Tencent Cloud WorkBuddy Upgrades Four Enterprise-Grade Capabilities; Executives Respond to Agent Security and Cost

智东西10月28日报道，今日，在2026腾讯全球数字生态大会上，腾讯集团副总裁、腾讯云CTO王慧星公布了WorkBuddy企业级服务的四项核心能力升级，包括开放平台能力、企业级安全解决方案、可观测中心，以及WorkBuddy托管智能体（WMA）。支撑这些能力的底层基础设施腾讯云Agent Runtime也迎来升级。

此次升级后，WorkBuddy将支持连接企业系统与第三方模型接入。其一方面与企业微信、腾讯文档等腾讯办公产品融合，另一方面通过MCP、连接器接入第三方协同平台，以及ERP、CRM等企业业务系统。同时，除腾讯混元外，WorkBuddy也支持接入第三方开源模型和企业自部署模型。

针对企业普遍担心的安全和成本问题，WorkBuddy提供身份权限管控、敏感数据防护、操作审计等能力，并通过可观测中心追踪Token消耗、任务执行轨迹和不同业务场景的资源使用情况。

此外，WorkBuddy托管智能体（WMA）也正式向企业和个人开放。该服务将智能体的任务执行能力搬到云端，企业可以基于自身业务流程创建数字助理，并借助Agent Runtime提供的运行环境，让智能体持续执行任务、按需调度计算资源。

王慧星透露，目前腾讯云仅训练场景每天的沙箱创建量就达到1400万次。WorkBuddy自今年3月上线以来，累计完成90亿次用户任务请求，Token消耗较上线初增长50倍。

大会期间，腾讯集团副总裁、腾讯云CTO王慧星，腾讯云副总裁、腾讯CodeBuddy与WorkBuddy负责人刘毅，以及腾讯云副总裁、腾讯安全负责人董志强与智东西等媒体进行了近两个小时的交流，回应了企业AI落地、Agent安全、模型竞争、成本控制和下一代智能体形态等问题。

在群访中，三人透露了不少值得关注的信息：

1、企业AI的落地瓶颈正在向业务上下文转移。王慧星认为，模型和Harness（智能体调度框架），在产品与技术层面已经迈过一道坎，下一步重点是让Agent接入企业真实的数据、权限和业务流程。

2、企业AI仍缺乏公认的核心衡量指标。王慧星提到，业务增长和运营成本下降是最终结果，但行业尚未形成衡量组织生产力提升的统一北极星指标。

3、WorkBuddy正在重点优化两项指标：任务完成率和隐性错误率。刘毅透露，除了任务是否完成，还要检查数据错误、排版问题和前后一致性矛盾，目前尚未披露具体指标数据。

4、Agent越权和提示词注入是真实存在的安全风险。董志强提到，WorkBuddy通过工具调用白名单、沙箱、操作审计、人工确认及撤销机制等方式限制Agent行为。

5、主动型Agent将成为2027年的重点方向。刘毅透露，WorkBuddy将加强对邮件、企业微信消息、周期性汇报等工作信号的主动感知。

6、腾讯正在推进企业数字助理平台。企业可以复用WorkBuddy积累的执行、安全、可观测和评测能力，构建法务、财务、HR等专业数字助理。

7、腾讯不会因为算力成本高就砍掉复杂Agent任务。刘毅预计，随着Token价格下降和工程优化，相关业务可能在未来两三年逐步形成更显著的毛利空间，但这一判断仍具有不确定性。

以下是关键问答的整理与汇总，智东西做了不改变原意的编辑：

一、模型和Harness已迈过一道坎，企业上下文只是起点

Q1：当前企业从接入Agent到规模化应用，最大的障碍究竟在哪里？

王慧星认为，企业Agent落地需要分为两个层面来看：一方面是WorkBuddy等产品自身需要解决的技术和能力问题，另一方面则是企业内部的经营管理和组织配套问题。

对于产品层面，他总结了四项需要重点建设的能力。

第一是接入真实业务。Agent不仅要连接企业微信、邮箱和腾讯会议，也要能够接入金蝶、用友等企业管理系统，以及友商的第三方协同平台。

第二是安全治理，包括Agent行为控制、越权防护、数据泄露防范和操作审计。

第三是效果衡量。企业需要知道Token由谁使用、花在哪里，以及产生了怎样的业务效果。

第四是规模化部署。除了为员工提供个人助理，还要支持企业创建法务、HR、财务等专业数字助理，并将业务经验沉淀为可重复调用的能力。

王慧星说：“本质上，模型和Harness在产品和技术上已经迈过那条坎，我们接下来就是把上下文准备好。”

Q2：上一轮企业数字化尚未解决的数据孤岛问题，到了Agent时代会更容易解决吗？

过去，企业内部不同SaaS系统通常拥有独立的数据格式、数据口径和接口规范，要让两个系统协同工作，需要投入较多开发和适配工作。现在，AI可以理解不同系统的数据Schema和接口，并根据业务需求生成转换器、适配器代码。

在刘毅看来，这意味着Agent有机会降低企业系统之间的集成成本，让原本分散在不同SaaS中的数据和流程实现更顺畅的协作。

Q3：企业AI办公的长期竞争力究竟来自模型、Harness，还是连接生态？

刘毅认为，连接生态是企业AI平台最重要的能力之一。他解释，企业内部存在大量业务系统、数据、权限、安全和审批规则。如果Agent无法充分连接这些系统，就无法串起完整业务流程。

此外，企业之间也存在产业链上下游关系。不同企业拥有各自的专业经验和业务能力，这些能力未来不仅可以服务内部员工，也可以通过Agent服务外部企业。

王慧星则从模型角度进行了补充。他认为，模型能力继续提高，确实可能降低部分Harness和产品工程的复杂度，但更高的模型智力往往意味着更大的计算成本。

以制作PPT为例，并非所有任务都需要调用最强模型。通过Harness、产品能力和模型的协同优化，可以用更合适的计算成本达到预期效果。

因此，腾讯一方面会继续投入混元模型的能力提升，另一方面也会探索模型、Harness与具体业务场景的联合优化。

Q4：第三方合作伙伴把自己的Skills和业务数据放到WorkBuddy上，如何防止核心能力被平台或其他用户获取？

王慧星回应，一些合作伙伴已经提出过类似担忧，例如把量化交易相关Skills接入WorkBuddy后，是否可能被其他用户获取。

他介绍，WorkBuddy正在通过云端托管和加密机制处理这一问题。合作伙伴可以将Skills、MCP服务或核心数据源部署在云端，而不是将完整能力直接暴露在客户端。同时，通过端到端加密等方式，限制平台和用户直接访问合作伙伴的核心数据及技术积累。

对于个人或企业数据，WorkBuddy也在建设统一资料库，支持连接本地磁盘、企业网盘以及其他知识来源，并在此基础上提供检索、分析、向量化和记忆能力。

Q5：怎样判断一家企业真正用Agent提升了组织生产力？是否已经有统一指标？

王慧星认为，最终仍要看业务结果，例如企业是否实现增长，或者能否以更低的运营成本完成相同工作。

相比直接要求企业给出明确ROI，他认为现阶段更重要的一步，是先解决安全顾虑，让一线员工能够实际使用AI。因为很多企业的具体业务瓶颈，并不一定能在管理层提前规划时被识别出来，而可能存在于一线员工日常处理的任务中。

当员工开始借助Agent完成过去难以完成的事情，企业才能进一步识别哪些业务环节产生了价值，并逐步建立相应的衡量标准。

王慧星也提到，未来Agent可能改变企业内部的人力资源配置和组织结构，但这些变化需要经过一段时间才能观察和评估。

Q6：WorkBuddy可观测中心如何评估Agent的实际效果？目前有哪些关键指标？

刘毅透露，WorkBuddy内部正在重点优化两项指标：任务完成率和隐性错误率。

任务完成率衡量Agent是否完成了用户交代的任务，是比较直接的指标。

刘毅强调，任务表面上完成，不代表交付质量没有问题。例如，Agent可能生成了一份报告，却在数据中引入错误；也可能完成PPT，但存在格式、排版或前后一致性问题。

这些问题不一定会让任务立即失败，却会影响最终交付质量，因此需要通过隐性错误率进一步衡量。

刘毅称，团队已围绕这两项指标建立多个Benchmark，并利用评测结果持续优化模型和Agent的交付能力。

对于媒体追问的具体任务完成率、人工介入比例等数据，他称暂时不方便披露。

Q7：Agent越权访问、提示词注入甚至失控，在真实企业环境中是否存在？

董志强明确道，这类风险确实存在。

他解释，传统软件的运行逻辑通常由开发者编写的代码约束，行为路径相对固定。而Agent需要根据目标自主选择工具和执行步骤，这意味着它可能为了完成任务尝试超出预期的操作。

其中一种风险来自提示词注入。例如，Agent读取网页或邮件时，恶意内容可能夹带隐藏指令，诱导它忽略原有要求、访问其他数据或执行未经授权的操作。

因此，安全系统必须将网页、邮件等外部内容作为数据处理，而不能直接将其中的内容视为可执行指令。

另一种风险是越权访问。董志强举例，员工虽然拥有某个CRM系统的访问权限，但Agent可能通过不同接口或调用路径，访问超出实际工作需要的数据。

对此，可以在AI网关层对Agent可调用的工具和参数设置白名单，并根据业务需要限制接口的读取和写入权限。

此外，高风险操作还需要配套人工确认及撤销机制，而不能完全依赖模型自行判断。

Q8：企业对数据安全要求严格，WorkBuddy如何控制数据流转和执行权限？

董志强介绍，WorkBuddy的安全能力覆盖企业账号、工具和Skills检测、沙箱执行、数据保护以及最终产物管理。

在数据层面，企业可以对敏感文件进行分类分级检查，对手机号、身份证号等敏感信息进行提醒、脱敏或加密处理。

对于要求数据不出特定环境的企业，WorkBuddy支持自部署模型、VPC专属网络以及机密计算等方案。

在行为层面，Agent执行的命令、调用的模型、外部工具和最终结果，都可以进入审计系统，便于事后排查。

对于可能修改重要数据的操作，可以先在沙箱中执行，再由人工确认是否写入真实业务环境。

董志强还提到，未来个人数字助理也需要具备独立的Agent ID，并通过身份体系明确权限边界，而不是无限继承用户拥有的所有权限。

三、2027年押注主动Agent，难点是让AI理解长期目标

Q9：从执行单次任务到主动完成工作，WorkBuddy下一步将如何演进？

刘毅认为，2026年WorkBuddy的一项重要进展，是从根据用户意图执行单个任务，向围绕用户目标完成多步骤、长周期任务发展。

两者最大的区别，在于Agent不仅需要执行操作，还要检查结果是否达到了用户真正想要的目标。例如制作PPT，除了内容准确，还需要考虑美感、排版和最终展示效果。

在此基础上，刘毅透露，2027年WorkBuddy将重点加强Agent主动性。

在办公场景中，Agent可以感知用户收到的新邮件、企业微信中的协作消息，或者季度汇报等周期性工作需求，在适当时机主动准备报告、提醒待办或提供建议。

他认为，这种能力不仅适用于个人办公，也可以进入企业业务流程，承担更多自动化工作。

Q10：主动Agent为什么现在还没有大规模落地？最大的技术难题是什么？

刘毅将难点分为两个方面。

第一是可信托管。主动Agent需要长期访问用户授权的数据和工具，因此必须解决身份权限保护、凭证隔离、安全护栏，以及提示词和Skills攻击等问题。

如果用户不敢把数据和权限交给Agent，就无法实现持续托管，也就谈不上真正的主动执行。

第二是长期目标理解和持续评估。刘毅认为，Agent不仅要知道用户当前交代的任务是什么，还要能够理解任务背后的长期目标，判断目标是否已经完成，以及下一步应该在什么时机继续行动。

这需要模型和Harness共同建设长期目标提取、状态跟踪和结果评估能力。与传统定时任务不同，主动Agent需要自行识别行动时机，而不是完全依赖用户预先设置触发条件。

Q11：当Agent可以直接生成界面、调用软件，未来还需要传统办公软件吗？

刘毅认为，未来软件能力可能进一步向模块化、插件化发展。原本由完整应用提供的功能，可以拆分为更独立、可组合的能力，再交由模型根据用户需求选择和调用。

不过，王慧星补充了隐私和安全方面的限制。

他认为，企业内部系统与个人生活应用存在差异。企业可以在明确的授权框架下开放业务接口，但涉及个人聊天记录和隐私数据时，不能只考虑Agent是否具备操作能力。

四、数字助理成为企业版重点，中小企业主要靠伙伴交付

Q12：WorkBuddy为什么要从个人助理进一步延伸到企业数字助理？

王慧星确认，数字助理将是WorkBuddy企业版下一阶段的重要方向。

他解释，个人助理主要围绕员工日常工作提供帮助，而企业数字助理则需要理解某个专业领域的业务背景、数据和流程。例如，企业可以为法务、财务、HR或经营管理等不同岗位创建专业数字助理。

在这一过程中，企业不需要从开源模型或Harness开始重新搭建整套系统，而是可以直接复用WorkBuddy积累的安全、云端运行、可观测及Agent评测能力。

王慧星还提到，腾讯会向企业输出WorkBuddy使用的评测体系，帮助企业检验自己构建的数字助理。

对于具体行业应用，腾讯会选择自身擅长的领域参与建设，但并不打算包揽所有垂直领域的数字助理开发。

在内部实践方面，王慧星介绍，腾讯已在经营管理系统中探索数字助理，让员工通过自然语言查询经营数据、处理审批等任务。

Q13：大型企业需要FDE驻场支持，中小企业如何获得类似服务？

刘毅称，腾讯正在采取差异化交付方式。

对于大型企业，业务系统和内部流程往往十分复杂，腾讯需要通过FDE（前沿部署工程师）深入现场，了解企业的岗位、SOP、数据和权限体系，再将Agent能力接入业务流程。

但这种模式无法直接复制到所有中小企业。刘毅说：“中小微靠伙伴做，不是靠FDE做，只有靠伙伴才能规模化。”

他透露，腾讯正在建设FDE培训体系，让生态伙伴掌握相应的Agent交付能力，为中小企业提供远程支持、轻量化部署和必要的现场培训。

这些合作伙伴需要经过腾讯云相关培训和认证，并接受考核和监督。如果服务伙伴违反安全或合规要求，腾讯将采取黑名单等处理措施。

Q14：腾讯内部大规模使用AI编程后，研发团队的岗位分工和组织结构发生了哪些变化？

刘毅透露，WorkBuddy与腾讯云内部AI原生研发团队，从2024年末至2025年初就开始探索将AI深度引入研发流程。

一端是架构与需求设计。工程师需要能够清晰描述问题、设计技术方案，而不是简单地把模糊需求交给模型猜测。

刘毅认为，这种人才能力向两端转移的趋势，也在推动团队组织结构变得更加扁平。团队负责人和工程师能够围绕架构、方案、用户反馈直接沟通，减少过去层层汇报和传递需求的环节。

他提到，腾讯也会通过FDE，将内部积累的AI研发实践经验分享给企业客户。

五、不砍高成本Agent任务，商业化或还需两三年

Q15：WorkBuddy与腾讯内部的元宝、企业微信等产品，未来如何划分边界？

WorkBuddy主要聚焦企业生产力，为员工提供个人工作助理，并帮助企业搭建专业数字助理和相应的运营平台。

企业微信与WorkBuddy之间，则更侧重能力互补。

企业微信提供组织沟通、员工与客户交互等业务上下文，WorkBuddy利用这些信息执行任务、交付结果。

王慧星认为，未来面向个人生活与企业生产力的Agent可能形成不同的产品体系，未必会最终收敛到单一入口。

Q16：WorkBuddy会不会过度依赖混元？腾讯还会与DeepSeek等第三方模型厂商进行联合优化吗？

王慧星称，CodeBuddy团队与DeepSeek相关团队此前就已保持产品、工程和模型层面的沟通。

在他看来，不同模型厂商会针对具体场景优化端到端效果和成本，云平台与Agent产品也可以从这些优化中受益。

腾讯会继续保持开放接入，与不同开源模型团队开展交流和技术协同，而不是让WorkBuddy只能使用单一模型。

刘毅也提到，混元、DeepSeek、Kimi等模型的优化目标并非只针对某一个Agent平台，而是面向用户实际使用的任务场景。

当模型在日常办公、内容生成、代码开发等高频任务上的能力提升后，WorkBuddy可以直接将这些能力引入产品。

Q17：Agent完成复杂任务会消耗大量Token，随着用户规模扩大，成本问题怎么解决？

王慧星认为，不能仅按照当前的推理成本静态判断Agent业务的经济性。

一方面，GPU硬件持续升级，模型推理效率仍有优化空间；另一方面，通过模型、Harness和上下文工程的联合优化，也可以降低完成同一任务所需的资源消耗。

他还提到，深度用户往往具有较强付费意愿，而企业场景的价值不能只看Token成本，还要考虑Agent是否能够完成过去需要更多人力，甚至无法完成的任务。

对于是否会因为成本过高而限制复杂Agent任务，刘毅谈道：“我们没有想过把一些高复杂、高价值的场景砍掉，而是怎么样服务好。”

刘毅认为，随着Token成本下降和技术优化，未来可以用更低的边际成本处理复杂问题。

他预计，当边际收益高于边际成本，并且业务规模进一步扩大时，Agent服务有机会形成更加健康的毛利结构。

当媒体追问何时可能达到这一状态时，刘毅给出的预估是：“可能两三年。”不过他说明，这仍然是基于技术和成本变化趋势作出的判断，而不是已经实现的盈利结果。

Q18：企业AI办公竞争日益激烈，WorkBuddy将如何面对友商成熟办公平台的竞争？

刘毅认为，目前企业Agent市场仍然处于非常早期的阶段。

他判断，当前仍有约九成企业尚未大规模、充分地将Agent应用于生产力场景。

传统办公平台已经拥有用户和协同体系，但AI Agent真正接入企业业务，还需要解决模型能力、Harness工程、上下文连接和落地交付等问题。

刘毅认为，未来企业级Agent市场不太可能出现一家平台覆盖所有客户的局面，不同厂商可能根据已有客户基础、产品体系和行业能力形成各自的服务范围。

在他看来，现阶段的竞争结果还远未确定。

从这场群访可以看到，企业Agent正在遇到与个人AI工具截然不同的问题。

在企业环境里，完成任务只是起点：谁授权它访问数据，谁检查执行结果，出现错误由谁负责，以及这些投入究竟产生了多少收益，都需要一套明确的管理机制。这也解释了为什么模型能力持续进步，企业AI的规模化落地却未必能够同步加速。

这些问题意味着，Agent距离成为可以独立承担责任的企业生产力，仍有不少工程和管理上的工作需要完成。