置身钉外：企业智能体可以活在钉钉里吗？
马工约 13 分钟1. 陈素分析了钉钉 ONE 为什么失败
陈素，一位前钉钉产品经理，写了一篇七万五千字的职业回忆录，叫《置身钉内》。如果你还没读过，请先读它。它最强的地方是画面感：
我的朋友黄阿姨评论道：
即视感太强，几句话给我带回了曾经的大厂 PTSD 。
当然，作者并不是在写职场小说。作为钉钉 ONE 这款 AI 产品的核心产品设计师，她是在认真地审视钉钉 ONE 的得失。
在她的复盘里，ONE 的问题早早就埋下了。一开始，几个目标就缠在一起。用陈素自己的话说：
所以 ONE 一开始就不是一个发心单纯的产品。它既想替用户减负，也想替钉钉换代；既想证明 AI 能进入工作流，也想证明钉钉还能站在下一代办公入口上。这里面有理想，也有指标；有用户价值，也有组织意志。
ONE 想让用户少刷消息、少漏任务。它也想让外界看到钉钉已经完成了 AI 时代的转型。它想成为一个「专属工作秘书」，却被压缩进了移动端首页上的一组卡片。它想让工作自己浮现出来，但它同时还得回答：谁的工作更重要，谁的时间被节省，谁的压力被放大。
到了陈素这篇文章的后半部分，冲突已经从功能实现蔓延到了组织和产品定位。团队一边搭建、一边打补丁、一边解释。卡片、已读、发现、排序、自定义。团队精疲力竭。作者晕倒了两次，产品却没有变好。团队甚至失去了对产品本身的掌控，项目进度跟着高层零碎的指令走。
陈素的诊断是扎实的。它比许多复盘都更接近真正的问题。我的朋友 linhow 说：“这个世界上所有的软件工程案例，都经过高度的 PS。这 7.5 万字感觉是 PS 的最少的那一类型了。”
但是，陈素没有更深入地去追问那个最重要的问题：
2. 企业智能体能否长在企业 IM 之上？
或者，换一种说法：
IM 能成为企业智能体的基础设施吗？还是说它应当只停留为一个入口？
要回答这个，看 ONE 团队流血最多的那个功能：已读回执。它引发的反应，陈素叫它「已读恐怖主义」。
对钉钉来说，已读回执不是一个交互细节，而是它卖的东西本身。钉钉对一个付费管理者的核心承诺，是沟通上的确定性：我说的话，对方看见没有？已读回执就是兑现这个承诺的机制——它把一条消息变成「命令已送达」的凭证。把它抽掉，钉钉只是又一个聊天软件；留着它，钉钉就是一套管理系统。所以它被当成承重墙：整个产品都站在发信人一侧，替组织争取确定性。当 ONE 提出要把这条规则放松一点，它被毙掉了，因为这动摇的是地基。对钉钉而言，已读还是未读，是生死问题。
这套逻辑在钉钉内部是成立的，但 ONE 把它整个继承下来，又投射到每一个员工身上。ONE 的卡片，在把一条消息推到你面前的那一刻就标记成「已读」，把收信人那个小小的、有意为之的动作——自己决定什么时候打开、什么时候认领——给抹掉了。用户最大的抱怨正落在这里：「我怕老板看到我已读没回复。」
这就是转折。在钉钉内部，已读还是未读确实重要——这是产品的立身之本，ONE 团队为它纠结也是合理的。但走出钉钉，走进企业本身，这个问题就几乎消失了。一条消息有没有被标记已读，是沟通渠道的问题，不是业务的问题。一个企业有成千上万个比已读更紧迫的问题，而这些才是智能体应当去解决的：
自动售货机里最畅销的饮料上午十点就卖光了；没人买的茶却占着两列已经一个月。运营群里一直在追这件事，可没人能解决它。
产线拉长提了一个故障单给设备管理系统，然后它就被锁在系统里了。这条产线就带着一个坏掉的轴承一直跑，直到它彻底卡死。
一个老师傅听到泵的声音，说「这个声音不对」，常常说中，却几乎从不被记下来——它只活在某一个人的直觉里，等这人哪天离职，就跟着他走出了门。
这些信号没有一个住在 IM 里。它们在产线上、在商场里、在老师傅的耳朵里，随着业务本身的变化浮现，不是随着谁开口谈论它才浮现。智能体只盯着消息流，实际上盯错了地方。
4. 设计智能体，长在业务流程上
马工是我们深圳图凌人工智能有限公司为一家制造企业（这里叫它 G 公司）交付的散热仿真自动化智能体。客户需求进来后，马工启动一套仿真流程，并且直接接管其中重复的中段；留下需要判断的部分由工程师承担，双方按节点交接。
Company G 真正的生意，是从硬件厂商手里拿下散热制造的订单；它提供的散热设计验证，是每个客户在挑选制造伙伴之前都要先过的一道门。CEO 想把这道门变成获客引擎：把验证免费开放，让任何一个海外工程师都能在线提交设计、拿回一份仿真报告，从前门把全球的硬件客户引进来。可这里有个绕不过去的坎——只要验证还得靠工程师手动跑仿真，这项服务的产能就被人头卡死。
一个免费、自助、可以无限扩展的入口，撑不住一个只能靠多招工程师才扩张的流程。把这层天花板掀掉，才是马工智能体的商业意义所在。
一个散热设计项目是一条十步的链路，从客户的性能指标一路走到物理生产。马工不碰整条链路，它只接管中间连续的一段——智能体也只活在这一段里：
智能体的价值来自把中间那一段做好，而不是来自包揽一切。那一段的工作高度重复、技术要求高，又很容易被工程产能卡住。从前，销售工程师得反复向客户要材料、向工程师要评估、解释结果、推动下一轮修改。马工自动跑完这些标准化迭代中的大部分，并把它处理不了的案例交回给与它协作的工程师。
现在做一个反事实假设：如果马工的问题是在 IM 里构建的，会怎样？
客户和销售工程师会反复地通过 IM 传递评估表、3D 文件、目标温度和优化偏好。
销售工程师和销售会确认客户到底想要什么。销售工程师和工程师会确认能不能做、要多久、下一轮该改哪个参数。
马工的核心瓶颈在于散热仿真工作流本身。沟通之所以繁重，恰恰是因为这些步骤过去需要人在系统之间来回搬运信息。
马工真正的价值，是移除了 CEO 新商业模式头上的人力上限——验证终于可以免费、自助、不设上限。钉钉守在 IM 首页上，至多让那个群聊更高效，它优化的是沟通本身；马工进入仿真工作台，让沟通不再必要。活在 IM 里的智能体，让一门生意沟通得更顺畅；活在业务流程里的智能体，改变这门生意本身。
5. 销售智能体：客户状态不在 CRM 里，更不在 IM 里
雷军是图凌做的另一个智能体，一个客户经理助手，取名自小米创始人。
一个销售手上同时跟着十几个客户，每个客户走到哪一步、上次聊了什么、卡在什么地方，往往全靠脑子记和翻聊天记录。出差几天回来，常想不起某个客户沟通的要点是什么；老板问起某一单的进展，得现翻半天。雷军要解决的正是这件事：它替销售记住并追踪每一个客户的完整状态——每次接触之后，自动更新这个客户走到了哪、卡在哪、下一步该做什么。销售随时问、随时清楚，自己不必再去维护任何系统。
有人会问，这不就是 CRM 吗？恰恰相反。CRM 让销售去填一堆结构化字段——阶段、金额、下次跟进日期——而真正决定一单成败的东西，全都漏在字段之外：客户为什么犹豫，上一次为何谈崩，决策链里是谁在挡，哪句话能打动他。何况这些字段还得靠销售手动维护，于是 CRM 里的记录往往是过时的、为应付管理而填的。雷军保留的不是字段，而是上下文——每一次接触的来龙去脉、客户状态如何一步步变化，而不是被压扁成几个下拉框。
它的做法大致如下：每个客户对应一个案例工作区，雷军从各个来源系统里把信息抓进来——客户授权的通话录音（用安克录音豆）、飞书文档、邮件往来、合同发票——全都汇集到这一处，作为这个案例的单一真理来源（single source of truth）。然后它在这里维护每个客户的状态：走到了哪、卡在哪、下一步该做什么，每次接触之后自动更新，状态怎么一路变化也都留有记录。
在这个设计里，智能体不进 IM 群去「找线索」。它围绕案例工作区工作：读客户状态，读同一处的方案、合同、会议纪要、飞书文档和财务材料，然后判断客户所处阶段、关键阻碍、下一步行动和风险。
真实的客户状态本来散落在各处：第一手的需求判断在一通电话里，关系维护在微信里，正式协作在飞书或钉钉里，合同回款在财务系统里。与其等这些事实在 IM 里被人复述一遍，雷军在授权清楚之后，直接到源头去读它们，再汇集到那一处。
现在套用同一个反事实假设：如果雷军的客户推进问题是在 IM 上构建的，会怎样？
智能体可以总结微信群、飞书群、钉钉群里的客户对话。它可以提醒人们某个客户三天没回复了，甚至生成一段跟进话术。但在我们的物理世界里，客户信息从来不会只待在几个IM群里。
雷军和 ONE 表现不一样，有三层原因。
第一层是记忆。雷军是有状态的：它拥有每个客户的案例工作区，记得住这单从第一次接触到现在的全部经过，以及状态如何一步步变化。云上的 ONE 是无状态的，只看见眼前的消息，对背后的来龙去脉一无所知。
第二层是工具。雷军能读飞书文档、查财务系统里的发票和回款、调取项目交付记录，能在案例上真正采取行动；ONE 没有这些，只能做文书——总结对话、起草回复，而雷军能真正推进一单生意。
第三层是人对它们的期望不一样。ONE 被要求替销售给客户排序，决定哪条消息最重要。这很荒唐——只有销售自己知道哪个客户应当排在最前，没人能替他做这个判断。雷军从一开始就不承担这件事：它的职责是汇集事实、呈现状态，再把判断交回给真正掌握这段关系的人。
6. 碧桂园有扎实的需求，但是钉钉One无法满足
重读原文里的碧桂园案例。
客户实际要的东西是朴素而具体的：动态地为保安和保洁安排每天的工作——先巡逻，再清洁，再拍照反馈——并在每完成一个任务时勾掉一张卡片，这样一线工作者就永远不需要自己去判断优先级。
一个产品经理从一次碧桂园拜访中把这个需求带了回来，并在那一周的汇报上做了介绍。无招否决了它：ONE 是为服务老板、管理者和高净值人群而建的，不是为保安和保洁。
这其实是个好需求：一个深嵌进业务的排班智能体，而不是消息智能体。卡片在这里只是一个呈现层，底下真正要紧的是路线、工单、拍照核验、验收。
钉钉选择不做它，而无招的拒绝是可以理解的——因为这是一个定制化需求，而定制化恰恰是钉钉无法规模化去做的事。碧桂园的排班逻辑复制不到恒大，更复制不到另一个行业；每一家物业公司、每一个垂直行业，排班方式都不一样。钉钉没法为每一个客户定制这样一个智能体——它只能出货通用型的。而那种「通用性」几乎总是建立在消息和文档之上，那是所有客户唯一共享的一层，这恰恰是它永远无法扎根进任何一个客户实际工作流的原因。
这就是个陷阱。一个智能体越深地嵌入一个具体的业务闭环，它就越有用——也就越不能作为同一个产品卖给所有人。一个为通用触达而优化的平台，会被结构性地推回到消息和卡片，回到它出发时所在的那个浅层。
陈素在原文里点出了这个完全相同的困局。她把它称为 ONE 的「不可能三角」——广大基数用户、高频使用、愿意付费，三者无法同时成立：
做得太广，就只能抓通用痛点；通用痛点又容易不够痛。做得太深，就会变成客户定制，失去全局入口的意义。ONE 卡在中间：它想成为所有人的入口，又很难替任何一类人把深问题做透。
她精准地诊断了这个困局——「卡在中间」。原文没有走到的，是那个机制：平台为什么总是滑回到消息和卡片。答案正是碧桂园所暴露的那个——消息和文档是每一个客户唯一共享的那一层，所以一旦一个平台为「所有人」而优化，那个共享的浅层就是它唯一能立足的地基。这个陷阱不是执行层的失败。它是结构性的。
7. IM 是传达室，不是战场
把 IM 想成一间传达室。传达室不可或缺——没有它，军队又聋又瞎。但没有一场仗是在传达室里打赢的。仗打在战场上，而战场就是业务本身。
一旦你这样看 IM，老板/员工冲突就缩回到它本来的样子：一场传达室里的争论。已读、催促、被监视——这些是关于渠道的摩擦，不是关于工作的摩擦。一条消息有没有被标记已读，丝毫不改变这单生意有没有推进、那条产线有没有修好、某个客户有没有被服务好。
值得解决的问题在战场上，而且它们是具体的：货周转得更快、餐厅更高的翻台率、更多的销售管道转化成交、代码里更少的 bug 上线、效果能真正被衡量的营销投放。每一个都属于一个具体的角色和一个具体的系统，没有哪一个是靠一条已读回执来了结的。一旦从这个角度去界定工作，老板/员工的对峙大多就化解了。管理者要的是对工作的确定性，员工要的是清晰的动作和合理的边界——一个长在真实业务里的智能体，两者都能满足。
炮火服务的是这场仗，不是军官，也不是士兵；企业智能体服务的是企业，不是经理，也不是员工。所以「老板还是员工」根本不是要优化的问题——他们是同一场仗里的两个角色，智能体的职责是帮这场仗打赢。
那么战场在哪里？在业务系统里——CRM、ERP、GitHub、财务系统、工单、审批流。IM 过去之所以承载着这些事实的重量，只是因为这些系统彼此不通，所以人得手动去补这些缝，在群里复述一个客户说了什么、或者询问一张发票开了没有。
在智能体时代，在授权清楚的前提下，一个智能体直接抵达源系统，而不是等待同事查询源系统并且在 IM 里复述一遍。所以 IM 不再是事实的主战场。它只是当一个智能体需要人的判断、授权、确认或兜底时的交互渠道。
正如 AI 战略落地顾问王津银所说：
康威定律，必然在 AI Native 组织中失效！通信链路都被 AI 接通，不需要人的过多干预。
康威定律之所以成立，是因为一个系统的形态映射了建造它的人之间沟通的形态——所以沟通渠道很重要。一旦 AI 直接接通了这些链路，这面镜子就裂了，IM 就失去了它过去所承载的那份重量。
把智能体放在 IM 首页，方位彻底错了。这等于把火炮对准了传达室——朝着传递命令的地方开火，而不是朝着真正交战的地方。钉钉可以是一个智能体向人请示的地方，但它不应该是智能体的家。
ONE 更深层的问题，既不是组织压力，也不是卡片失败。它把企业 AI 的战场，压缩进了钉钉内部的信息流。IM 不会消失——人仍然需要沟通、确认、授权、提醒——但入口不是基础设施，高频也不等于主战场。智能体的胜负，取决于业务事实能否被更早看见，而不取决于小红点消不消失。
8. 更难的问题才刚刚开始
钉钉 ONE 只是第一个撞墙的。IM 首页该怎么摆，是没有纠结价值的伪问题。
企业智能体是一个为某个角色训练出来的数字员工，而不是一个卖给所有人的标准产品，那么：
谁来交付一个智能体？
智能体不是装好就能运行的软件，它必须从一个角色的真实场景里生长出来，这意味着需要有人深入其中，把它培育成型。这个人——一个前置部署工程师（forward-deployed engineer，FDE）——究竟该具备什么能力？他不会是一个纯粹的工程师，而要能融入客户的工作现场，把锁在员工脑中的 SOP 转化为智能体的 Skill。这是一种新的工种，现有人才市场上尚不存在。
人和智能体之间，这条线到底划在哪里？
智能体擅长的是执行，它最不擅长的是判断。钉钉恰恰把这条线划反了。无招想让 ONE 替用户设定优先级，替他决定谁的事最重要。可设定优先级本身就是一种判断，而判断是 AI 最不可靠的地方。他把最该留给人的部分交给了机器，又把本该由机器承担的部分留给了人。该划的那条线，正好和他划的相反：让智能体执行，让人来判断。
那到底按什么收费？
智能体不是软件，所以旧的计量方式都不合身：你没法按版本卖，没法按 SaaS 坐席卖，按 token 卖又只反映成本、不反映价值。按它替下来的人头收？按它推动的业务结果收？生态又怎么分账？还没有人拿出一个靠谱的答案。
企业智能体究竟由谁来造？
企业需要一个平台吗——如果需要，是谁的平台，是训练新模型的技术巨头，比如阿里巴巴，还是握着行业 know-how 的咨询公司，比如蓝血研究？说得更尖锐一点：造一个智能体，到底是一桩技术服务，还是一桩管理咨询？
本文是早期探索的一份总结，难免有判断失误之处。我是马驰，深圳市图凌人工智能有限公司创始人和 CEO；文中的雷军和马工，都出自图凌的交付一线。欢迎有兴趣的朋友与我联系探讨：
微信：EasyEasyName 公众号：瑞典马工