东说念主东说念主想造Codex，但Agent正在接纳的不仅仅你的代码 | ToB产业不雅察
图片起首@unsplash
前年这个时候，咱们曾有个判断是：相较于销售、客服等范围，AI在编程范围的附近落地速率更快，且代码生成提效赋能开发者的场景照旧被推行快速考据。如今，这种情况正因Agent的才调进化而有所改换：随同AI编程器用从Copilot辅助升级到Agent自主情势，AI启动参加到企业责任流和办公场景，成为企业组织里面的“数字职工”。
与Agent功能膨大变成昭着对比的，是企业用户在部署Agent存在的困惑：想要变成为企业笃定性逝世拜托的推广者，不仅是本事挑战，更是组织惯性、隐性常识和资本呈报的空洞考量。
当写代码的Agent，抢了办公的活儿
就在上周，以Cursor、Anthropic、OpenAI为代表，先后对其AI产物进行了产物和功能迭代。这一作念法，其实照旧指向共同趋势：AI编程器用不再是开发者专用的编程IDE，它还长短开发东说念主员在日常责任场景的器用。
Cursor正在由里面职工测试一款新产物，里面代号为“Sand”。这款产物的研发，与Cursor在2026年4月从SpaceX AI部门租用缱绻资源的算作密切有关。一位接近Cursor的东说念主士显现，CEO Michael Truell在5月的全员大会上已明确暗示，下一个增长契机在于“非开发东说念主员的交易用户，且客户照实需要这类产物”。这是Cursor自2022年建造以来最进击的政策转向。
与此同期，Anthropic对其面向非本事东说念主群的通用任务推广型Agent——Claude Cowork进行了紧要版块更新，其中枢变化在于，它从桌面端矜重转为跨斥地、全天候的运行情势。事实上，早在本年1月，Claude Cowork就以桌面版块推出引起业内关注。基于桌面端的Agent，意味着用户不错在腹地推广任务和文献处理，AI不错更主动为用户提供办事，包括处理Excel数据、社媒信息获得等。
除了Anthropic除外，OpenAI也选择肖似策略推出了一款名为ChatGPT Work的Agent产物，专为自主拆解多设施复杂任务、跨附近蚁集凹凸文、永远运行并平直拜托文档/表格/PPT/Web制品而遐想。况且，OpenAI还经营将ChatGPT Work与Codex进口进一步进行团结。事实上，Codex当先被界说为AI编程器用，当今越来越多的非IT东说念主士将其用于申诉、电子表格、PPT、经营和数据分析。据上月最新走漏数据，Codex周活用户照旧进步500万。
这种才调的溢出，是编程模子的势必外延。“氛围编程”的提倡者Andrej Karpathy曾揭示，当AI能通过对话瓦解并生成代码时，它内容上照旧掌执了将依稀意图更始为结构化产出的才调。那么，将这种才调从结构严实的编程谈话，移动到同样受命逻辑结构但更依赖模板的PPT制作、报表生成，在本事旅途上同样存在可移动以致降维的空间。
同样在中国阛阓，从之前的Coding产物，到当今拓展到桌面端、聚焦责任场景，也出现了一批同类产物：阿里Qoder团队推出了Agent QoderWork、腾讯云CodeBuddy团队推出WorkBuddy、腾讯附近宝的Marvis、Kimi有Agent Kimi Work、字节有TRAE Work，此外还有智谱AutoClaw、阶跃的AI桌面伙伴、豆包专科版等等。咱们还获悉，创业公司滴普科技也行将发布一款定位企业日常办公AI进口的Agent产物。
不错看到，现如今，办公Agent赛说念照旧有越来越多的产物涌入，无论是国际如祖国内，在产物层面的探索，已很是活跃。
一位来自金融行业的本事总监梁文指出：“跟着AI的发展，其他场景的使用量会迟缓进步编码场景，仅仅当今还莫得发展到这个阶段。因为面前使用AI的东说念主大多如故门径员，可能最快到来岁，就会有好多坐蓐业务范围的AI使用量进步编码场景。”在这家企业里面，AI早已从早期的单点试点演进为公司级基础才调，研发、产物、业务、数据团队均有深度依赖，以致部分业务历程离开AI复古无法正常运转。
虽然，新的挑战也同样存在，就像编程环境有编译器的即时校验，企业办公场景的校验则来自依稀的交易判断和审好意思偏好，但若何界说好“审好意思”前者因东说念主而异，后者则因企业互异。
成为“数字职工”，要先跑通历程
瓦解Agent还要先看Harness。Harness内容是Agent的运行时框架，即无间基础模子与果然环境的推广层，它决定了Agent能否感知环境、调用器用、推广高歌并考据逝世。
Claude Code的Harness遐想原则是深度自主。Anthropic辘集首创东说念主Jared Kaplan曾在里面不容置疑，赞助用果然宇宙脏代码而非竞赛题老师模子。其逝世是，Claude Code的Harness擅长在留传系统的“泥沼”中自主进行跨文献重构，其API调用量一年增长17倍。大家GitHub公开提交中约4%由Claude Code参与完成，Anthropic预测到2026年底这一比例将进步20%。但这种遐想的代价是，可能会导致不可先见的操气派险，需要严格的东说念主工审批历程。
Cursor则强调驾驶舱情势，其Harness体系更像是一个用心遐想的辅助驾驶系统，深度集成在IDE内，强调用户对每一步的感知和逝世。这种遐想对前端开发和日常迭代极为友好，但在处理需要全局视角的后端复杂工程时，也即是说，Harness的自主决策才调是相对保守的。
咱们纰漏到，被誉为中国版Codex的WorkBuddy，绝伦の上司に一晚人妻可能在构建一个更广大、更复杂的Harness生态。它聘请了SkillHub平台，通过封装超7万个妙技的尺度化接口，内置11款主流大模子从而终了智能调遣。腾讯在依靠企业微信等腾讯系生态产物，以放大Agent的才调触达。但其挑战在于，由于企业办公场景的历程如报销、审批，远比编写代码环境更为依稀，且更依赖隐性常识。
何为隐性常识？网易智企·云信CTO徐杭生此前提到，编程可能更容易被取代，原因在于逻辑性太强、历程性太强。有法度，像软件工程一样，是有教诲过程的。相背，莫得教诲过程纯靠教训积攒的场景，是更难被取代的。
这种隐性规定的量化、建模与动态更新，是企业Agent落地的最主要按捺之一。
团结国际公司的策略来看，Anthropic通过Snorkel AI启动了代号为“Marlin”名目。该名目雇佣约1000名资深软件工程师，以每个任务280好意思元/1小时的薪金，对Claude Code的输出进行A/B测试和评审。他们购买的不是代码，而是工程师在审查代码时头脑中闪过的“这么写更好”的工程直观判断。
为了信得过意旨上瓦解企业责任流，WorkBuddy聘请了腾讯里面数万职工在使用其器用时产生的、经过脱敏和标注的果然责任过程数据，举例，一个优秀的阛阓决策是若何从提纲、素材征集到初稿、反复修改成型的。
这种过程数据的获得在通用办公场景下极为周折，因为大批常识责任者的中枢责任过程（如念念考、决策）并不在数字器用上留住印迹，这亦然办公Agent相较于编程Agent存在的先天数据残障。
效率不是异常，还要与真东说念主比价值
咱们此前报说念过一个数据：在国际，企业集成Github Copilot后，编码期间虽减少50%，但Bug却加多了41%。这其实早已评释：在AI期间，一些老的效率标尺如代码行数、编码耗时照旧很难有计划Agent价值，面向办公场景的Agent同样需要一套适应的有计划标尺。
Gartner在本年5月申诉中指出，尽管90%的工程辅导者申诉AI编程Agent带来效率耕种，但平均净耕种仅为19.3%，远低于产物宣传的“倍数级”效率。Stack Overflow走访炫耀，进步70%的开发者使用AI器用，但主要担忧仍是“代码质地难以逝世”和“引入安全破绽”。这意味着，在摒除了调试、审查、相通等非编码期间后，AI带来的果然组织效力增量其实莫得设想中那么高。
梁文还纰漏到，当今好多硅谷企业存在的问题是，无法通过滥用更多Token，持续厚实地更始为新的需求，那么就会变成坐蓐多余。“悉数东说念主启动使用AI产物，并将其用在业务流中，并不成透顶保证会为企业带来信得过的业务增长。但这个过程中，好多昔日非尺度化、非结构化的历程或器用选项被固化由AI来完成，却又无法灵通新的增量，这就可能带来裁人问题。”
这种更始意味着，Agent的价值必须投射到组织原有的业务价值流中，而非制造一套独处的AI效率数字。这条目企业从头遐想从需求评审、代码审查到测试部署的全历程，让AI的参与可量化、可挂念，最终体现为业务反馈速率的耕种。
与此同期，当Agent全面参加企业历程，一个昔日被疏远的问题正在被快速放大：Token滥用呈指数级增长，其资本可能很快进步被替代的东说念主力资本。
国内某软件企业面前每个月Token的滥用量也照旧到了几百亿。模子性能对Agent产物体验仍有进击影响，但现时最主要的制约身分，依然是崇高的Token资本。
本年6月，GitHub Copilot矜重告别包月情势，改为按Token计费。有开发者测算，重度使用下月费可能从约50好意思元飙升至近3000好意思元。Gartner预测，到2028年，AI编程资本将进步正常开发者的平均薪资。
企业将像经管云缱绻资源一样，为不同难度的任务分派不同线索的模子，以终了资本最优。国内某开发者社区一篇实战复盘炫耀，有团队将12名开发者的编码后端重定向至基于Claude Code公约的自界说责任流，通过混用不同型号模子，在耕种32%效力的同期优化了预算。
不少本事东说念主士不谋而合提到了算力与模子经管这个话题，结伴搭建算力网关，结伴对里面的各个产物线进行模子供应商经管，以终了在资本、质地及厚实性方面的最优组合。
为激动Agent名目更好落地，一些企业还聘请了多Agent架构来推广不同任务，包括推广具体任务、数据查询、安全搜检、性能监测等任务，Agent完成的任务更垂直、单一，对应的本事难度和复杂度也被分管到了各个Agent上。
资本结构的正倒逼企业从头注释Agent的部署策略。昔日，编程因为任务范围了了、反馈闭环赶紧，成为Agent落地的自然考研场，当Agent试图参加更辽远的企业办公场景时，需要治理的是更根柢的问题。当Agent像一个及格职工一样Work时，你可能也不再蔼然Agent有多机灵，而是它的资本究竟值不值？
（作家｜杨丽，剪辑｜杨林）