Cisco 给 9 万员工配上个人 Agent：记住你的一切，还能替你跨系统办事

作者｜冬梅

策划｜蔡芳芳

一名 Cisco 员工以后可能不必再依次打开 Outlook、Webex、Jira 和 SharePoint，自己翻邮件、找文件、建任务，再通知相关同事。

他只需要告诉一个 AI 自己希望得到什么结果。剩下的步骤，由 AI 判断应该调用哪些系统、寻找哪些信息，以及按照什么顺序推进。

Cisco 给 9 万员工配上“数字分身”

当地时间 8 月 27 日，Cisco 宣布开始向全球约 9 万名员工部署个人 AI Agent MyAgent。

Cisco 运营执行副总裁 Thimaya Subaiya 在 x 上表示，这不是小范围试点，是一次覆盖全体员工的正式 rollout。这款 Agent 专为所有 Cisco 员工打造，自己也在体验 Agent 的过程中学到了很多，比如最初在使用它时，最需要的就是安全和信任。

《华尔街日报》将其称为大型企业中较早出现的全公司范围个人 Agent 部署案例之一。

但其实如果只看“9 万人使用 AI”这个数字，它并不算史无前例。

摩根大通的内部生成式 AI 平台 LLM Suite 在八个月内已经覆盖 20 万名员工，此外，沃尔玛也在为更大规模的一线员工提供不同类型的 AI 工具。

MyAgent 更值得关注的地方，在于 Cisco 试图把内部 AI 从一个供员工主动打开的聊天框，变成一个能够持续记忆、跨系统调用工具并在后台推进任务的执行入口。

Cisco 将 MyAgent 描述为从 chat-based interaction 走向 supervised autonomous execution，即“受监督的自主执行”。

那这款 MyAgent 什么来头？

据公开资料显示，MyAgent 不是由某一家外部模型公司交付的，也不是一个独立训练出来的大模型。它是 Cisco 内部研发的“超级 Agent”，由 Cisco 运营体系、Cisco IT 及 Automation and AI Center 等团队共同建设，底层复用了 Cisco 自 2023 年开始搭建的内部 AI 平台 Circuit。而 Circuit 核心团队约有 40 人，并获得多个业务部门共同参与。

Cisco AI 助手采用历程回顾

Cisco 在 2025 年 11 月发布的内部 AI 助手架构回顾中提到，2023 年 4 月，Cisco 推出了第一代内部生成式 AI 助手。当时 ChatGPT 已经开始在员工中扩散，Cisco 担心员工将内部数据、客户信息和个人身份信息直接输入公共 AI 服务。因此，第一代系统首先解决的不是 Agent 执行问题，而是“如何让所有员工安全使用大模型”。

这一版本主要运行在 Azure OpenAI 模型上。上线八个月后，只有约 30% 的员工使用，且主要是技术人员。Cisco 随后开始重新设计界面，并接入内部 IT、销售、产品和员工服务数据。

随后，Cisco 将原来的内部助手升级为 Circuit。

Circuit 已经不再绑定 Azure OpenAI，而是一个多模型、受治理的内部 AI 平台。它可以接入：Azure OpenAI、Anthropic Claude、Google Gemini、Cisco 自研的 Deep Network Model、其他开放权重模型、Cisco 各业务团队开发的内部 Agent 以及传统软件自动化工具。

平台会根据任务类型、成本、延迟、可靠性和模型能力自动路由请求。

员工看到的是同一个入口，但后台可能完全没有调用前沿大模型：简单、确定性的操作可以交给传统自动化；常规语言任务可以交给本地开放权重模型；只有复杂推理任务才需要调用能力更强、成本更高的外部模型。

Circuit 还建立了企业级 Agent Registry 和 MCP Registry。Cisco 各团队开发的 Agent、连接器和 MCP Server，可以注册进统一目录，经过身份、权限与安全审查后再被其他系统调用。

截至 Cisco 2025 年披露数据，这套平台已经处理超过 4500 万次交互，日均约 15.6 万次，并显著提高了效率，73% 的用户表示生产力有所提高，平均每周节省 5 小时。

Cisco 表示，在采用 AI 助手的过程中，也遇到了一些挑战。他们提到：

“AI 工具的可靠性完全取决于其训练数据的质量。团队早期面临的一个挑战是确保只向工具输入干净、高质量且结构化的数据。任何低于此标准的数据都可能严重降低响应质量和解决方案的实用性。开发团队进行了持续而严格的测试，以确保助手不会出现错误，并始终提供最新、准确的响应。此外，在全球员工中推广应用该解决方案也面临挑战，尤其是在那些对人工智能持谨慎态度或缺乏技术背景的员工中。尽管该解决方案已获准用于处理思科高度机密的数据，但员工们仍然对其使用和潜在的滥用风险感到担忧。这促使我们努力提升员工技能，包括创建有效的演示、提供赋能资源以及提高员工对 AI 的整体认知。 ”

所以经历了两年多的实践后，2026 年，Cisco 在 Circuit 之上长出了 MyAgent。MyAgent 是 Circuit 从“模型入口”继续走向“行动入口”的结果。

Circuit 更像企业内部 AI 平台，为员工提供模型、知识库、搜索、Agent 和连接器，MyAgent 则进一步面向个人，将这些能力组织成一个长期陪伴员工的超级 Agent。

它增加了几个重要能力：

• 持久记忆：保留员工偏好、过往交互和工作上下文；

• 意图驱动：员工提供目标，而不是详细规定每一步；

• 跨系统执行：在多个企业应用之间协调任务；

• 后台运行：员工离开聊天窗口后仍可继续推进；

• 个人化权限：按照对应员工已有的企业权限获取数据；

• 子 Agent 调用：根据任务调用后端专业 Agent。

据《华尔街日报》援引运营执行副总裁 Thimaya Subaiya 的说法，MyAgent 并不是自己直接完成所有任务。它更像一个总调度员，背后连接了超过 800 个专业 Agent。约 50%～60% 的 AI 请求由开放权重模型处理，约 20%～30% 由传统软件自动化处理，剩余请求中，只有很小一部分需要调用外部基础模型。Cisco 还在自有数据中心用 GPU 运行开放权重模型。

那这款 MyAgent 落到业务场景中，具体能做什么？该如何使用？

按照 Cisco 的介绍，员工输入的不再只是一个具体指令，而是目标、上下文和期望结果。MyAgent 会据此判断完成目标所需的步骤，在 Outlook、Webex、Jira、SharePoint 等应用之间协调工作，并在适当的人类监督下于后台继续推进。

例如，面对一个项目进度异常，员工不一定要分别检索邮件、会议记录和 Jira 工单。Agent 可以汇总不同系统中的信息、查找偏差来源、形成结论，再准备后续通知。Subaiya 向《华尔街日报》列举的场景还包括整理收件箱、过滤垃圾邮件、起草回复，以及汇总和分析市场信息。

这使 MyAgent 与普通 Copilot 的区别不只体现在能力更强，而在于工作方式发生了变化：Copilot 通常停留在当前软件中辅助人完成一个步骤，MyAgent 则试图站在应用之上，根据目标组织一串步骤。

Cisco 把这种形态称为“环境智能”（ambient intelligence）：AI 不再是一款需要员工频繁切换进去的独立工具，而是隐藏在日常工作流中，在用户需要时出现，并在用户离开聊天窗口后继续工作。

其中一个关键能力是 persistent memory，即持久记忆。Cisco 称，MyAgent 会保留用户的偏好、历史交互和上下文，使前后多次交互保持连续性。

严格来说，这并不等于它会无边界地“记住员工的一切”。Cisco 目前公开的说法仅涉及偏好、历史交互和上下文，也没有披露记忆的具体保存周期、员工能否逐条查看和删除，以及不同类型信息如何分级存储。但在企业场景中，即使只是这些信息，也足以让同一个 Agent 逐渐了解某位员工习惯怎样整理会议、关注哪些业务指标，以及通常用什么格式汇报工作。

过去企业软件根据部门划分：销售进入 CRM，研发进入 Jira，沟通进入 Webex，文档留在 SharePoint。个人 Agent 则可能把入口重新收拢到“人”身上。软件仍然存在，但员工不必理解每套系统的复杂界面，只需要表达意图。

成本怎么控制？

运营执行副总裁 Thimaya Subaiya 在 LinkedIn 上发贴表示，“Cisco 正从被动、分散的 AI 试验转向主动的 Agentic Ops 模式，不再只用 AI 改进现有流程中的个别步骤，而是围绕智能 Agent 重新设计整套工作流。在这一过程中，Cisco 对 MyAgent 的定位并非替代 9 万名员工，而是通过个人 Agent 扩展员工能力，让人集中处理判断和影响更大的问题。”

Subaiya 同时强调，AI 并不是所有问题的答案，实际部署应将大模型、确定性软件自动化和提示优化结合起来，针对任务选择成本与能力相匹配的工具，而不是盲目追求模型调用量和 Token 消耗。

Subaiya 的表述背后映射出来的不只是技术路线上的克制，也直接关系到全员部署能否长期维持。

对于一家拥有 9 万名员工的公司而言，即使单次任务只增加少量成本，汇总到全公司后也会迅速成为一笔不可忽视的支出。

所以全员 Agent 的另一道门槛是一定是成本。

普通聊天工具只在员工发起请求时消耗 Token。能够持久记忆、持续读取上下文并在后台执行的 Agent，可能需要多次规划、调用工具、验证结果和重新尝试。同一个表面简单的任务，背后可能产生数十次模型请求。

Cisco 已经看到这种增长。

公司称，Circuit 上的 agentic interactions 环比增长接近 350%。但这一数字描述的是交互量增长，并不能直接等同于生产率提高，也没有说明增长来自活跃用户增加，还是单个任务调用次数变多。

为了控制费用，Cisco 使用收购而来的 Splunk 监控 Token，并用智能路由器把任务分配给“能力足够且成本更低”的模型；能由传统自动化完成的部分，也没有强行交给大模型。

这可能是 MyAgent 架构中最现实的一点。企业 Agent 不是让最强模型包办一切，是把大模型当作规划与判断层，再把确定性较高的步骤交给规则、API 和传统自动化。否则，9 万个“始终在线”的 Agent 很容易把技术愿景变成一张失控的算力账单。

Cisco 已经提供了一些最新的规模化数据。

2026 年 7 月，Cisco 称 Circuit 已达到 90% 的员工采用率，2.1 万多名工程师使用 AI 编码工具，其中超过 80% 每周使用。

企业 AI 开始争夺“操作系统层”

大型企业并不缺 AI 助手。

摩根大通 2024 年推出 LLM Suite，八个月内吸引 20 万名员工使用，摩根士丹利面向财富管理顾问推出的 AI Assistant 已覆盖约 98% 的顾问团队。这些案例首先解决的是安全访问模型、搜索内部知识和辅助生成内容。

MyAgent 向前多走的一步，是试图把知识入口升级为行动入口。

一旦员工习惯先向个人 Agent 描述目标，再由它调用 Outlook、Jira 或 SharePoint，企业软件的价值重心可能改变。过去，软件厂商依靠界面、工作流和数据格式锁定用户，未来，员工接触最多的可能不是底层应用，而是 Agent。原有 SaaS 会逐渐退到提供数据、权限和 API 的后台。

但这就意味着企业软件会消失吗？笔者认为，答案是否定的。

Agent 越想跨系统办事，越依赖底层应用提供结构化数据、稳定接口、权限模型和可撤销操作。真正受到削弱的，可能是每个应用都要求用户亲自学习并反复操作的交互方式。

对 Cisco 来说，这次部署也不仅是内部效率工程。Subaiya 负责的团队长期扮演 Cisco 新技术的“零号客户”，公司明确表示，希望把内部实践转化为向客户和合作伙伴销售企业 AI 架构的蓝图。

Cisco 收购 Splunk 后拥有可观测性能力，本身又覆盖网络、安全、协作和数据中心基础设施；用 9 万名员工验证 Agent 的连接、治理和成本体系，也是在为其外部产品寻找样板。

不过，这个样板能否成立，最后不能只看接入了多少模型、注册了多少 Agent，或交互量增长了多少。

真正需要观察的是：有多少任务可以在不过度增加风险的情况下完成闭环；员工是否愿意把工作上下文长期交给它；系统发生错误时是否可以解释和撤销；以及节省下来的时间能否覆盖算力、治理与审核成本。

从这个意义上说，Cisco 给 9 万名员工配上的不是一个更大的聊天机器人，而是一场关于企业控制权的实验。谁能控制这个位于人和所有企业系统之间的新入口，谁就可能掌握下一代企业软件最重要的位置。

而对每一家公司而言，最困难的问题也从“要不要使用 AI”变成了另一个更具体的问题：究竟愿意把多大的行动权交给它。

https://www.wsj.com/cio-journal/cisco-gave-all-90-000-employees-their-own-ai-agent-1a4ad8bc

https://www.reddit.com/r/technology/comments/1w0xy2h/cisco_gives_all_90000_employees_a_personal_ai/

https://blogs.cisco.com/news/my-agent-and-the-rise-of-ambient-intelligence-ciscos-next-step-in-enterprise-ai

https://x.com/search?q=cisco%20agent%20&src=typed_query

https://blogs.cisco.com/cisco-on-cisco/cisco-secure-internal-ai-assistant

声明：本文为 InfoQ 原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。

会议推荐

QCon 全球软件开发大会·2026（上海站）现已正式启动。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕 AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。