先从这两天发生的一个很有意思的故事说起。

企业智能体应用九宫格

对于企业如何面对与应用智能体这个新技术、新物种，我们海比研究院设计了一个分析模型——企业智能体应用九宫格。

企业智能体应用九宫格

资料来源：中国软件网（www.soft6.com）、海比研究院

“企业智能体应用九宫格模型”从三个维度分析一个企业对待企业AI智能体的应用：认知维度、行动维度、决策维度。认知维度是指企业对智能体这个新技术的认知，可分为技术质疑、风险观望、战略拥抱三个层次；行动维度是指企业对智能体所采取的行动与应用情况，分为保守防御、试验探索、全面革新三个层次；决策维度则是指企业采取行动的决策方式是什么，分为盲目（跟风）决策、经验驱动与数据驱动三个层次。

为此，我们采访了30家做软件、AI应用和智能体的厂商。我们问了两个问题：

1、作为供给侧，你们公司在智能体的应用方面，在上述三个维度中属于哪种类型？

2、对于你们的用户，您觉得他们在智能体的应用方面，在上述三个维度中，属于哪种类型？

业界同仁给我们的答案很有意思，有70%的厂商觉得自己在认知维度上是战略拥抱智能体，行动维度上是全面革新，决策维度上是数据驱动（也有采访对象回复是经验驱动，我个人更觉得经验驱动在当前更为真实）。

同时，大多数的采访对象都认为，他们的大多数用户在认知维度上都属于风险观望，在行动维度上属于试验探索，在决策维度上有点盲目决策或者风险观望。

其实，从我们现在对供给侧——智能体厂商的调研来看，虽然他们大部分都强调拥抱战略、全面革新与数据驱动，这在某种程度上可能是因为要向媒体宣传好的一方面。但如果从他们自身的产品和技术角度，则也确实是如此。现在的企业软件、SaaS都已开始全面向AI、向智能体进军，甚至All in AI。不过，他们自身在应用智能体方面的情况，也是在逐步试验，也还没有达到全面革新的程度。

用容联云大模型应用负责人唐兴才的话来说，现在很多企业的智能体应用都是“困在Demo”阶段。

之所以觉得这个调研故事有意思，是因为如果大多数的用户群体都是这种状况，他们能支撑“智能体元年”的市场吗？谁是智能体的目标客户呢？

谁是智能体的目标客户

在用友网络高端BG总裁杜宇看来，大型企业无疑是智能体的重点目标客户，因为“AI、智能体是他们当前和未来两三年的一大需求热点。”泛微市场品牌部总监刘志刚则认为，政府和国企都是当前智能体的目标客户，他们目前普遍都在“拥抱人工智能”，对智能体的应用有极大的兴趣。

从海比研究院的“企业智能体应用九宫格模型”来看，领航变革型的企业是最理想的目标客户，他们的共同特征是，在认知维度上对AI、对智能体充分认可，在行动维度上又全面开始推进。这意味着他们领导重视，且有预算、有投入。

企业智能体五大目标客户（有色区域）

资料来源：中国软件网（www.soft6.com）、海比研究院

当然，除此之外，先锋探索型、试点激进型、试点探索型、矛盾试点型也是目标客户。这些客户的共同特点是，对AI、对智能体有行动，有预算有投入。

在这些目标客户中，如果加上决策维度的分析，会对他们的理想程度有更好的细分。对于那些依靠跟风决策的企业来说，他们在智能体方面的投入与推进可能不可持续，遇到一些挫折，或者一阵风之后就不会再有投入，因此，他们可能不是最好的目标客户。但对于那些依靠经验驱动、数据驱动决策的企业来说，拥抱AI、拥抱智能体是他们慎重考虑之后的战略决策，他们会在这方面持续推进、持续投入。他们是最理想的目标客户。

因此，在这五类目标客户中，领航变革型是第一理想目标客户，先锋探索型是第二理想目标客户，其他是第三类目标客户。

刘志刚也认为，虽然政府和央国企在当前表现出较高的热情，但他们大多是因为政策引导，”所以拥抱得多，但核心不深。往往是只要能接入大模型，做一些小尝试多，大的投入还是少。”

更重要的是，海比研究院还发现，有些组织目前热衷做AI，并不太关注效益，更多的是一个“形象工程”，主要用于参观展示。对于这样的客户，他们的投入比较难以持续，就不是很好的目标客户。

智能体落地的四个原则

智能体想要充分释放出智能化的潜力，真正赋能企业业务，需要先构建整体的企业AI能力。

对于领航变革型、先锋探索型这样的理想目标客户，杜宇认为，他们的AI能力，需要掌握四个基本原则，即具备统一的原生数智底座、嵌入核心业务、结果可靠和安全可靠。只有这样，才能真正做到以业务为导向，降低AI应用门槛、确保AI应用安全可靠和可持续，让AI、智能体真正落地到实际业务中，实现智能运营。

唐兴才则认为，如何快速找到高价值场景是智能体应用的首要问题。面对当前大模型应用陷入"场景泛滥"困境，企业面临资源投入与业务价值的艰难抉择。容联云提出高价值场景的筛选模型：高价值场景 = 业务价值密度 × 数据可用性 × 流程嵌入度。

这个高价值场景的筛选思路，和杜宇提到的四原则不谋而合。例如，都强调“业务”，要嵌入到企业的“研产供销服”、“人财物项协”业务与管理场景中；强调“数据”，要与企业的高质量数据、知识库相结合，生成的结果可靠可信；强调“安全”，要保障数据安全，明确权限与责任，运行使用合规。

智能体应用的误区

有四大原则、有了高价值应用场景，海比研究院调研发现，这并不意味着智能体就能高效在企业落地应用。

用友、容联云、泛微、金蝶、慧点、SmartBI、浪潮海岳、纷享销客等众多公司的实践表明，当前智能体的应用还存在几个典型的误区。

用友BIP产品总监李惠苹认为，智能体的应用并非像很多媒体上所宣传的那么简单。虽然依托智能体平台开发一个智能体很简单，但要让这个智能体真正在业务中发生作用，却并不简单，甚至比开发一个相应的软件还要更复杂。

确实如此，企业智能体的成功落地，从来不是一个简单的技术或工具采购问题，而是一项复杂的系统工程。在引入强大的智能体之前，企业必须做好三项关键的“准备工程”：数据工程、知识工程和业务工程。

遗憾的是，今天，无论是企业自身，还是许多智能体提供商，都远未做好准备。

准备一：数据工程——AI的“口粮”

数据工程是AI的地基。它要求企业对自身的“数据资产”进行彻底的治理，包括数据的清洗、整合、打通和标准化，确保数据的高质量、实时性和全局可得性。

目前的现状是，众多企业的数据仍沉睡在财务、供应链、HR等上百个异构系统中。这些数据标准不一、质量参差不齐、互相割裂。在这种“数据沼泽”上，任何智能体都无法做出精准的判断。喂给AI的是“垃圾”，产出的也必然是“垃圾”，所谓的“数据驱动决策”便成了一句空话。

准备二：知识工程——AI的“大脑”

如果说数据是“口粮”，知识就是AI能够理解和运用的“智慧”。知识工程，就是将企业独特的行业know-how、业务规则、操作流程、最佳实践等隐性知识，转化为大模型可以理解和调用的格式（如知识图谱）。

一个通用的AI模型不会了解你公司的审批权限、不知道你的供应商评级标准、不明白你的产品定价策略。没有经过本地化、行业化的知识工程，智能体就是一个空有智商、没有常识的“实习生”，无法在核心业务中担当大任。而这项工作，恰恰是目前许多只懂技术的智能体提供商所不具备的能力。

准备三：业务工程——AI的“躯干”

业务工程关注的是AI如何与业务流程完美融合。它不是简单地将AI“外挂”在现有流程上，而是要对业务流程进行重塑和再造，使其变得更加敏捷、智能和自动化。

在一个本身就充满断点、需要大量人工干预的割裂流程上，增加一个智能体，往往只是把“人工”换成了“AI”，非但没有提升效率，反而可能因为系统的复杂性而制造新的混乱。真正的价值在于，让AI驱动业务流程实现端到端的自动化和智能化，例如从线索到回款（L2C）的全流程智能运营。

智能体是企业AI落地最佳切入点

唐兴才发现，当前企业AI落地主要面临三个方面的困境。一是场景选择困境：从“什么都能做”到“什么值得做”，不同场景ROI难量化；二是技术适配难题：算力成本高、模型幻觉难控等；三是组织协同断层：业务、技术、数据部门割裂，价值闭环难形成。

用友、容联云等智能体提供商开始注重结合行业特性打造分层式、模块化的智能体体系，并引入知识治理工程，确保大模型能力与业务场景深度适配，成功解决了企业级AI落地中“技术堆砌难用、场景碎片难融、数据孤岛难破”三大难题，是支撑企业AI应用落地的最佳切入点。

AI落地是当前和未来10年企业数智化领域最大的市场机会，智能体则是这个时代的“大众汽车”。它比单纯的大模型部署更有应用实效，它比传统人脸识别、语音识别等AI应用更加快捷、易用，成本更加低廉。海比研究院预计，虽然当前智能体应用存在一定的泡沫层面，但目标客户在决策维度正变得越来越理性，随着智能体实际效果的不断呈现，它将会推动企业进一步推动AI落地的决心，也会进一步推动那些技术质疑、风险观望的企业加入积极拥抱AI的大潮。

更进一步，海比研究院认为，不仅是AI落地，智能体还将是推动企业数智化浪潮下一个关键点。AI落地、信创、出海，甚至外企在华业务创新等四大数智化机会，都会与智能体应用发生极大关系，都会因为智能体在企业中的应用而快速爆发。

 

​