豆包工作原生接入飞书，企业终于敢给 Agent 办「入职」了

让Agent进入一线，企业AI要跨过治理三重门。

作者 | 李威（北京）

企业对AI的期待，正在从回答一个问题、完成一个任务，转向承担一个角色。

在雅迪，Agent被拉进设计群，参与电商物料生产；在华熙生物，AI考官给销售出题、评分，再根据能力短板安排训练；在中国生物制药，AI在早期药物研发中自动汇集临床、专利和专家经验中的信息，帮助看见更多机会。这些场景里，企业中的Agent开始读取企业信息、调用业务工具、参与工作流程，甚至产出的文档、表格和方案还可以被同事继续使用。

将Agent定义为组织的一员，也在为企业使用AI带来新的挑战。模型的进步让Agent有能力理解业务和执行任务，但企业要把真实工作交给它，还需要跨过「三重门」——明确它是谁，能接触哪些信息；能做什么，必须按照什么规则行动；由谁审核结果，出了问题由谁接管。

飞书8.0与豆包工作的原生融合，试图解决的正是这个问题：既让Agent入职成为数字员工，真正进入企业工作，也将企业原有的身份、权限、规则和责任体系同步延伸到Agent。

字节跳动CEO梁汝波在飞书未来无限大会上表示，Agent并非孤立存在，它需要和人、工作环境以及其他Agent协作；同时，Agent能力也与模型能力密切相关——Agent、模型、协作环境三者必须紧密融合，才能真正发挥价值。

在新的产品组合背后，字节也将豆包、飞书和火山引擎整合到一起：豆包工作提供Agent智能；飞书提供企业上下文、工具和协作环境；企业自建专属Agent时，火山引擎提供模型、算力和开发工具。

三者共同连接的，是一条从智能能力到业务落地的完整链路。这个链路的核心目的就是让企业能放心地把工作交给Agent。

人与Agent已经开始协作

读书时，雅迪科技集团用户服务中心服务支持部设计负责人宋雨蒙和同学看到AI生图能力快速进步，讨论的是设计师的饭碗会不会被拿走。真正参加工作以后，她却开始期待「AI搭子」能多接走一些物料工作。

她服务的雅迪电商业务中，一次大促通常分为前期、中期和爆发期，每个阶段只隔两三天，却需要更换大量的产品图。每一次换图都要运营提出需求，设计负责出图，文案修改标题，审核确认合规，最后再由运营验收。任何一处卖点调整，都可能让上下游跟着重做。

现在这个流程上有了四位Agent同事：电商文案专家提炼卖点、优化标题，直播间背景图设计Agent提供场景方案，详情页生成Agent完成从线框到视觉的设计，平台运营设计助手分析数据、提出选题建议。而设计师负责在群里@四位Agent同事去完成不同的任务。

据雅迪披露，现在一套商品详情页的制作时间由约25小时缩短至8小时，三张模特场景图由16小时缩短至2小时。设计师们也从逐张出图的执行者，变成了设计生产流程的组织者，负责把卖点如何分层、哪些词不能使用、不同平台偏好什么，整理成Agent能够调用的规则。

华熙生物的药械线有约300名一线销售，相关知识分散在3000多个文件和超过2TB的资料中。他们把原来的「蒙眼」背诵业务知识挑战做成AI考官。销售上传视频后，AI按照知识点完整度、准确度和话术表达逐项评分，形成能力标签，针对薄弱点每天推送五道考题。配合问答和模拟考核，新人的培训周期由五六个月缩短到两个月以内。

一个进入内容生产，一个进入业务训练，Agent开始拥有明确的工作对象、交付标准和协作关系。它没有包办人的完整岗位，却在其中承担起可以标准化、重复调用和持续检查的角色。就像宋雨蒙所说，「AI不是来抢饭碗的，它是来帮你把饭碗端稳的。」

这种角色变化还在继续深入。处于早期预览阶段的豆包工作伙伴还把Agent的服务对象从个人延展到团队。

全新的豆包工作伙伴由企业统一配置，拥有独立身份、权限和记忆，可以真正作为团队成员来观察工作进展，在需要时参与协作。飞书内部名为「小飞」的豆包工作伙伴已经可以做到在群聊里发现一个长期无人认领的问题，主动到另一个群寻找答案，再把结果带回来。

Agent入职要越过三重门

把Agent拉进群、接入知识库，只是它进入组织的第一步。真正的「入职」还意味着获得明确的身份、岗位规则和责任关系。企业需要为此建立一套共同遵守的治理边界和规则。

Agent进入组织以后，首先要确定它是谁，能看到什么。这是企业要跨过的第一重门。

豆包工作原生接入飞书，能让账号、权限和工作环境在底层相互连接，豆包工作在调用企业上下文时，天然遵循了飞书上与员工对应的授权关系。员工原本无权访问的数据，他的豆包工作也仍然无法获取。同时，飞书多年积累的设备管理、数据防泄漏和访问策略管控等能力，也被延伸到了豆包工作中。

身份和权限不仅能限定Agent能够访问哪些信息，也决定了Agent以谁的视角理解业务、向谁提供什么结果。

华熙生物每天能产生600多份一线CRM日报。现在，他们会让飞书上的AI自动读取日报，识别其中的客户、产品、竞争和风险信息，再根据不同管理角色形成相应视图：基层经理看到关键客户变化和团队情况，高阶经理则看到跨地区趋势和竞品动向。同一组日报数据，因为AI有了组织身份，实现了让不同职责的人更高效地看到所需信息。

身份界定清楚，企业要跨过的第二重门是，Agent能够采取什么行动，又必须按照什么规则行动。

华熙生物的「熙熙智能组货」Agent可以针对四个品牌的关键产品，在10秒内生成三至五套组货方案。但每套方案都必须满足品牌品类、价格区间、库存阈值和利润率要求，不达标的直接淘汰。价格和库存来自权威业务系统，Agent不能随意猜测库存，也不能为了满足客户需求牺牲企业的利润要求。

雅迪的四位AI同事同样需要先学习规则。宋雨蒙为它们准备了产品、合规和平台三个知识库：产品库放规格、卖点和资质认证，合规库存放广告法、宣传红线和字体版权，平台库存放雅迪的品牌文风、历史案例和不同平台的内容经验。一套营销素材完成后，还要经过广告法、3C报告、宣传红线和字体版权检查，再由业务人员审核。

两家的实践都在表明一个问题，Agent的合规不是生产结束后临时增加的一道检查，而是要融入任务执行过程中。财务分析采用什么口径，采购需要经过哪些节点，任务推进到什么程度需要审批，都是企业在长期经营中逐渐积累下来的规则。

这些规则都承载在飞书上，并能够被赋予豆包工作，让其在规则与流程范围内执行任务，产出工作成果。企业已有的业务系统、专业工具和Agent，也可以通过连接器接入。这样一来，飞书就不只是Agent的知识库，更是Agent的操作台。

但是，规则无法保证Agent永远正确，企业还需要定义好谁来审核结果，谁来负责接手异常情况。责任边界的划定是Agent进入企业需要跨过的第三重门。

一个反复运行的Agent一旦出错，也可能反复传播同一个错误，持续运营和人工校准因此不可缺少。华熙生物的AI考官刚上线时，曾经生成过题目中根本不存在的「虚空选项」。团队后来通过「让AI监督AI」和持续调整提示词来修正问题。

而在雅迪，Agent遵循的卖点分层、合规红线和平台偏好，仍由熟悉业务的设计师定义。营销素材上线后，业务人员会结合销量和客户反馈，快速迭代、持续试错，寻找效果更好的版本；遇到系统卡点或报错，也有AI产品经理和技术团队介入处理。

企业既要明确Agent由谁创建和管理、业务规则由谁维护，也要确定结果由谁审核，出现异常后由谁接管。无论Agent参与多少步骤，关键经营和专业责任仍然必须落到具体的人和组织。

最终，豆包工作产出的文档、表格和方案留在飞书中，同事可以继续协作、修改、审核和接管；飞书也能提供Agent管理和操作留痕，帮助企业查看其运行情况，追溯工具调用和资源访问。

访问、行动和责任三重边界，构成了一套逐步授权的方法：先确定Agent以什么身份访问哪些信息，再规定它怎样采取行动，最后确保结果有人确认、过程可以追溯。

治理决定企业敢把多少业务交给Agent

当Agent只服务少数个人时，这些问题还可以依靠使用者自己处理；一旦Agent在不同部门扩散，就会成为组织问题。

一些企业曾鼓励员工大量创建Agent。每个人都要养几只「虾」，依靠Token消耗量来判断AI使用情况。但时间一长，企业很难说清内部究竟有多少Agent、分别由谁维护、能够访问哪些信息、调用哪些工具，又产生了多少资源消耗。

而且，Agent正在将企业内用AI的风险从内容扩展到行动。聊天机器人答错，影响的可能只是一段文本；Agent一旦能够修改数据、生成经营方案或者推进业务流程，错误就可能顺着工作链条进入实际结果。

企业显然不能为了安全，就将Agent关在低风险环节。企业的治理能力实际上决定了Agent能力可以释放到什么程度。边界越清楚，运行越可控，企业越有条件把更重要的任务交给Agent。

当中国生物制药的生产车间出现物料到货延迟时，过去需要在计划、库存、生产和质量部门之间反复查找信息。现在则是多维表格形成持续更新的工作底图，豆包工作伙伴在授权范围内核查跨部门信息、比较不同方案，飞书妙搭再将结果呈现在可视化决策平台上，人负责处理例外、作出决定并承担责任。

在这种流程更新中，中国生物制药划定了三条边界：数据边界——访问遵循授权、分级和最小必要原则；决策边界——AI 可以生成假设、整理证据，但关键科学、质量和药品放行判断必须由专业人员确认；责任边界——关键证据可追溯，重要操作全程留痕，最终结果能够审计，责任落实到人。

「可信不意味着AI永远不犯错，而是错误能被发现，建议能被拒绝，决定能被追溯，责任始终有人承担。」中国生物制药表示。AI Native组织不是给每个人装一个AI，而是围绕明确的结果重新设计人、Agent、信息、流程和责任。

这也意味着，治理将成为企业选择AI办公产品的基础门槛，并决定不同平台能够承接多深的企业业务。过去协同平台在服务员工沟通、共享资料和推进流程中形成的资产，在Agent时代进一步变成了智能可以理解和调用、同时又不能越过的组织环境。

而飞书与豆包工作的原生融合，则能让AI能力更丝滑地运行在这套环境中。豆包工作踩下的是执行任务的油门，飞书帮助企业握住的是方向盘。企业真正需要的，正是在获得速度的同时，始终知道任务驶向哪里、边界划在哪里，以及最后由谁为结果负责。

最终，Agent治理的成熟度，将显示出企业AI竞争力的真实水位。