AI越多越要统一口径：智能体不该各自理解业务

“这个订单今天能不能交？”过去，这是一道要在CRM、库存、合同和客服记录里来回找答案的问题。今天，它也许能交给智能体。但真正难的并非让它连上更多系统，而是让它把“能交”理解成企业自己定义的同一个意思：库存是否可用、客户是否享有优先权、承诺能否例外、谁有权最终放行。

9月10日，Salesforce提出“企业AI Harness”与统一控制面；同日，OpenAI推出ChatGPT Work的数据智能体。两件产品更新指向同一个变化：企业AI正在从“给每个团队配一个聪明助手”，走向“为所有助手共用一套可信业务底座”。

连接数据，不等于理解业务

Salesforce用订单履约举例：CRM知道客户关系，ERP知道库存，合同记录权益，分析系统定义指标，政策决定可否承诺。把这些接口接给模型，只是让它“看见”资料；要让它稳定行动，还要把业务术语、流程、权限和确定性规则一并带进去。其新架构将上下文、智能体能力、行动、治理、安全和模型放在可组合的共同层，并用控制面统一登记、评估、观察和成本管理。

我的判断是：智能体规模化的最小单位，不是一条提示词或一个机器人，而是一份可复用的业务解释——术语、口径、权限、动作与例外，要能被所有智能体共同调用。

这也解释了为什么许多试点“单个看起来好用”，扩到多个部门便开始彼此矛盾。销售智能体把“活跃客户”按近30天定义，财务智能体按已回款定义；运营智能体把“缺货”看作零库存，客服智能体则把安全库存以下也当作缺货。模型没有变笨，是企业从未给出一份全员可执行的共同解释。

最新数据智能体，把“语义层”推到业务前台

OpenAI的新数据智能体可连接获准的数据源、文件和BI工具；更关键的是，它会使用组织已有的业务术语、指标定义、自定义计算与数据关系来解读问题，并沿用连接账号原有的表、行、列权限。OpenAI披露，其产品团队几乎全部、GTM团队超过三分之二已在内部使用数据智能体；前提不是人人都学会写查询，而是数据团队先做了共享业务定义、访问规则和敏感数据护栏。

这个顺序值得企业注意。自然语言降低的是提问门槛，不会自动消除口径分歧。若“毛利”“有效线索”“履约准时”本来就有三个版本，智能体只会更快地放大三种答案。相反，已有语义层和权限规则的企业，可以把同一份可信定义带到对话、报表和行动中，让不同角色从不同入口得到可追溯、可比较的结论。

先建“共同解释层”，再扩充智能体

企业不必等一张完美的全域数据蓝图，先挑一条跨系统、高频、容易产生解释分歧的流程即可。以订单履约为例，先把四件事固化：核心对象与指标各指什么；哪些数据源和时间点可作为依据；哪些动作可自动执行、哪些必须升级人工；发生例外后由谁修正规则。随后再把这份定义接入销售、客服、运营等不同智能体。这样新增一个智能体，不是再造一套理解，而是复用已经验过的业务语言。

这与前几天“保留日志”“安排验收”并不相同：日志回答的是事后能否追责，验收回答的是此刻谁来判断；而共同解释层解决的是更前面的事——不同智能体究竟是否在为同一个业务目标工作。没有它，后面的观察与验收只是在比对一组彼此不兼容的答案。

STARBOX视角：BOX要保存“定义”，不只保存“资料”

在STARBOX的组织→BOX→智能体三层结构里，我更愿意把BOX理解为企业的共同解释层。组织层先确定品牌规则、业务目标、数据权限和责任边界；BOX不只沉淀文档，还应保存指标口径、场景条件、可调用动作、审批人和版本来源；智能体层则在这些已定义的边界内执行，并把例外与人工改写送回更新。DDABC闭环的价值，也正在于让定义能在部署、分析和校准中持续变准。

模型会更新，入口会增加，部门也会不断提出新的智能体需求。真正能跟着增长的，不是一次性搭出的“万能Agent”，而是那套能被复用、能被审计、也能被修订的业务解释。下一次有人问“我们还要不要再做一个智能体”时，或许该先问：它准备继承哪一份已经被验证的共同语言？

来源：Salesforce《Introducing the Trusted Enterprise AI Harness》（2026-09-10）；OpenAI《Now everyone can put data to work》（2026-09-10）。文中产品能力与内部使用情况均按发布方披露表述。