内容来源：笔记侠（Notesman）。 责编 | 柒 第 9943 篇深度好文：3932 字 | 10 分钟阅读

今年有个现象，几乎每家公司都在发生。

员工用 AI 写周报、做 PPT、生成方案、写代码、做数据分析，几分钟就能搞定，个人效率提升肉眼可见。

但是，管理者一问到 " 公司到底提效了多少、增收了多少 "，十个有九个答不上来。

这不是错觉。麦肯锡最新发布的《The State of AI》报告揭示了一道刺眼的断层线：80% 的员工认为 AI 提升了个人效率，但仅有 6% 的企业获得了显著的业务回报。

个人提效，不等于组织变强。

个人装上 AI，相当于多了一个助理。但 AI 的繁荣，不能只停留在个人的工位上。

要打造公司级生产力，Agent（智能体） 必须融入工作流、进入业务系统，独立地负责真实工作，它懂目标、会思考、调用工具、执行任务并交付结果。

这就是个人 AI 和企业 AI 的鸿沟。中间这一步，很多企业卡住了。

腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生指出，"Agent 正在成为新的生产力形态，而企业落地 AI 最大的问题，不是模型不够强，而是断点太多。"

为此，腾讯云给出的解法是 "AI 原生生产力飞轮 "。它的目标很明确：助力企业打造可持续进化的 AI 生产力系统，让 AI 做得成、敢托付、能复制。

这篇笔记，就顺着这个飞轮，看它到底怎么转起来。

一、跨越 " 提效鸿沟 "：

AI 原生生产力飞轮的三大驱动力

"AI 原生生产力飞轮 " 贯穿了 AI 时代的企业进化旅程。它由三个驱动齿轮构成，精准对应企业最关心的三件事。

1.AI 原生工作流，解决 " 做得成 "

企业最现实的第一个问题是：AI 能不能真干活，给结果？

要做到这点，AI 必须进得去真实的业务系统。但现实是，企业数据散落在各处，资料在网盘里，讨论在会议里，结论在文档里，客户和订单数据在 ERP（企业资源计划）、CRM（客户关系管理）里。怎么办？

核心是 " 连接 "。

腾讯给出了两条路径。

面向个人办公，Buddy One 连接 WorkBuddy、腾讯文档、腾讯会议、腾讯网盘和 ima，允许 Agent 在授权范围内检索相关资料和会议记录。 面向企业，让智能中枢 WorkBuddy 与企业微信深度融合，并通过 MCP（模型上下文协议）和连接器接入 ERP、CRM、第三方 IM（即时通讯）和企业自研 Agent，让 AI 进入企业已有系统和流程。

一句话：用对账号，拿对数据，交付结果。

它不是多了一个聊天窗口，而是把数据、工具和人连成了一条可以执行的任务链。

2.AI 原生技术架构，解决 " 敢托付 "

AI 一旦触碰经营数据，第二个问题马上就来：敢不敢把核心业务交给它。

打个比方，企业接入的智能体，就像一批不用睡觉的新员工。它能力很强，但要真正上岗，得先回答三个问题：用什么工具，在哪干活，守什么规矩。

腾讯云的答案，是把工具、环境和规矩一次配齐。

第一，配好原料。

将混元、DeepSeek、GLM、MiniMax、Kimi 这些主流大模型都放到 Token Hub（大模型服务平台）上，企业像点菜一样按需选用，统一计费。

第二，建好车间。

Agent Runtime（智能体运行时）构建 Agent Native（智能体原生）的基础设施：弹性沙箱像一间间隔离的办公室，60 毫秒就能开一间，大规模、高并发的时候也稳得住。

腾讯云可观测平台则相当于 " 监控台 "，钱花在哪、错出在哪、卡在哪，一目了然。

第三，立好规矩。

Agent 身份纳入企业统一权限，看过什么数据、调过什么工具，全程留痕；私有数据全程加密，删除数据、越权访问这类高危操作直接拦截。

基于这套 AI 原生的 Agent Infra（智能体基础设施），AI 不仅跑的稳，还管得住：资源按需取用，运行可以托管，权限边界清晰，行为可控、数据可管、过程可溯，投入产出算得清。

3.AI 原生组织，解决 " 能复制 "

一个团队跑通了，怎么变成全公司的能力？

这一步最难。它已经不是技术问题，而是组织管理问题：人会变化，部门有墙，经验散落在每个人脑子里。

腾讯云的做法，是通过三个层次，让 " 人机协同 " 变成组织基因。

第一层，复制到人：托管智能体（WMA）把任务执行搬到云端，相当于给每个人配备了一个 7 × 24 小时在岗的专属助理，任务来了马上干。

第二层，复制到岗位：把一个人的绝活，变成一个岗位的底子。某个团队跑出来的经验，可以做成行业专用的 Agent，比如营销妙问、天御风控 Agent，别的部门直接调用。

过去这些经验锁在个人脑子里，人会走；现在固化成 Skill（技能）、Workflow（工作流），沉淀成组织资产。

第三层，复制到组织：配齐 " 评估、培训、竞赛、认证 " 体系，把少数人的好方法，变成组织里多数人的工作方式。

" 个人的能力被组织放大，组织的能力又给每个人拓宽边界，这才叫复制得开。"

三大驱动，不是彼此割裂，而是需要形成相互咬合的齿轮：

工作流跑得越深，越需要技术架构支撑（需求驱动）；

架构把边界立住了，组织才敢把 AI 放大到更多岗位（规模应用）；

用的人多了，新玩法不断冒出来，又沉淀回工作流（创新涌现）。

三者相互传动，飞轮越转越快。

二、实战拆解：

企业怎么把飞轮转起来？

飞轮究竟如何落地？

我们来看看有 48 年历史、5000 多名员工的传统制造巨头 " 中顺洁柔 "，是怎么利用腾讯云把 " 飞轮 " 转起来的。

1. 一把手下场，先把 " 一件事 " 打透

今年 6 月，洁柔总裁高波第一次用 WorkBuddy 处理一项复杂的经营分析。过去这类工作，通常要两三个人配合处理一周。这一次，半天多就做完了。

这件事验证了一条在企业里最朴素的规律：AI 能不能真用起来，取决于一把手是不是亲自下场。

起点的价值确认之后，AI 开始往业务深水区挺进。

区域复盘先变了。过去各区域在营销会议上拿着不同的 PPT 解释业绩，管理层现场核验不了真假；现在各区域用统一的 Skill 跑数据，会议主题从 " 解释为什么没完成 "，变成了 " 下一步应该怎么办 "。

预算决策也变了。过去两个多月只能测算五六种方案，调整一个数字可能要等一周才看得到结果；现在某个品类增加 200 万元投入，对整体预算的影响能快速呈现，管理层可以持续比较不同方案。

同样的变化也在各处发生：

一家头部制造企业把 13 个场景交给 AI，其中索赔发票一项，每月自动初审 2 万单； 伊利用智能体辅助一线导购，实时生成精准的商品推荐和沟通话术，直接带动销售订单提升了 26%。

2. 锁死安全边界，算清投入产出

AI 越深入经营，问题就越具体。

预算、采购、供应链涉及大量经营数据，也涉及数据权限、核心机密、分析准确性和决策责任。AI 能访问什么、不同岗位能看到什么、结果错了怎么办，必须有清晰边界。

洁柔做了三件事：

第一，数据隔离：AI 住在一个独立的数据环境里，跟主库隔开，只能看筛过的数据。

第二，权限分级：岗位不同，权限不同，配方这类核心机密，AI 一个字都碰不到。

第三，人机协同：AI 算出来的结果，人要再核一遍，最后拍板的还是人。

"AI 原生技术架构的价值，不是让 AI 不受限制地做更多事，而是让它在清晰边界内稳定地做事。"

除了安全，还有一个常被忽略的环节：算得清。很多企业部署 Agent 初期像开盲盒，谁在用、钱花在哪、有没有效果，全说不清。说不清，管理层就不敢继续投。

腾讯云新上线的可观测中心，相当于给 Agent 装了仪表盘：

看全局，一屏看清 Token 用了多少、钱花了多少； 看归因，算清钱花在哪个部门、哪个场景； 看单步，找到哪一步慢了、错了、贵了。

ICT 基础设施龙头企业新华三接入之后，管理团队第一次看清哪些团队用得最深、用在什么场景，从而精准调配资源。现在这家公司一天要跟 WorkBuddy 说 130 万句话。

苏宁易购用它给 Agent 做体检，定位异常耗时的对话，逐项调整提示词和模型配置，Token 消耗降低了 10%。

" 看不清的投入，企业不敢持续。算得清的账，飞轮才转得动。"

3. 重塑人机协作，从 " 要我用 " 到 " 我想用 "

当 AI 既有用，又安全，企业才敢扩大授权。

洁柔第一批开放的 500 个 WorkBuddy 账号很快被领完，随后开通数量接近 1300 个。1000 多人参加了培训和考试。

有员工把公司配的额度用完了，自己掏钱充值接着用。

比数量更值得说的，是分工的变化。

过去业务人员做经营分析，通常找财务取数。现在越来越多业务人员借助 WorkBuddy 自己就能完成分析。

财务的价值不再只是替业务 " 跑一次数据 "，而是把分析框架和专业经验沉淀成 Skill，让业务人员直接调用。

一名人力资源经理，借助 WorkBuddy 搭建了绩效评估工具，从需求设计到修复问题，主要由她自己完成。

管理链条也在缩短。过去一项任务要从总监传到经理、主管再到一线，然后逐级汇报回来。现在很多工作可以直接交给了解业务的员工与 AI 完成。

洁柔总裁高波感慨：" 原来我可能只能指挥到师，现在我可以指挥到班了。"

第一轮实践后，洁柔留下的不是几份 AI 报告，而是经过验证的 Skill、统一的数据口径、清晰的权限机制，以及一批掌握 AI 工作方式的员工。这些资产被投入下一轮场景，飞轮开始产生真正的加速度。

三、结语

回到开头的鸿沟：为什么很多员工都觉得 AI 有用，但公司层面的回报却不明显？

中间隔的，不是模型，也不只是算力，而是一整套让 AI 接得进业务、管得住边界、留得下经验的系统。

工作流决定 AI 有没有用，技术架构决定企业敢不敢用，组织机制决定成功能不能被复制，创新能不能被激活。

少一环，飞轮就转不起来；三环接上，一次有效实践才会变成组织的内生能力。

所以，智能体不该只是待在对话框里等人来问。它要进到报销单里、排产表里、客服工单里、预算模型里，去处理真实流程，留下可复用的 Skill、数据口径、流程和经验。

去年做成的事，今年不用重做一遍；今年沉淀下来的方法，明年还能继续被调用。

这，才叫长在组织身上的生产力。

这也是腾讯云要做的：不是替企业装一套 AI 工具，而是帮企业把一次有效实践，变成可以不断复制、持续进化的 AI 生产力。

* 文章为作者独立观点，不代表笔记侠立场。