文｜洞见新研社 郑施婧
2026年，AI正从“会聊天”走向了“会干活”。
在这样的趋势下，字节、腾讯、阿里不约而同地选择在AI办公领域落子，WorkBuddy、千问办公接连登场，“AI同事”“AI员工”似乎触手可及，但事实上，真正的落地应用的过程其实并不顺利。
据Gartner的数据显示，仅有4%的企业真正拥有能够被AI系统集中高效访问的就绪数据。SaaS-Bench的测试结果也表明，即便是表现最好的Agent，在跨应用真实企业场景下的端到端任务完成率也仅为个位数。
而成本门槛则让落地举步维艰，金山办公CEO章庆元曾经算过一笔账，如果一家公司有10万名员工，每人每月消耗1000美元的Token，一个月就是1亿美元，那么CEO就一定会问CFO这些钱用在了哪里，创造了多少价值。
一边是市场的高涨期许，一边是现实的瓶颈，那么AI什么时候能进入真实的企业工作流？
几天前，字节跳动发布了豆包工作。这款产品将AI助手豆包与企业协作平台飞书打通，试图为上述问题找到一个新解法。透过它，或许能为我们提供一个观察AI办公走向的窗口。
01 撕开入口，沙箱里长出AI“新手脚”
过去两年，几乎所有AI办公软件都在尝试给AI装上“手脚”。
主流路线使用GUI Agent，比如，行业首款系统级GUI Agent豆包手机助手。无需依赖软件厂商开发API，就能让AI通过视觉识别屏幕像素，像人一样看懂页面、点击按钮。
让AI学会操作电脑这件事，正在被行业逐步解决，但从“能操作”到“能稳定交付工作”之间，却还隔着一条很宽的河。
SaaS-Bench就曾测试了多款主流Agent模型在106个跨应用真实企业场景下的端到端任务完全通过率。结果显示，表现最好的Claude Opus 4.7单个检查点分数仅有43.9%，GPT-5.5 High 为43.8%，14款AI的单点通过率平均仅有29.7%。
可知其单一基础任务能力尚不可靠，更何况真实的企业流程往往需要连续几十步，甚至上百步。在单点通过率不足30%的情况下，经过多环节叠加后，其最终成效将是灾难性的。最终数据也表明，Claude Opus 4.7的已解决分数仅为3.8%、GPT-5.5 High为1.9%、豆包2.1 Pro为1.9%，而Gemini 3.1 Pro与Kimi K2.5更是干脆直接挂零。
以一条典型的企业任务整理财务报表为例，AI需要先打开邮箱下载附件，接着打开Excel整理数据，然后登录内部系统填表单，最后生成报告并发送给审批人。其中任何一个环节出错，整个任务就可能中断，甚至出错。
面对这个难题，豆包工作做的是焊死操作边界。AI会在Windows系统下搭建一个独立沙箱环境，AI在里面执行操作，用户不需要把整个电脑的控制权都交出去。而是在自己的桌面继续工作，AI在沙箱里执行任务，两者并行，互不干扰。更重要的是，用户可以随时暂停、接管、回退，全程可见，出了问题可以审查、随时叫停。
但真实的企业任务很少是短时间内能完成的，数据采集要跑几小时，竞品监测要持续好几天。这类任务天然不适合依赖用户本地设备持续在线。而豆包工作配套的云电脑则接住了这个需求。任务交给它之后，关机了也能继续跑，用户可通过手机端随时查看进展或追加要求。
当时间和空间的问题都解决之后，还需要绕过成本这道坎。豆包工作当前的定价模式，没有采用积分制，而是按5小时或7天滚动重置额度。用户无需精打细算某个任务值不值得跑，只要不是短期内极限使用，会员有效期内都可以持续使用。
然而，豆包工作在具体执行层面也并非毫无短板。如今，其仅能调用豆包系列模型，如豆包2.1 Pro、Turbo等。部分竞品，如Workbuddy，则支持混元、Kimi 、DeepSeek等多模型自由切换。这种锁定自家模型策略，虽在情理之中，但其实限制了用户针对不同任务类型选择最优模型的能力，也降低了产品未来的灵活性。
综合来看，豆包工作在执行端的边界、时间、成本上都给出了初步解法。但让AI真正在办公场景中站稳脚跟，仅靠“手脚麻利”还不够，关键还在于它能不能“读懂业务”。
02 从“喂文件”到“懂组织”，AI不再“盲人摸象”
让AI读懂业务，市面上的Agent普遍走的是RAG路线。无论是钉钉开放接口让ISV做定制化知识库，还是企业微信侧重读取群聊记录中的可见文本，它们都依赖于用户主动把信息喂给AI。
可问题在于，喂进去的永远只是一小部分。你给它一份文档，它能看到里面的文字，但它不知道这份文档是否已经被新版本取代了。你让它写周报，它能生成一篇结构完整的内容，但它不知道你这周真正做了什么。更别说还有群聊里谁说了算、审批流程卡在哪个节点、老板说的“尽快”到底指多久等。
这就导致用户使用时，不得不先当半小时资料员，手动搬运信息、写背景介绍、告诉AI谁是谁，每次开新任务还要重新来过。往往是AI还没真正开始干活，人先折腾了半天。
豆包工作在这个层面给出的策略是与飞书深度绑定。用飞书账号登录后，AI能直接“继承”用户在飞书里的全部工作上下文。不再需要用户主动喂给它的几份文件，而是整个飞书里沉淀下来的所有信息，包括但不限于文档、表格、群聊记录、会议纪要、审批流程、日程安排、组织架构，全部可以被AI在权限范围内自主调用。
而飞书里的这些信息天然带有时间戳、创建者、所属项目等数据，它们本身就构成了RAG方案缺失的上下文维度。这就使得AI读取的不再是零散的文档碎片，而是整个组织实时更新的信息网络。RAG方案的核心瓶颈迎刃而解。
诚然，AI能接触到的东西远比一个对话框里的文件多得多，如果权限管理不到位，后果将是灾难性的。豆包工作的做法则是对于飞书既有权限体系也直接“继承”。用户在飞书里看不到的信息，有了豆包工作也看不到；没有权限进行的操作，豆包工作也不能代劳。
可没有一种模式是十全十美的。如今，豆包工作的最大优势是飞书，但最大门槛也是飞书。对于全新项目或刚起步的团队，飞书里没有足够的历史文档、会议纪要和审批流，AI能调用的上下文极其有限，它的“业务理解”能力会大打折扣。
不仅如此，当面对需要处理外部信息的任务，比如，分析竞品官网、阅读行业PDF报告、抓取社交媒体舆情，豆包工作可能并不比传统RAG方案强多少。它的深度仅限于飞书内部，一旦信息源头在墙外，它就回到了所有Agent的同一起跑线。
不过，整体来看，瑕不掩瑜，豆包工作还是带给了行业一些新的启发。毕竟，过去大多数Agent交付的是产物，一篇文档或一张图；而豆包工作交付的是进展。通过飞书作为获得业务信息，能够理解整个任务流和审批流的全貌。
这种交付进展而非交付产物的能力，让AI第一次不是作为一个偶尔调用的工具，而是作为工作流中的一个真实节点存在。那么这项能力究竟是飞书生态的独门暗器，还是可以被行业复制的通用解法？答案或许在字节接下来的商业选择中。
03 三巨头AI办公路径分野，谁与争锋？
如果将豆包工作的飞书深度绑定策略放到行业坐标系中来看，它与阿里、腾讯的主流打法截然不同。三者之间形成了鲜明对照，而根源在于各家公司对自身禀赋和战略目标的判断不同。
先看阿里。2026年，阿里将QoderWork、悟空、MuleRun整合为千问办公，走的是企业组织级路线。多年来，阿里在云基础设施和B端服务上积累了深厚的经验，看重统一协调。这促使其天然倾向于总部统一采购、统一部署的集团采购模式。这条路的好处是企业初期看不到个人账单压力，决策链条短；但挑战在于一次性投入预算较高，且对组织变革的推动力要求更强。
腾讯的WorkBuddy的核心特点是用户不需要改变习惯，让Agent直接嵌入已有工作流。其背靠微信、企业微信、腾讯文档、腾讯会议这套庞大的C端+B端生态。于是侧重于采用用户驱动型策略，用基础功能免费做引流，高级功能按需付费，靠庞大用户基数做转化。
当前其PC端月访问量2097万次，断层领先，也印证了这条路在拉新效率上有明显优势。但免费用户的付费转化周期较长，且生态内各产品的数据深度打通程度可能不如飞书那样天生一体。唯有拉新、转化、留存三者形成正向循环，这条路才能从“流量优势”走向“商业优势”。
字节的豆包工作，选择的则是订阅制加飞书深度绑定的路线。先用飞书沉淀的企业上下文让Agent真正好用，再靠订阅制让用户持续使用，最终形成路径依赖锁定用户。
字节跳动CEO梁汝波在年度全员会上给出了明确的战略意图：AI在生产力上的发展快于预期，ToB变得更重要，希望豆包成为主干业务，通过豆包整合已有产品服务。字节的判断是，AI办公的终局不是附加功能，而是一个全新物种。这个物种需要把模型能力、协作平台、开发工具全部融合，才能形成真正可用的企业级Agent。而豆包工作正是字节ToB战略的核心载体。
字节如今正在不断确定与推进这个战略。2026年7月30日，飞书产品团队与豆包产品团队合并，飞书负责人谢欣转向豆包负责人赵祺汇报。飞书从字节六大独立BU之一调整为豆包背后的能力模块。同时，TRAE、扣子团队整体并入豆包体系。组织调整已经完成，接下来就是沿着这条路走下去。
这条路并非没有隐患，其内部隐含的“封闭性”战略风险。豆包工作深度绑定飞书的模式，本质上是在用“场景深度”置换“生态广度”。与腾讯WorkBuddy支持多模型切换、阿里千问办公支持跨平台部署的“开放连接器”路线不同，豆包工作的“飞书内循环”策略虽然换来了更深的上下文理解能力，但也意味着其商业天花板与飞书的市占率直接挂钩。
更关键的是，这种“全家桶”式的捆绑可能引发企业的“供应商锁定”焦虑。一旦企业将核心工作流数据深度托付，未来迁移成本将极高。在B端市场，客户往往更倾向于选择能灵活拼装的“中立Agent”，而非与特定协作平台绑定的“专有工具”。长期来看，这种封闭性可能成为豆包工作向飞书体系外拓展的最大战略掣肘。
总的来说，AI已开始走进工作发生的地方，知道自己在为谁工作、事情已经做到哪一步、做完的结果应该留在哪里。AI办公的下半场，竞争也正在从谁的模型更聪明变成谁更懂一家公司的真实工作流、谁更能让企业放心地把任务交出去。
未来真正改变办公方式的那一刻，不是AI又学会了一项新技能，而是企业终于愿意把真实的工作交给它了。豆包工作的发布，让这条路径多了一个值得观察的样本。至于谁能走到终局，答案还在路上。