OpenAI把Presence推到企业客服和客户沟通场景，最值得看的不是“又多了一个Agent产品”，而是大模型厂商开始亲自进入企业流程的交付层。过去，模型公司更多提供API、模型能力和开发工具，真正把它们嵌进客服热线、网页对话、售后工单和内部知识库的，是Salesforce、Zendesk、Intercom、各类客服SaaS以及企业自己的技术团队。Presence的出现，意味着OpenAI不再只满足于站在底层供给模型，而是要把策略定制、安全护栏、效果评估和持续改进机制一起打包，直接参与企业服务的结果交付。
这条主线和近期多条资讯放在一起看，会更清楚。专注电脑操控Agent的Prentis试图用更低成本的模型切入实际软件操作，飞书深诺Marvy 2.0把市场洞察、媒体策略、创意、投放和数据分析做成协同Agent，晓多科技则把智能客服从“回答问题”推进到“主动促成交易”。企业AI正在从演示型助手转向岗位型系统：它不再只负责生成一段话，而要在真实业务里承担可衡量的效率、满意度、转化率和成本指标。
Presence的信号
Presence瞄准的是企业最容易看到投入产出比的场景：语音与文字渠道里的客服、咨询、售后和客户成功。客服天然具备高频、标准化、可记录、可评估的特点，企业可以清楚统计人工转接率、首次解决率、平均响应时长、满意度、复购和投诉等指标。相比把AI放进一个开放式办公助手，客服场景更容易判断“有没有真的干活”。
OpenAI披露的案例里，Presence已在自家客服热线运行，部分来电不需要人工介入，Codex还参与改进循环，让人工转接率在短时间内继续下降。这里真正关键的不是某一个数字，而是闭环方式：模型不是一次部署后静态运行，而是持续从真实对话、失败案例、人工接管和业务规则变化中迭代。企业客服系统过去也有知识库和质检，但大模型进入后，知识检索、对话生成、工单判断、策略优化和流程改写开始被连成一条线。
从模型到流程
企业过去接入大模型，经常从“先弄个聊天机器人”开始。这个入口简单，却也容易卡在半路：机器人能回答常见问题，但遇到账号、订单、退款、权限、合规、情绪安抚和跨部门协同时，仍要迅速交给人工。原因并不只是模型不够聪明，而是它没有拿到足够完整的业务上下文，也没有被放进可追踪、可回滚、可审计的流程里。
Presence强调策略定制、安全护栏、效果评估和持续改进，正是对这个痛点的回应。客服不是单纯的问答，它牵涉企业话术、品牌边界、价格政策、退款规则、隐私要求和责任归属。一个真正可用的企业Agent，必须知道什么时候直接解决、什么时候追问信息、什么时候升级人工、什么时候拒绝越权操作，以及如何把每一次失败变成下一次优化的材料。模型能力只是起点，流程工程才决定它能不能进入生产。
应用层压力变大
OpenAI亲自下场，对现有企业软件厂商会形成明显压力。Salesforce、Zendesk等公司原本拥有客户关系、工单数据、座席系统和企业采购入口，它们的优势在于长期沉淀的流程和数据。模型公司过去更多是它们的能力供应商，但当OpenAI开始把模型、工具调用、护栏、评估和部署打包成产品，边界就变得模糊了。
这并不意味着传统SaaS会立刻被替代。企业采购最看重稳定性、权限体系、数据隔离、实施服务和既有系统兼容，单个强模型无法自动解决所有历史包袱。真正的变化在于，应用层厂商不能只把AI做成一个附加按钮，也不能停留在“接入某个模型API”的包装层。它们需要证明自己比模型厂商更懂行业流程、更懂客户数据、更能落地复杂组织里的协同，否则底层模型一旦向上游延伸，原本的产品差异会被迅速压薄。
国产企业Agent同步加速
飞书深诺Marvy 2.0展示的是另一种企业Agent路径：不是从通用客服入口切入，而是围绕出海营销构建多Agent协作。市场洞察、媒体策略、智能创意、智能投放和数据分析被放进同一个AgentOS里，目标不是让用户多问几句，而是减少跨工具、跨团队、跨数据表之间的切换成本。对营销团队来说，AI的价值不只在生成广告文案，而在更快形成可投放、可复盘、可优化的方案。
晓多科技的智能客服则更接近交易场景。它强调长对话记忆、意图识别、主动销售和买家满意度，把客服从被动答疑推向经营环节。千问办公、TRAE Work等产品也在往同一方向走：用连接器、技能、知识库和工作流把AI变成团队系统的一部分。它们和Presence虽然入口不同，但目标一致——让AI不只是能说会写，而是能接任务、跑流程、交结果。
成本与控制权
企业Agent的竞争，最终会落到成本和控制权。客服、营销、办公和软件操作都是高频场景，调用量一旦上来，模型成本、延迟、稳定性和权限管理都会变成硬指标。Prentis这类专注电脑操控Agent的初创公司之所以受到关注，正是因为它试图用更低成本模型完成具体操作任务。如果一个Agent能在十分之一成本下稳定执行企业流程，客户自然会重新评估是否必须依赖最贵的前沿API。
另一方面，企业也会担心数据与流程被单一平台锁定。客服对话里有客户信息，营销系统里有投放预算和转化数据，办公Agent会接触内部文档、日程和会议记录。谁掌握这些接口，谁就掌握企业AI化后的新入口。未来企业很可能同时采用多模型、多Agent和多供应商架构，把核心数据、权限与评估体系留在自己可控范围内，而不是把所有流程完全交给某一家模型公司。
评估标准要变
Presence带来的另一个提醒是，企业AI不能继续只看演示视频和模型榜单。客服场景最怕“看起来会说，实际乱办事”：错误承诺退款、泄露用户信息、误判客户情绪、编造政策、把复杂问题反复踢给人工，都会直接影响品牌和成本。企业部署Agent时，应该把评估指标拆到业务层，包括人工接管原因、重复咨询率、客户满意度、违规话术、知识库命中率和异常案例复盘。
这也会倒逼模型公司和应用厂商提供更透明的工具链。企业需要知道Agent为什么做出某个判断，调用了哪些知识，是否触发了护栏，失败后如何修正。OpenAI从底层模型走向Presence这类交付型产品，本质上说明行业已经进入下一阶段：AI不再只是“能力越来越强”，而是必须证明自己能在真实组织里稳定、合规、可追责地创造价值。谁能把模型、流程、数据、安全和成本一起做好，谁才更可能赢下企业市场。
