从飞书到豆包：企业软件正在从“给人使用”走向“给 Agent 执行”

飞书产品团队并入豆包、商业化体系并入火山引擎，负责人谢欣转为向豆包负责人赵祺汇报。外界对这一调整的讨论，大多停留在部门精简、ROI 考核或单一产品成败的战术层面。

但如果将这次组织变阵置于整个企业计算的演进坐标系中，它更像是一个极具代表性的行业切片。我们无需急于判定飞书这次调整的得失，而是应当借由这个观察窗口，看清一个正在发生的底层范式迁移：企业软件正在发生一次核心操作者的代际迁移——过去主要“给人使用”，转向越来越多“给 Agent 执行”。

---

一、 战略对齐：从单点应用到生态闭环

过去几年，国内企业协同软件赛道经历了一轮深刻的认知重塑。伴随宏观环境从高速扩张转向精细化运营，企业对 IT 支出的考核愈发审慎，单纯依赖“通用协同工具 + 员工席位订阅（Per-Seat）”的增长模型逐渐触碰到规模天花板。

与此同时，大模型技术的演进让科技大厂的战略焦点发生位移：单纯提供一个对话框式的通用模型，难以深入千行百业的复杂业务；而缺乏大模型深度驱动的传统软件，又面临着价值被重新定价的风险。

字节将飞书、豆包与火山引擎进行组织上的深度咬合，本质上是在重新排列“模型、算力与企业场景”的协同关系。在大模型亟需高频、高密度的真实业务场景去完成推理与闭环的当下，拥有完整企业协作链路的飞书，成为了承载模型能力落地的天然工作空间。

---

二、 价值位移：从 Human Interface 到 Agent Runtime

在以人作为主要操作者的软件范式中，软件的核心定义是“人机交互界面的延伸”。系统的首要目标是优化 UI/UX、降低人类员工的认知负荷与操作路径。

然而，当核心操作者中逐渐引入了 AI Agent，软件在企业内的价值定位开始发生根本性位移：

• 人操作软件的物理上限：员工需要人工检索文档、在不同系统间复制粘贴数据、人工流转审批。即便交互界面再流畅，业务流转效率依然受限于人类的信息处理带宽。
• Agent 进入企业的环境依赖：Agent 无法悬空作业。一个 Agent 能够在企业内部稳定工作，必须依赖一套能够读懂业务逻辑、调取操作工具，并且符合企业安全合规边界的基础设施。

在这一演进路径下，企业软件沉淀的资产呈现出了截然不同的意义：

• 多维表格与知识库：不再只是员工的协作看板，而逐渐成为 Agent 可以直接读取、更新和调用的企业 Context，为模型推理提供结构化、可追溯的业务事实，大幅降低因信息缺失而产生判断偏差的概率。
• 权限体系与审批流：不再只是给人审批用的流程引擎，而是成为了约束 Agent 行动边界、确保数据安全与操作审计合规的安全护栏。
• 开放接口与集成能力：构成了 Agent 连接现有各类业务系统、触发具体动作（Action）的标准工具箱。

在这一体系中，豆包更接近“认知与推理层”，而飞书更接近“组织与执行层”。 模型负责理解意图并生成规划，但企业真实落地的难点在于“数据在哪、谁有权限、流程走到哪一步、出现偏差谁来兜底”。软件没有失去价值，而是从价值链的终点，转变为支撑 Agent 运行的工作环境与运行时（Runtime），进而争夺下一代企业级 Operating System 的生态位。

---

三、 边界重构：被重新定价的不是 SaaS，而是劳动力

当操作者从“人”扩展至“Agent”，真正发生重构的并非 SaaS 这一软件交付形态，而是软件、AI 与劳动力之间的价值切分方式。

【传统范式】 企业采购软件 ──> 员工使用软件 ──> 员工交付业务结果
                                  ↓
【新型范式】 企业采购 AI 能力 ──> Agent 调度软件 ──> Agent+人 共同交付业务结果

这一范式演进正在带来企业服务价值函数的系统性变化：

1. 从“购买使用权”到“购买执行权” 过去，企业为员工采购账号，买的是工具的访问与使用权限，软件厂商并不直接对最终的业务交付负责；未来，软件逐渐成为价值链中的一层，企业越来越倾向于为“确定性的业务执行”买单。无论是自动化线索跟进、跨系统对账，还是端到端的研报生成，价值正在向直接交付业务结果的环节倾斜。

2. 席位逻辑的泛化与计费多元化 席位制（Seat）不会凭空消失，但席位的内涵正在被重新定义。过去一个 Seat 通常绑定一名自然人，未来企业可能同时为自然人和具备特定权限、技能与系统操作能力的“数字劳动力”配置相应的 Agent 身份与计算资源。计费模式也将走向 Seat、Token、Task（按任务交付计费）、Workflow 乃至价值分成（Outcome-based）多元并存的混合形态。

---

四、 核心模型：AI 时代企业服务的复合壁垒

决定企业 AI 落地深度的，从来不是单纯的大模型智商，而是其能否在企业复杂的真实环境中形成闭环。这可以用一个核心公式来概括：

Agent 企业价值 = Context × Action × Outcome

这里之所以使用乘法而非加法，是因为三者之间存在着极强的短板效应：

• Context = 0：Agent 无法获取真实的组织上下文与业务数据，即便推理能力再强也只能沦为通用对话玩具，无法应对特定企业的业务事实；
• Action = 0：Agent 无法安全调用业务接口与底层系统，只能停留在给出分析建议的“聊天”阶段，无法驱动端到端的业务流转；
• Outcome = 0：Agent 即使执行了大量任务、消耗了大量算力，若无法稳定交付业务结果并对确定性负责，企业便不会产生真实的商业付费意愿。

模型能力再强，只要 Context、Action 或 Outcome 中任何一环接近于零，Agent 的企业价值都会迅速坍塌。

• Context（企业上下文）：模型能力日益通用化，但只有企业内部动态沉淀的半结构化与结构化数据、组织关系及历史业务记录，才能让 Agent 做出符合该企业特有业务逻辑的精准判断。Context 让 Agent 知道该做什么。
• Action（系统执行权）：拥有打通底层业务系统、合规调度 API 并跨系统触发流程的信任链与权限体系。Action 让 Agent 能够做什么。
• Outcome（结果交付力）：不再停留在生成一段文本或图表，而是端到端、低错误率地解决具体业务问题。Outcome 决定了企业为什么愿意为它付钱。

---

过去的企业软件竞争，核心是让人更高效地使用工具；未来的企业服务竞争，核心则是让 Agent 更可靠地完成工作。

因此，今天摆在所有企业与软件厂商面前的真正命题，已经不再是“有没有接入大模型”，而是：企业的 Context 是否已经可以被 AI 理解，Action 是否已经可以被 AI 调用，以及最终的 Outcome 是否能够被 AI 稳定兑现。

当这三者真正咬合在一起，软件的操作者也将发生根本变化：它不再只是员工日常办公的操作界面，而开始成为数字劳动力理解企业、调用系统并交付结果的基础设施。