腾讯要让服务Agent告别“私房菜”

企业AI最尴尬的事情可能是花钱搭好了平台，却不知道拿它做什么。

腾讯云副总裁吴永坚在与企业客户交流时发现，一些企业前几年先把平台建起来，等到真正要用时，却发现不知道应该构建什么。平台有了，模型也接上了，但业务部门究竟需要什么样的Agent，仍然没有答案。

事实上，这并非个别企业的烦恼。麦肯锡2026年8月发布的全球AI调查显示，80%的受访者认为AI提升了个人效率，但只有37%认为AI对公司利润产生了正向贡献。个人用AI越来越顺手，企业却还没有找到将这种效率转化为经营成果的办法。

腾讯自己也面临另一道难题。

过去，腾讯为企业建设Agent，往往需要根据每家客户的业务需求单独定制。吴永坚把这种模式比作一家私房菜馆：客户每来一次，就要重新做一道菜。厨师的手艺再好，也很难靠这种方式服务成千上万家企业。

现在腾讯想改变这套做法。

10月30日，在2026腾讯全球数字生态大会上，腾讯云旗下智能体开发平台ADP推出五大行业、25个服务包，并进一步打通WorkBuddy，升级FDE伙伴计划，希望把过去积累的企业Agent项目经验沉淀为标准化能力，再交给生态伙伴共同交付。

这背后是腾讯对服务Agent（Service Agent）市场的重要探索，希望解决的是如何让这些Agent摆脱逐家定制的“私房菜”模式，真正实现批量交付。

一

企业AI的另一门生意

在腾讯内部，部分研发团队已经开始改变原有的工作方式。

过去，一项研发需求往往需要经过产品经理、研发、测试等多个岗位反复沟通和流转。如今，一些流程已经可以交给Agent连续执行，从修复问题、编写代码到测试验证，最后再由人工确认。

据吴永坚介绍，一些原本需要两三天完成的需求，现在有机会缩短至一天以内。

但类似的变化并未普遍发生在各行各业。吴永坚观察到，过去几年，企业AI最先落地的主要是知识问答、信息检索等场景。虽然这些应用提高了员工获取信息的效率，但后续的业务处理仍然需要依靠原有的组织流程。

例如在客服场景中，AI可以快速检索知识、生成回复，但涉及其他部门的业务处理，仍然需要员工进行沟通和流转。

这也催生了企业对Service Agent的需求。随着AI开始从辅助员工处理单项任务，进一步参与企业实际业务，企业需要Agent能够在多个系统和岗位之间执行任务，并遵守既有的管理规则。

顾名思义，Service Agent主要面向企业组织，涵盖办公、数据分析及面向终端客户的业务等场景。与从个人需求出发、帮助用户制作PPT和整理资料的Personal Agent相比，Service Agent需要考虑更加复杂的业务流程、组织权限和数据安全要求。

但Service Agent真正部署起来并不容易。

一个现实障碍在于企业原有的业务系统及权限体系，大多是围绕人的操作习惯和岗位职责设计的。员工通常按照既定流程使用系统，而Agent为了完成任务，可能主动寻找其他执行路径，甚至尝试访问超出授权范围的数据和工具。

针对这些问题，腾讯此次进一步升级了智能体开发平台ADP，重点加强企业系统接入、权限隔离和运行治理等能力。

一方面，ADP支持通过安全私网连接访问企业内部数据库和业务系统，并根据不同用户的身份限制数据访问范围；另一方面，在具有明确操作程序的业务中，将大模型的判断能力与预设工作流相结合，让Agent按照既定规则执行任务。

以华润信托为例，Agent已经开始从信息查询进一步参与实际的债券交易操作。

过去，华润信托的交易员需要在上千个交易群中接收交易指令，再人工拆解、录入交易系统。遇到持仓和交易进度查询时，还需要反复切换系统，查找信息后再回到群里回复。

如今，基于ADP构建的智能债券助手进入交易群，能够自动拆解交易指令、录入系统、查询持仓和交易进度，并完成部分询价工作。

据腾讯云披露，这套系统的智能拆单准确率已从最初的80%以上提升至98%。

不过，华润信托并没有将全部交易流程交给Agent。在涉及实际交易的关键节点，系统仍然保留人工确认，交易员则可以将更多精力放在结果复核和业务判断上。

这种人机分工也反映出Service Agent进入核心业务的一项现实要求：企业需要在提高自动化程度的同时，保留必要的风险控制环节。

对于腾讯而言，帮助华润信托这样的客户完成一次业务改造，只是Service Agent落地的第一步。如何将这些项目中积累的经验复制到更多客户，才是接下来更大的挑战。

二

批量化交付

事实上，从企业提出需求到Agent真正进入业务流程，中间仍然存在大量难以结构化的工作。

吴永坚坦言，企业Agent的落地几乎每个环节都存在困难。

第一关便是场景选择。许多企业虽然已经决定引入AI，甚至提前建设了相关平台，但对于哪些业务适合Agent改造、能够带来多少实际收益，仍然缺乏清晰判断。

即便找到了合适的场景，接下来的系统接入也可能成为一项复杂工程。不同企业使用的数据库、业务软件和IT架构各不相同。一些企业还保留着运行多年的老旧系统，既没有完整的技术文档，原来的研发人员也可能早已离职。

在这种情况下，工程师需要重新分析代码、梳理业务逻辑，再将原有系统转化为Agent能够调用的能力。

完成技术接入后，组织内部的协调同样复杂。负责建设Agent的IT部门与最终使用Agent的业务部门，往往并非同一批人。即便技术团队已经完成开发，业务部门也可能认为实际效果不符合需求，需要进一步调整。

Agent上线后还需要持续维护知识库、更新业务技能，并根据使用情况调整工作流程。

相比技术问题，更难解决的还有不同企业积累的行业经验的结构化。

腾讯云副总裁、WorkBuddy负责人刘毅表示，腾讯工程师对研发、财务等岗位相对熟悉，但进入比亚迪这样的制造业企业时，会遇到许多此前没有接触过的岗位和生产流程。

即使是腾讯自己的FDE工程师，也需要深入客户现场，与企业IT团队一起学习生产业务，才能将Agent真正接入原有工作流程。

这种差异在不同行业之间尤为明显。例如零售企业通常更加关注销售转化和运营效率，金融机构则对交易准确性、业务权限和风险控制有更高要求。即便是同一行业，不同企业的业务规则和系统环境也可能存在较大差异。

吴永坚观察到，数字化基础较好的零售行业，Agent落地相对容易，但目前还很难找到一个行业，可以大规模省去FDE工程师的参与。

由此也产生了Service Agent商业化的矛盾：不同客户之间存在可以复用的共性需求，但实际交付又必须适应各自的业务环境。

如果每增加一家客户，都要重新投入大量工程师进行开发和部署，即便客户数量持续增长，腾讯也很难获得规模效益。

“我们不太想把自己变成一个项目或者纯人力外包的公司。”吴永坚说。

腾讯此次的布局也沿着这一思路展开：先是提升ADP产品易用性、与WorkBuddy打通，扩大已有AI能力的使用范围；再通过打造垂类应用“样板间”、将成熟项目整理成行业场景包，借助FDE伙伴体系交付给更多企业。

吴永坚介绍，升级后的ADP，让企业不仅能用自然语言构建智能体，还能围绕具体业务搭建完整应用：由智能体完成分析和任务执行，通过配套的站点页面，让员工提交信息、开展操作、查看进度和结果，将原本分散的业务环节串成完整流程。借助ADP与WorkBuddy的双向打通，员工可以直接在日常使用的WorkBuddy中调用企业搭建的智能体，无需切换到独立应用；在工作中反复验证、打磨成熟的流程，也能沉淀到ADP，成为团队共享、复用的能力。

与此同时，腾讯将过去两三年积累的项目经验整理成覆盖零售、传媒、金融、医疗和工业五大行业的25个服务包，希望减少不同客户在场景选择和方案设计上的重复工作。

对于标准化方案难以覆盖的部分，则交由FDE合作伙伴深入客户现场，完成系统适配、应用构建和后续实施。

这套合作模式的意义在于一方面，腾讯将过去积累的技术能力和项目经验沉淀为标准化方案，通过合作伙伴交付给更多企业；另一方面，合作伙伴在实际落地中积累的行业经验、新需求和业务流程，也可以进一步结构化沉淀，反向推动平台和行业场景包持续迭代。

腾讯已经有了自己的拿手菜，接下来的考验是让更多合作伙伴也能做出同样的味道。

*以上内容不构成投资建议，不代表刊登平台之观点，市场有风险，投资需谨慎，请独立判断和决策。