这两年，企业里的 AI 越来越多。
钉钉有 AI 助理和 Agent 能力。
飞书开始把 AI 深入多维表格、文档、会议、工作流和业务系统。
北森在人力资源里做 AI 招聘、AI 面试、AI 陪练、AI 领导力教练。
用友在企业经营场景里推智能月结、智能合同、智能采购、智能 CRM、智能人力。
金蝶也在做财务、人力、采购、销售、生产、数据等不同类型的企业智能体。
看起来，每家公司都在加 AI。
但我最近越来越觉得：
企业真正缺的，可能不是更多 AI。
也不是更多系统。
而是：
更快得到答案。
企业其实已经不缺系统了
今天一家稍微大一点的企业，系统通常很多。
HR 有 HR SaaS。财务有财务系统。销售有 CRM。供应链有 ERP。协同有钉钉、飞书、企业微信。项目管理又有另外一套。
很多企业还会再加：
BI。知识库。招聘系统。学习系统。绩效系统。客服系统。
最后老板问一句：
“为什么这个季度华东区增长放缓了？”
然后大家开始：
找数据。拉 Excel。问销售。问财务。问人力。问区域负责人。再开会。
很多时候，企业不是没有数据。
而是：
数据都在不同地方。
报表很多，但答案还是要靠人拼
这其实是企业数字化很有意思的一个阶段。
过去二十年，大家一直在努力做一件事：
把业务装进系统。
销售进 CRM。员工进 HR 系统。费用进财务系统。合同进合同系统。审批进 OA。
企业数字化确实解决了大量问题。
但也带来了一个副作用：
每一个系统都很会回答自己的问题。
CRM 能告诉你销售额。HR 系统能告诉你人员情况。财务系统能告诉你成本。学习系统能告诉你谁上过课。
但是老板真正问的问题，经常不是单一系统可以回答的。
例如：
“为什么这个区域最近业绩下降？”
答案可能同时跟：
客户流失，销售人员变动，主管能力，产品价格，库存，市场活动，甚至培训不足有关。
所以问题不是缺数据。
而是：
缺一个能够跨系统理解问题的人。
以前这个角色通常是：
人。
以后，很可能就是 AI Agent。
AI Agent 真正改变的，是“谁去找资料”
过去的工作方式是：
人去找系统。
想看客户，就打开 CRM。想看员工，就打开 HR 系统。想看费用，就打开财务系统。
想看会议纪要，再去飞书或钉钉。想看培训，又打开 LMS。
如果系统够多，一天光登录就已经很有参与感了。
但 AI Agent 带来的变化可能是：
你不再去找系统。
Agent 去找。
你只需要问：
“哪些客户最近有流失风险？原因是什么？”
Agent 自己去查：
CRM。合同。回款。客服。会议纪要。销售跟进记录。甚至联系人变化。
最后回来告诉你：
不是“这里有 8 张表”。
而是：
“这 12 个客户需要关注，其中 4 个是回款问题，3 个是关键联系人离职，5 个是使用活跃度下降。”
这时候系统开始从：
Record System
变成：
Decision System。
其实大陆企业已经开始往这个方向走了
这不是一个很遥远的概念。
飞书现在已经把 AI 放进多维表格、工作流、会议、文档等场景，多维表格甚至已经有基于业务数据的 Team Agent，希望让 AI 直接进入团队实际业务，而不是停留在系统之外。
钉钉也在强化 Agent 的企业连接能力，目前开放平台已经直接提供 MCP、Skill、OpenAPI 等能力，让外部 Agent 可以接入钉钉；其企业 AI 平台也覆盖问答、知识、销售分析以及不同业务 Agent。
用友走得更偏企业经营场景。其 BIP 企业 AI 已经把 AI、数据、流程和业务对象放在一起，并强调从“发现问题”走到“推动解决问题”；其智能体也覆盖财务、采购、CRM、人力等核心业务。
金蝶则已经把 AI 管理助手扩展到财务、人力、采购、销售、生产、开发、数据等不同企业职能，让不同 Agent 可以自主分析、规划并调用工具。
在人力资源领域，北森也已经从传统 HR SaaS 进一步转向 Agentic HR，覆盖招聘、面试、陪练、领导力教练、员工服务等多个场景。2026 年北森进一步推出 Mavens，并提出由多个 AI HR 专家组成新一代 HR 系统。
换句话说：
企业软件正在从“给人用的系统”，变成“给人和 Agent 一起用的系统”。
HR 其实会是最早变化的领域之一
为什么？
因为 HR 的数据特别分散。
一个员工的完整信息可能散落在：
招聘。测评。入职。绩效。培训。薪酬。晋升。人才盘点。离职。
甚至主管的面谈记录里。
过去 HR 系统更擅长回答：
这个人是谁？什么时候入职？绩效多少？上过哪些课？
但 CEO 或 CHRO 真正会问的是：
“谁最有可能成为下一批核心干部？”
或者：
“哪些主管现在业绩不错，但团队风险已经开始出现？”
这类问题就不能只看一个系统。
例如：谁应该进入接班人名单？
假设 CEO 问：
“未来两年，我们最值得培养的事业部负责人是谁？”
如果只看绩效，很简单。把绩效最高的几个人选出来。但这样真的对吗？
一个好的接班人可能还需要看：
领导能力。跨部门协作。人员培养。压力下的判断。团队稳定度。学习速度。长期成长潜力。
甚至他在困难情境下怎么跟人沟通。
这时候一个 Agent 可以去整合：
HR 系统里的履历与职涯数据。绩效系统里的长期表现。人才测评里的能力和人格。
AI 面试或多模态分析里的沟通行为。情境演练里的实际行为证据。
LMS 里的学习成长记录。最后给出的不应该是一张名单。
而应该是：
“这三个人值得进入下一阶段接班评估。”
以及：
为什么。风险是什么。还缺什么能力。接下来该怎么培养。
这才是管理者真正需要的东西。
AI 招聘也会从“筛简历”走向“人才决策”
目前f招聘 AI 已经发展得很快。
北森已经在做 AI 寻聘、AI 招聘、AI 面试等全流程智能体，并且开始强调“招—用—育—留”的闭环。
这件事很重要。
因为以前 AI 招聘最常做的是：
筛简历。生成 JD。约面试。写面试纪要。这些都属于“提效”。
但下一阶段真正有价值的问题是：
这个人进去之后表现怎么样？
如果招聘测评发现某个人：
业务能力强。但冲突处理偏弱。
那么他入职之后：
是不是应该直接推荐沟通训练？
是不是安排特定的主管带？
是不是三个月之后再做一次情境评估？
这时候招聘系统就不再只是招聘系统。
它开始参与：
人才发展。
培训也会被重新定义
现在企业培训一个常见问题是：
课上了很多。
但老板还是会问：
“所以人到底有没有变？”
传统 LMS 最容易回答的是：
上没上课。看没看完。考了多少分。
但真正重要的问题其实是：
会不会做。
例如一个销售经理学完“困难客户沟通”。
真正应该看的不是：
考试 92 分。
而是：
遇到一个真的很难搞的客户时，他会怎么处理？
这也是为什么 AI 陪练、情境模拟开始变得重要。
例如可以让销售人员进入一个模拟场景：
客户对价格非常不满。已经拿竞争对手报价来压价。还威胁要换供应商。
员工真的跟 AI 客户对话。
系统观察：
有没有先确认需求。有没有急着降价。有没有挖出真实购买条件。有没有建立新的谈判空间。
这就从：
Learning
变成：
Practice。
再往下一步，就可以进入：
Behavior Change。
所以未来 HR 系统可能会分成三层
我觉得未来企业的人才系统，会越来越像三个层次。
第一层是：
System of Record
负责记录事实。谁在公司。岗位是什么。薪酬多少。绩效多少。出勤怎样。
第二层是：
System of Intelligence
负责理解人。能力。人格。行为。潜力。风险。
第三层是：
System of Action
负责帮助人改变。训练。教练。模拟。行动建议。持续跟进。
如果这三层可以被 Agent 串起来，
企业的人才管理就会开始从：
记录人
变成：
理解人
再到：
发展人。
那 MCP 和 A2A 到底是什么？
讲到这里，技术人员一定会开始问：
这些系统到底怎么连？
这里才需要稍微提一下 MCP 和 A2A。
不用把事情搞得太复杂。
可以简单理解成：
MCP 是让 Agent 会用工具。
例如：
读取 HR 数据。查询 CRM。访问知识库。发消息。调用培训系统。获取测评结果。
钉钉的开放平台现在就已经开始把 MCP 作为 Agent 接入企业能力的一部分。
而 A2A 更像是：
让不同 Agent 会合作。
例如：
一个 Talent Agent 发现：
某位主管存在管理风险。
于是找 Learning Agent：
“给他设计一个发展计划。”
Learning Agent 再找 Simulation Agent：
“安排三次困难绩效面谈训练。”
完成之后 Assessment Agent 再回来：
“他的行为已经改善，但冲突处理还不稳定。”
这就不是一个超级 AI 做所有事情。
而是一群专业 Agent 分工。
这跟企业现在的组织结构其实很像。
只不过多了一批：
数字同事。
未来 CEO 可能不会天天打开 Dashboard
我觉得这是一个非常有意思的变化。
今天老板每天看到的是：
Dashboard。BI。报表。PPT。
以后可能不是。
可能早上打开系统直接问：
“今天最值得我注意的三件事是什么？”
Agent 回答：
第一件：
华南区销售额正常，但重点客户活跃度连续三周下降。
第二件：
某事业部核心员工离职风险正在上升。
第三件：
新产品销售团队培训完成率很高，但实战情境表现并没有同步提升。
老板再问：
“第二件展开。”
Agent 再去拉：
员工数据。绩效变化。主管行为。内部调岗。市场薪酬。
最后告诉你：
可能原因。证据。风险。建议动作。
这时候管理软件真正开始变成：
管理助手。
但千万不要把 Agent 理解成“替老板做决定”
这也很重要。
一个成熟的企业 AI，不应该说：
“建议你辞退这个人。”
或者：
“这个人不能晋升。”
它更应该做的是：
整理证据。
指出异常。跨系统找关联。给出多个可能解释。告诉你哪些地方还需要确认。
最后：
人来负责决策。
因为企业管理不是一道数学题。
很多时候还涉及：
责任。组织文化。价值判断。人际关系。
以及 AI 永远看不到的背景。
企业 AI 真正的竞争，不是模型
未来不管是 DeepSeek、通义千问、豆包，还是其他模型，
模型本身会越来越普及。
真正拉开企业差距的不会只是：
“我用的是哪个大模型。”
而是：
你的业务数据能不能连起来。
你的经验有没有沉淀下来。
你的 Agent 能不能真正调用系统。
你的不同 Agent 能不能协同。
你的判断有没有证据。
最后能不能把一个管理问题：
从：
问题
变成：
答案
再变成：
行动。
所以企业真正需要的是什么？
过去数字化做的是：
把流程放进系统。
接下来 Agent 化做的可能是：
让系统开始自己合作。
飞书、钉钉、用友、金蝶、北森，以及越来越多国内企业服务厂商，其实都已经在朝这个方向走。
所以未来企业软件真正的竞争，很可能不再是：
谁的菜单更多。
谁的报表更漂亮。
谁有第 101 个功能。
而是：
当管理者问一个问题的时候，谁能最快找到真正的答案。
因为老板真正缺的，
从来都不是更多报表。
而是：
知道发生了什么。
为什么发生。
有什么证据。
以及：
下一步怎么办。