2026 年 7 月 24 日,OpenAI 正式上线了 Presence——一个面向企业的语音/聊天 Agent 产品线。

但真正让整个 AI 圈震动的是这个数字:OpenAI 自有电话线已经用 Presence 自助解决了 75% 的入站问题。

这个数字意味着什么?意味着 Agent 不再是「辅助人类的工具」,而是直接接管一线服务的执行者。以前企业客服的自动化率普遍在 30-50%,OpenAI 直接把天花板抬到了 75%。这不是一个渐进式改进,这是 Agent 商业化的一次跳跃。

这篇围绕 Presence 的产品形态、4 大核心能力、75% 数字的行业意义,以及它对整个企业级 Agent 市场的影响,逐个拆开讲清楚。

一、Presence 是什么:不是 API,不是模型,是「可以直接部署的产品」

要理解 Presence 的真正分量,得先搞清楚它和 OpenAI 现有产品线的区别。

ChatGPT Enterprise:这是 OpenAI 给企业提供的 ChatGPT 高级版——更强的 GPT 模型、更长的上下文、更多的协作功能、SSO、企业级数据保护。它本质上是一个聊天工具的升级版,而不是一个 Agent 产品。

Realtime API:这是 OpenAI 去年推出的实时语音 API,让开发者可以构建低延迟的语音对话应用。它本质上是一个底层能力,开发者需要自己构建 Agent 逻辑、对话管理、工具调用。

Presence 是完全不同的东西——它是一个完整的企业级 Agent 产品线,企业部署之后直接可以用,而不是「拿到 API 之后自己开发」。

具体区别体现在 4 个维度。

维度 1:封装度

ChatGPT Enterprise 和 Realtime API 都需要企业有专门的 AI 工程师团队来定制化。Presence 是「开箱即用」的——企业开通后,Agent 已经内置了对话管理、工具调用、错误处理、用户意图识别等基础能力,只需要根据业务场景做轻量配置。

维度 2:产品形态

ChatGPT Enterprise 是一个「应用」(员工登录后和 AI 聊天)。Realtime API 是一个「接口」(开发者用来构建自己的应用)。Presence 是一个「平台」——企业可以基于 Presence 部署多个 Agent(语音 Agent、聊天 Agent、邮件 Agent、客服 Agent),这些 Agent 之间可以协同工作。

维度 3:企业级能力

Presence 内置了企业最关心的几件事——护栏、审批、审计、合规。这些能力在 ChatGPT Enterprise 和 Realtime API 里都需要企业自己实现。

维度 4:持续改进

Presence 内置了「Codex 持续改进环」——Agent 出错后,Codex 自动分析失败案例、生成改进建议,形成一个「部署 → 监控 → 改进」的闭环。这是 ChatGPT Enterprise 和 Realtime API 都没有的能力。

💡 Presence 不是 OpenAI 又一个新模型,而是 OpenAI 第一次把「企业级 Agent」做成完整产品——这是从「卖能力」到「卖结果」的商业模式转变。

(来源:OpenAI 官方公告)

二、4 大核心封装能力拆解

Presence 的产品文档里列出了 4 大核心封装能力,每一个都对应企业部署 Agent 时必然会遇到的真实问题。我们逐个拆开看。

1. 封装护栏(Guardrails)

企业部署 Agent 时的第一痛点:Agent 会不会「乱说话」?

如果 Agent 在和客户对话时泄露了不该泄露的信息(比如内部产品价格、用户隐私数据、商业机密),或者说出违反法律法规的内容(比如医疗建议、金融承诺),企业面临的不是「用户体验下降」,而是直接的法律和合规风险。

Presence 的封装护栏解决了这个问题:

  • 内容过滤:内置敏感词、不当言论、违规内容的实时过滤规则
  • 行为边界:Agent 的「能做什么」「不能做什么」通过配置项明确划定,而不是依赖 prompt 工程
  • 风险分级:对 Agent 的回答做风险分级——低风险直接放行,中风险触发确认,高风险直接拦截并转人工
  • 行业定制:针对金融、医疗、法律、电商等不同行业,有预设的护栏模板

对企业来说,封装护栏意味着 Agent 可以直接面对真实客户,而不需要担心「翻车」。

2. 审批工作流(Approval Workflow)

企业部署 Agent 时的第二痛点:Agent 能不能「自助行动」?

传统 AI 系统是「建议型」——AI 给出建议,人类做最终决策。但企业部署 Agent 的目的是让 Agent 直接行动——修改订单、发起退款、发送邮件、更新数据库。

但不是所有行动都可以让 Agent 自助做。比如:

  • 退款超过 5000 元 → 需要人工审批
  • 发送外部邮件 → 需要主管审批
  • 修改客户核心数据 → 需要主管审批
  • 删除订单 → 需要双人审批

Presence 的审批工作流把这些场景全部封装了:

  • 触发规则配置:企业可以配置「哪些操作需要审批」「哪些操作可以自助」
  • 审批界面:审批人在手机/电脑上看到 Agent 提交的执行请求,可以批准、驳回、修改
  • 审批历史:所有审批都有记录,可以审计和回溯
  • 紧急通道:对于特别紧急的操作,可以预设「紧急通道」跳过审批

对企业来说,审批工作流让 Agent 既能自助行动,又能守住关键风险。

3. 仿真评估(Simulation Evaluation)

企业部署 Agent 时的第三痛点:Agent 上线之后「行不行」?

以前企业部署 Agent 是「上线即赌运气」——Agent 上线后才知道能不能用。现在 Presence 的仿真评估能力让企业可以在上线前先用仿真环境跑几万条测试用例:

  • 场景仿真:模拟真实的客户对话场景,Agent 在仿真环境里和「仿真客户」对话
  • 边界测试:针对企业的具体业务,生成边界 case——比如客户要求退款但已经过了退款期、客户用方言提问、客户提供的信息不完整等
  • KPI 评估:Agent 的响应时间、解决率、用户满意度、转人工率等关键指标在仿真环境里就可以评估
  • A/B 测试:可以在仿真环境里对比不同 Prompt、不同模型配置的效果

对企业来说,仿真评估让 Agent 部署从「艺术」变成了「工程」。

4. Codex 持续改进环(Continuous Improvement Loop)

企业部署 Agent 时的第四痛点:Agent 上线之后「能不能越用越好」?

传统 AI 系统上线后就固化了——模型不变、Prompt 不变,Agent 的能力永远是上线那一刻的水平。但 Presence 的「Codex 持续改进环」让 Agent 可以自我进化:

  • 失败案例分析:Agent 出错时,Codex 自动分析失败原因(为什么回答错了、为什么用户不满意、为什么转了人工)
  • 改进建议生成:Codex 基于失败案例生成改进建议——可能是调整 Prompt、补充知识库、修改工具调用逻辑
  • 人工审核:所有改进建议都需要人工审核后才会上线,避免「自动改进」带来的失控风险
  • 效果验证:改进后的 Agent 重新跑仿真评估,确认效果提升后才正式部署

💡 4 大能力构成了 Agent 部署的「完整产品栈」——护栏管「不犯错」,审批管「可控行动」,仿真管「上线前验证」,改进管「越用越好」。这 4 项缺一不可,以前企业都得自己拼凑,现在 Presence 直接打包好了。

(来源:OpenAI 官方公告)

三、75% 入站自助解决:这个数字的行业意义

回到那个让 AI 圈震动的数字:OpenAI 自有电话线已经用 Presence 自助解决了 75% 的入站问题。

这个数字需要放在历史坐标里看才有意义。

企业客服自动化率的历史曲线:

  • 2018 年(规则机器人时代):大部分企业的客服自动化率在 10-20%
  • 2022 年(早期 Chatbot + LLM):提升到 30-40%
  • 2025 年(GPT-4 级别的对话能力):大部分企业达到 40-50%
  • 2026 年(Presence 这种产品化 Agent):OpenAI 做到 75%

75% 这个数字意味着:

意义 1:Agent 真正「接管一线服务」,不再是辅助

40-50% 的自动化率意味着 Agent 只能处理「简单问题」,复杂问题还是要转人工。75% 意味着 Agent 能处理「绝大多数问题」,包括中等复杂度的退款咨询、订单修改、产品推荐、故障排查等。人工客服只需要处理「疑难杂症」。

意义 2:客服行业的岗位结构会重塑

当一家企业的客服自动化率达到 75%,意味着 75% 的客服岗位会被 Agent 替代。但这不意味着「客服人员全部失业」——而是从「接电话的人」变成「训练 Agent 的人」「处理疑难案例的人」「优化 Agent 的人」。岗位数量会减少,但单个岗位的价值会提升。

意义 3:企业客服成本会大幅下降

以前企业客服的「单次服务成本」(人力成本 + 培训成本 + 管理成本)大约是 5-15 美元/次。Agent 化之后,这个成本会降到 0.5-2 美元/次。对客服密集型企业(电商、SaaS、金融服务)来说,这意味着数十亿级别的成本节约空间。

💡 75% 不是「OpenAI 客服做得好」——它是「企业级 Agent 商业化的临界点」,整个客服行业的成本结构会被重写。

(来源:OpenAI 官方公告)

四、Presence 的产品形态变化:从「卖能力」到「卖结果」

Presence 的发布,标志着 OpenAI 在企业市场的商业模式发生了根本性变化。

以前的 OpenAI 企业市场模式:卖能力

  • 提供 GPT-4 / GPT-5 API → 企业自己构建 Agent
  • 提供 ChatGPT Enterprise → 企业用 ChatGPT 提升员工效率
  • 提供 Realtime API → 企业自己开发语音应用

这种模式的问题是:企业需要有 AI 工程师团队、有 Agent 开发能力、有持续运营能力。大部分企业没有这些能力,只能「看着 OpenAI 眼馋」。

Presence 的新模式:卖结果

  • 企业不需要有自己的 AI 工程师团队
  • 企业不需要自己构建 Agent 逻辑
  • 企业只需要配置业务规则,然后 Agent 就开始工作
  • OpenAI 通过「Codex 持续改进环」负责 Agent 的优化

这种模式对企业 CIO 来说,决策框架完全变了——以前评估 AI 项目是「找团队做 PoC」(项目制,6-12 个月,百万级预算),现在是「选厂商比对产品」(产品制,1-3 个月部署,按席位/调用量计费)。

💡 Presence 让 OpenAI 从「AI 能力提供商」变成了「AI 结果提供商」——这是 AI 商业化的一次范式转变。

(来源:OpenAI 官方公告)

五、行业影响:Presence 之后的 Agent 产品格局

Presence 的发布,会在 2026 年下半年对整个 AI 行业产生 4 个层面的影响。

影响 1:其他头部厂商会加速「产品化」

Anthropic、Google DeepMind、xAI 等头部厂商会感受到压力——它们的 API 和模型虽然好,但没有 Presence 这种「产品化封装」。在企业市场,「产品化封装」会变得越来越重要,迫使各家加速从「卖 API」转向「卖产品」。

影响 2:企业级 Agent 市场进入「诸侯割据」阶段

以前企业级 Agent 市场是「OpenAI 一家独大」(因为它有最好的模型 + 早期入场)。现在 Presence 把「产品化」做完,其他厂商会迅速跟进。2026 年下半年,企业级 Agent 市场会进入「诸侯割据」阶段——OpenAI Presence、Anthropic Claude for Business、Google Gemini Enterprise、xAI Grok Enterprise 会在不同细分市场展开竞争。

影响 3:中型 AI 公司会被挤压

OpenAI 做 Presence 这种「产品化」,意味着它在企业市场会吃掉中型 AI 公司的生存空间。以前中型 AI 公司的打法是「在 OpenAI 模型基础上做定制化封装」(比如做行业 Agent),现在 OpenAI 自己做了,中型公司要么往更垂直的行业走(医疗、法律、金融),要么被淘汰。

影响 4:Agent 工程师的技能要求会变化

以前的 Agent 工程师主要技能是「Prompt 工程 + API 集成 + 数据处理」。Presence 这种「产品化 Agent」出现后,Agent 工程师的核心技能会转向「业务理解 + Agent 配置 + 持续改进」——更接近「业务分析师」和「产品经理」,而不是「程序员」。

💡 Presence 不只是 OpenAI 的一个新业务——它重新定义了「企业级 AI」的形态:从「能力」到「产品」,从「辅助」到「接管」,从「技术项目」到「业务决策」。这 3 个转变会在 2026 年下半年同时发生。

(来源:OpenAI 官方公告)

Presence 是 2026-07-24 AI 圈 8 大新闻中的第二条,下一篇会拆解 Cognition Devin Outposts(编码 Agent 下沉到客户自有机房),继续关注。