位不是通用开发工具，而是专门面向数据和业务场景的Service Agent构建平台。它的目标就是把这四个痛点逐个解决，让智能体从“玩具”变成“工具”，最终成为业务载体。

ADP全生命周期升级，补上工程化短板

针对上面这些挑战，腾讯云ADP做了全生命周期的产品升级，核心思路是“开放连接”与“原子化能力”。

构建层上，ADP把智能体能力与站点服务打通。智能体负责分析与执行，站点承载操作页面、业务逻辑和数据状态。企业因此可以直接搭出端到端的完整业务应用，而不只是一个对话框。加上自然语言构建能力的升级，业务人员在工作区里通过对话就能生成、调试、评测并发布应用，开发门槛降了一大截。

接入与治理层，ADP采用私网直连模式。AI通过企业内网直接连接数据库和业务系统，数据不用暴露在公网。网络连接与租户、身份、数据权限深度绑定，明确界定“谁可以通过哪个Agent访问什么资源”。每一次运行全链路留痕，成本和状态清晰可见。另外，ADP开放了100多个接口和官方命令行工具，安全、权限、审计标准在产品界面调用和接口调用中保持一致。

使用入口层，ADP推出AgentPortal作为企业智能体的统一入口，支持按部门、岗位精准分发智能体。员工提问时不用挑特定Agent，系统会自动派单给最合适的智能体回答；要是没有对口的，就由通用智能体兜底。AgentPortal还与WorkBuddy双向打通：企业在ADP上构建的能力可以分发到员工日常工作入口，员工验证有效的流程也能沉淀为企业可复用的智能体，形成“企业能力服务个人，个人经验反哺企业”的循环。

为了验证这套体系管不管用，腾讯云自己也做了两个垂类“样板间”。客服智能体覆盖从接待、业务办理到服务质检的全流程，已在200多家标杆客户中落地，平均解决率超过85%。视觉智能体则让业务专家只需定义“对与错”的标准，Agent即可自动拆解任务、编排模型与工具，已在某零食品牌约4000家门店、13万路摄像头中落地，日均处理约78万张图片。

真实案例：对经营结果负责

企业级Agent成不成，唯一的标准是真实业务里跑出来的结果。

华润信托在金融业务上依托ADP做了个智能债券助手，直接放进交易群里用。交易员说一句“帮我拆一下这笔单指令”，智能体就会把指令录进系统、查好持仓和进度，再回到群里回复，关键环节仍由人来确认。一路调优下来，智能拆单的准确率从起初的80%以上升到了98%。在华润信托CIO苏南看来：“ADP作为我们的平台，它是在我们的数据之后的。”这话说清了企业级平台该站的位置：不去抽走企业的数据，而是待在原有系统和数据后头，把能力托上去。

伊利在零售端用WorkBuddy把业务数据归拢起来，据此分析、生成经营策略，再下发到上千名导购手中，运营效率提升超过50%。导购智能体由ADP实时生成沟通话术，内容贴合具体商品与用户。A/B 测试的结果是：有智能体辅助的导购，销售订单增加26%。

类似的做法也在别的行业出现。东北证券依托ADP搭起三个协同作业的智能体，串成“看懂账户—识别需求—匹配服务”的完整链路，从单一场景走到财富管理全流程，还会自动过滤无权限内容。华住酒店集团协同搭建了38条工作流，覆盖152个客服子场景，高频客服问询中超过70%由系统自动处理，落地门店已有10000多家。

金融、零售、文旅等行业都出现了这类案例。可见Service Agent不是某个行业的特例，而是一种普遍适用的业务增强手段。

从“私房菜”到“标准化菜单”：FDE 方法论与生态共建

技术底座在走向成熟，但规模化落地仍卡在组织路径上。蒙牛鼓励一线员工围绕真实场景用智能体，还通过内部Skill大赛把好的实践沉淀下来。王慧星认为，平台厂商和客户一线员工一起去摸索，这条路走得通。

只是每个项目踩过的坑，不能只留在单个客户那里。吴永坚打了个比方：过去团队做项目像开定制私房菜馆，厨师手艺好，每家客户都做专属菜，可就是没法规模化。服务了足够多客户之后，腾讯云总结出一套标准化的“菜单”——FDE交付方法论。

FDE把智能体项目的落地拆成接入、建设、验证、推广、治理五个阶段。每个阶段的任务、交付物、验收标准都写清楚了，还配上模板、评测用例和操作手册。另外沉淀了25个标准化场景包，覆盖零售、制造、教育、金融、医疗五大行业，遵循“70% 可复制、30% 按需定制”的原则，帮伙伴把一次项目的成功转成可复制的交付能力。

规模化还有一关键：生态共建。腾讯云已启动与十二家伙伴的企业级智能体FDE方案共建合作。毕马威拿出“行业专家 + 敏捷工程师”模式，深耕金融、制造等行业的方案；软通动力基于ADP底座落地医药研发场景，研发成本降低80%，周期缩短30%；翼企云帮交通行业客户从知识管理切入，逐步让车次智能调度等核心业务实现自主构建。

企业级Agent从概念火热走到价值验证，正经历从“有”到“用”再到“好”的过程。这条路没有捷径，得扎进业务流程里，扛住7×24小时的工程考验。未来真正能跑通的企业级智能体，既要有更聪明的大脑，也要有一套能长进业务肌理里的扎实骨架。竞争重点已经从模型能力转到系统落地能力，谁能给出更稳定的工程体系、更清晰的交付路径，谁就能在这一轮浪潮中站稳脚跟。