就在刚刚过去的4月底，企业级AI Agent赛道连续传来重磅消息——先是企业AI平台Writer宣布推出”事件触发式”自主Agent，紧接着AI客服平台Netomi宣布完成1.1亿美元新一轮融资，Accenture和Adobe联手押注。两件事看似独立，却共同指向一个正在加速的大趋势：AI Agent正在从”被动响应”走向”主动执行”，企业级AI应用正迈入”无触发”时代。
事件概述：两大融资发布，揭示同一方向
第一条消息来自Writer。
这家企业AI平台由Salesforce Ventures、Adobe Ventures和Insight Partners投资支持，4月30日宣布为其Writer Agent平台推出”基于事件的触发器”（event-based triggers）功能。这套系统的核心逻辑是：AI不再需要人类发起请求，而是能够自主监听业务环境中的事件信号，自动执行预设的多步骤工作流。
具体来说，Writer的Agent现在可以监听Gmail收到新邮件、Gong销售通话结束、Google Drive文件夹收到新文件、Google Calendar会议开始或结束、Slack收到新消息——当这些事件发生时，系统会自动触发预设的”剧本”（playbooks），无需任何人工干预。
Writer同时发布了Adobe Experience Manager连接器，并升级了治理控制功能，包括客户自持加密密钥和Datadog可观测性插件。新的Adobe Experience Manager连接器允许品牌在Adobe的数字体验管理生态内直接调用Writer的AI能力，实现内容创作、审核和发布的自动化。
第二条消息同样重量级。
同一天，Netomi宣布完成1.1亿美元新一轮融资，由Accenture Ventures领投，Adobe Ventures、WndrCo、Silver Lake Waterman、NAVER Ventures、Metis Strategy和Fin Capital跟投。WndrCo联合创始人、DreamWorks联合创始人Jeffrey Katzenberg加入公司董事会。Netomi的早期投资人名单极为豪华——OpenAI联合创始人Greg Brockman、Google DeepMind联合创始人Demis Hassabis、微软AI CEO Mustafa Suleyman均在其中。
这家成立于2017年的旧金山AI公司，专注于为企业客服场景构建对话式AI平台。与传统客服机器人不同，Netomi的AI能够在问题发生之前就进行预判和干预，从根本上重塑企业与客户的互动方式。
核心数据：40%增长预期与500亿市场规模
两则融资新闻背后，有几个关键数据值得高度关注。
第一组数据来自Gartner的预测。 到2026年底，企业级应用中嵌入特定任务AI Agent的比例将从2025年的不足5%跃升至40%。这意味着AI Agent从”锦上添花”正在变成”标配基础设施”。Gartner还指出，AI Agent正在从通用型向任务特定型快速演进，不同行业、不同职能将出现专业化程度更高的Agent解决方案。
第二组数据是市场规模。 Netomi CEO Puneet Mehta在接受VentureBeat采访时给出了一个令人震惊的数字：全球企业每年在客服人工劳动上的支出高达5000亿美元。这正是AI客服 Agent试图颠覆的核心市场。相比之下，整个企业软件SaaS市场的年规模约为2500亿美元，客服AI的想象空间可见一斑。
第三组数据来自竞争格局。 赛道已经非常拥挤且热度极高：Sierra（由前Salesforce联合CEO Bret Taylor创立）2025年9月融资3.5亿美元、估值100亿美元，2026年已完成三次收购；Decagon 2026年1月估值翻三倍至45亿美元、融资2.5亿美元；Intercom的Fin AI Agent据报道已突破1亿美元年经常性收入，按每次解决收费0.99美元计价。这些数字表明，AI客服Agent不仅技术上可行，商业化路径也已经清晰。
深度分析：从”聊天助手”到”自主员工”
技术突破：从”人找AI”到”AI找人”
Writer产品副总裁Doris Jwo在采访中说了一句关键的话：”我们发现，当剧本（playbooks）被集成到企业工作流程中时，人类反而成为了触发剧本的瓶颈。”这句话揭示了此次技术转变的核心逻辑。
过去几年，企业AI应用的主要形态是”聊天助手”——人类提问，AI回答。即便是最先进的AI Agent，绝大部分也仍需要人类主动发起交互。营销人员需要打开对话窗口请求帮助，销售人员需要手动触发研究简报，运营人员需要定期检查数据报告。这种”人找AI”的模式，本质上还是把AI当作一个高级工具，而不是一个可以自主行动的同事。
Writer的事件触发系统彻底翻转了这个模式。系统主动监听业务环境，发现信号，自主执行工作流。以营销团队为例：当一份创意简报落入Google Drive的指定文件夹时，系统会自动触发一系列剧本——组装研究材料、生成设计素材、起草文案、审核图形，并将成品打包准备交付。整个流程涉及多个工具、多个参与者、多个步骤，但全部自动完成，无需任何人工发起的动作。
Jwo明确将Writer与Zapier等传统自动化工具区分开来：”不仅仅是一个中间层的大语言模型。这是一个具有推理能力的Agent，而且能够访问强大的工具集——包括连接器、自己的虚拟沙箱，可以实时编写和执行代码、创建素材。”
传统的Zapier式自动化需要用户手动定义严格的逻辑路径，确定性排列条件分支。用户的每一个操作都需要提前预见和编排，一旦业务逻辑发生变化，整个自动化流程就需要重新配置。而Writer的剧本使用自然语言描述目标，允许”一个简单想法转化为可执行、可重复的工作流程”，构建时间”以小时和天计，而不是周和月”。这种自然语言驱动的工作流设计，大幅降低了企业引入AI Agent的门槛，让业务人员而不是工程师成为AI工作流的设计者。
商业逻辑：不让工单产生
Netomi的商业逻辑更具颠覆性。
Mehta提出了一个直击本质的问题：”为什么有这么多客服工单？为什么5000亿美元花在回答客服电话、邮件和在线聊天的人工劳动上？”
他的答案是：不要让工单产生。
这与当前大多数客服AI的路径完全不同。现有的大多数客服AI仍然处于”下游”——消费者遇到问题，打开聊天窗口，解释问题，等待回复。即便AI加速了这个交换过程，摩擦已经发生——消费者经历了困惑、不便、甚至愤怒。Netomi要往上游走，在工单产生之前就介入体验。
Mehta进一步解释说，大多数重要网站基于Adobe Experience Manager运行。”我们说，如果能够在工单甚至产生之前就捕获到客户可能受到影响的情况，那会怎样？”这就是Netomi与Adobe合作的底层逻辑——在Adobe的数字体验管理生态中嵌入AI，提前识别并消除潜在问题。
举例来说，当一个电商网站的用户在浏览产品页面时表现出了特定的困惑行为（如反复查看同一信息、频繁切换选项、将商品放入购物车又移除），Netomi的AI可以识别这些信号，在用户主动求助之前就弹出相关帮助信息，或者主动调整用户体验（如简化结账流程、提供更多产品信息）。这种”预防性客服”不仅降低了用户挫败感，也大幅减少了人工客服的负担。
Accenture的参与则带来了另一层价值。作为全球最大咨询公司，Accenture将为Netomi培训数百名员工，将其推广至Fortune 100客户群。这不是普通的投资条款，而是一套完整的全球分发网络。Accenture每年为数百家大型企业提供数字化转型咨询，这种合作关系意味着Netomi可以绕过漫长的销售周期，直接进入企业采购流程。
市场格局：”演示好做，生产难”
Netomi本轮融资的新闻稿中有句话特别值得关注：”市场正在在企业AI领域划出一条新线——不是在有聊天机器人和没有聊天机器人的公司之间，而是在能够证明AI在大型企业真实、混乱、高度受监管的环境中有效运作的公司，与那些主要在演示中表现出色的公司之间。”
这句话点出了当前AI Agent市场的核心分歧：Demo与Production的区别。
任何公司都能做出一个亮眼的AI演示。给一个聊天机器人接上GPT-4，加几个精心挑选的问答对，演示效果可以非常惊艳。但要在实际企业环境中稳定运行——在数据孤岛中正确获取信息、在复杂业务流程中做出准确决策、在合规要求下保持透明可审计、7×24小时无故障运行——这是完全不同的挑战。
Accenture和Adobe对Netomi的联合下注，本质上是在押注那些”已经跨越了演示阶段”的公司。WndrCo合伙人Justin Wexler的评价更为直接：”大多数客服体验领域的公司只是在用AI替换一个人。我们所做的，特别是与Adobe的合作，是要跳过那一步——把两层合并。你没有’有什么可以帮助你？’的聊天机器人。这是提前预判问题并完全消除工单。“
这种”消除工单”而非”加速工单处理”的思路，代表了AI客服赛道的一种根本性范式转移。它要求AI系统不仅能够响应已知问题，还要能够预测未知问题；不仅能处理个例，还要能识别模式；不仅能发现问题，还要能推动解决。这对AI系统的推理能力、上下文理解能力、多模态感知能力都提出了更高要求。
各方反应：大厂加速跟进，中小玩家空间受压
这场自主AI Agent的竞赛，已经不是创业公司的独角戏。
Writer在发布中直接点名挑战AWS、Salesforce和Microsoft。VentureBeat的报道也指出，AWS、Salesforce和Microsoft都在竞相建立自己的Agent平台。这三家大厂在云和企服领域的既有优势，正在转化为AI Agent的跑马圈地。AWS通过Bedrock提供Agent开发框架，Salesforce通过Einstein AI嵌入Agent能力，Microsoft则通过Copilot Studio让企业构建定制化Agent。
与此同时，Salesforce、ServiceNow和Intercom都在快速将AI Agent嵌入现有平台。Intercom的Fin AI Agent已突破1亿美元ARR，成为目前商业化最成功的AI客服产品之一。ServiceNow则将AI Agent与其IT服务管理、工作流自动化平台深度整合，试图成为企业AI Agent的操作系统。
这种格局意味着什么？中小型AI Agent创业公司必须找到明确的差异化路径——要么像Writer一样在特定场景（营销、创意工作流）建立深度壁垒，要么像Netomi一样在高度受监管的垂直行业（金融、电信、医疗）建立信任优势，否则很容易被大厂的平台效应覆盖。Gartner的数据显示，到2028年，超过50%的软件供应商将在产品中嵌入AI Agent，这意味着纯粹做AI Agent的创业公司将面临激烈的平台竞争。
未来展望：2026年成为”企业AI Agent元年”
综合各方信息，一个判断正在变得清晰：2026年可能是企业AI Agent的元年。
Gartner的40%预测、5000亿美元的客服市场、连续多轮大额融资——这些信号汇聚在一起，表明AI Agent已经从”技术探索”进入”规模化落地”阶段。企业不再问”AI Agent能做什么”，而是问”AI Agent怎么能用到我们的业务流程中”。
Writer创始人兼CEO May Habib在达沃斯论坛上提出了一个概念：”rebuild”——不是将AI附加到现有流程上，而是用AI重建整个工作方式。这个判断正在加速成为现实。一个销售团队的整个工作流程——从线索识别、需求分析、方案生成、合同准备到客户 onboarding——理论上都可以被AI Agent重构，每个环节不再需要人工发起，而是由AI自主推动。
当然，挑战同样存在。自主AI Agent在企业环境中真正落地，还面临几个核心问题：数据安全与隐私合规（Agent自主访问企业数据如何保证安全）、责任归属（当AI自主决策出错时谁负责）、与现有企业系统的深度集成（ERP、CRM、HRIS的历史遗留系统如何对接）、以及员工对AI的信任与接受度（员工是否愿意把工作交给AI）。这些问题不是纯技术问题，而是组织与制度问题，解决的复杂度不亚于技术本身。
此外，还有一个被忽视的风险：AI Agent的普及可能带来新的”自动化债务”。当企业大量依赖AI Agent处理关键业务流程时，一旦Agent系统出现故障或偏差，影响面将比单个聊天机器人更大。建立完善的监控、审计、干预和回滚机制，将成为企业部署AI Agent的必备基础设施。
互动话题
AI Agent正在从”被动工具”变成”主动员工”，你的公司准备好迎接这种变化了吗？
在实际业务中，你最希望AI Agent自主完成的哪类工作？数据整理、客服回复、内容生成、还是流程审批？欢迎在评论区分享你的看法，也可以告诉我你见过的最酷（或最离谱）的AI Agent应用场景。
附：AI Agent技术架构解析
如果你对Writer和Netomi的技术实现感兴趣，这里做一个简单的架构解析。
Writer的事件触发架构
Writer的Agent平台核心技术架构可以分为三层：
感知层（Perception Layer） 负责从企业工具中捕获事件。Writer为Gmail、Google Calendar、Google Drive、Slack、Gong等主流企业工具提供了原生连接器（Native Connectors），这些连接器不仅能读取数据，还能够监听平台的事件流。当用户收到新邮件、会议结束、文件上传或消息发布时，连接器会生成相应的事件信号并传递给上层。
编排层（Orchestration Layer） 是整个系统的大脑，负责事件的分发和剧本的触发。当感知层传来事件时，编排引擎会根据预设的规则判断应该触发哪个剧本（Playbook）。与传统的规则引擎不同，Writer的编排层使用大语言模型进行”意图理解”——同一个事件在不同上下文中可能触发完全不同的剧本，模型需要理解业务情境才能做出正确决策。
执行层（Execution Layer） 负责具体任务的完成。Writer Agent拥有一个虚拟沙箱环境，可以实时编写和执行代码、调用外部API、操作文件系统和浏览器。每个剧本步骤都在这个隔离环境中运行，确保安全性和可审计性。
Netomi的预测式客服架构
Netomi的技术路线与Writer有显著不同，更专注于客服场景的深度优化。
Netomi的AI系统通过三个核心模块实现”预防性客服”：信号识别模块、意图预测模块和主动干预模块。
信号识别模块持续监控用户在数字体验中的行为数据，包括鼠标移动轨迹、页面停留时间、滚动速度、搜索查询、放弃操作等微信号。这些数据经过实时分析后，会被转化为用户的情绪和意图指数。
意图预测模块基于历史数据训练，能够识别哪些信号组合通常预示着即将发生的客服问题。例如，当用户第三次查看同一帮助页面、将商品放入购物车又移除两次、在结账页面停留超过特定时间——这些信号组合在一起，往往意味着用户遇到了障碍。
主动干预模块是Netomi的差异化所在。与其等待用户发起工单，系统会主动出击。可能是弹出一个简洁的提示、可能是自动调整界面元素、也可能是主动发起一个对话窗口询问是否需要帮助。这种干预的时机和方式，是Netomi的核心技术秘密。
一句话总结
Writer和Netomi的融资发布，共同揭示了AI Agent正在从”被动工具”向”主动员工”演进的趋势。在这场竞赛中，技术演示的惊艳程度正在让位于生产环境的稳定性验证，企业AI Agent的胜负手，正在从”能不能做”转向”能不能规模化落地”。
