2026年，机场广告牌、电梯间屏幕、朋友圈信息流——铺天盖地的广告，都在卖同一件事：AI帮你办公。 

如果你把各家产品的功能清单放在一起，才会发现它们长得越来越像。这意味着，靠功能列表建壁垒的路走到了头。

8月25日，“ 豆包工作 ”正式发布，这是一个全新的Agent产品与品牌，同时 豆包工作 强调了另外一件事：与飞书深度打通。

这句话看似不起眼，却把比赛带进了下半场：上半场比的是谁的Agent更能干，下半场比的是谁能真正提升组织生产力。

Agent更强了，但企业却没有变快

先看Agent上半场发生了什么。

自OpenClaw以来，大模型之间的差距在缩小，把模型变成Agent所需要的那套工程能力也正在快速标准化。Memory、Skills、MCP、工具调用、Sandbox、Computer Use、长任务执行……过去需要一个团队自行搭建的Agent Harness，如今越来越多地被模型厂商和开源框架直接提供。

今年4月，OpenAI更新Agents SDK，将memory、sandbox、文件系统工具、MCP、Skills等能力纳入一套标准化Harness；Lang Chain随后甚至把Agent概括成一个简单的公式：Agent=Model+Harness。越来越成熟的SDK和开源Harness，让开发者可以替换模型、连接工具、复用成熟的Agent架构。

这改变了Agent产品的竞争逻辑——能力列表不再是壁垒。

一个功能出现后，其他产品跟进的时间正在缩短；一个Harness被验证之后，也可能很快成为整个行业可以复用的基础设施。

这让Agent的能力快速增长——能读的文件越来越长，能跑的任务越来越多。

然而，企业将AI能力真正转化为组织生产力的速度，并没有同步跟上。

这个反差已经体现在一些第三方研究中。Deloitte 2026年对全球24国3235名企业高管的调查显示：公司给员工配了AI工具的覆盖率从不到四成涨到六成，但真正开始利用AI深度改造产品、核心流程或商业模式的企业，只有34%。另有37%的企业仍停留在相对表层的应用，对既有业务流程几乎没有改变。

这种落差，落到企业里的每一个员工身上，其实非常具体。

例如，一个员工希望让Agent“复盘一个项目”“或者“看看项目为什么延期”。尽管大模型足够擅长总结和推理，但真正的阻碍常常发生在AI开始工作之前——客户刚改了什么需求、上周会议形成了什么结论、最新方案是哪一版、谁在负责推进、流程卡在哪个审批——这些决定判断的信息，不会天然出现在Agent的对话框里。

于是，员工得先翻群聊、找会议纪要、下载表格和文档，把散落在不同地方的信息整理出来，再重新向AI解释一遍。

Agent看似在替人工作，人却要先替Agent准备工作。

企业里的工作从来不是一个个孤立任务。一个需求可能从群聊里的讨论开始，进入会议形成共识，沉淀到文档和表格，随后进入项目、任务和审批，在不同部门和负责人之间不断流转。它的前因后果，散落在知识、数据、流程、权限、组织关系和历史决策之中。

能力决定Agent会不会干活，上下文决定Agent能不能干好活。

如今，前者已经不是瓶颈，后者才是。

豆包工作，在飞书里寻找“工位”

为了解决这个瓶颈， 豆包工作 做的最关键的一件事，是和飞书做了账号级别的集成。

用飞书账号登录后，Agent可以直接继承用户在飞书里的工作上下文——在权限范围内调用聊天记录、文档、会议纪要、日程等信息。它不需要员工先把散落的信息搬运过来，而是直接在工作发生的地方寻找信息、理解关系、继续行动。

这件事的重要性，取决于飞书里到底有什么。

多数企业里，数据是散的，Agent想完成一项跨系统的工作，得先逐个连接、搬运数据，再处理不同系统之间的身份和权限。每多一个系统，就多一层摩擦。

但飞书天然把这些放到了一起——聊天、文档、会议、知识库、多维表格、项目和审批，本身就在同一套组织身份、权限和协作体系里。

更关键的是，飞书过去几年一直在为AI调用做基础设施准备。会议沉淀为可搜索、可引用的妙记，文档、知识库、群消息和多维表格都已经针对AI调用做过适配。

数据不是堆在那里，而是已经被整理成了Agent能理解、能使用的形态。

飞书是国内主流协同平台中，组织信息统一程度最高、对Agent适配最完整的平台，更接近一套AI原生的组织操作系统。这也是为什么在“龙虾”浪潮之下，飞书被开发者顺理成章地圈定为Agent的核心执行与协作入口。

当Agent真正跑在这样的土壤上时，给工作带来的效率提升是立竿见影的。

过去，一个跨部门项目的真实进展往往散落在群聊、会议纪要、任务和审批里，想确认能否按时上线，往往需要逐个对齐，但现在，你只需要问 豆包工作 一句“x月x日还能不能上线”，Agent就能沿着飞书里留下的轨迹，自行寻找信息并拉出进度与风险。遇到GPU扩容、资源申请、版本上线这样的关键节点，它还能继续追溯是谁、在什么时候提出申请，以及批或不批分别会对项目产生什么影响。

员工不用再花半小时给AI补背景。Agent开始像一个从头参与过这个项目的同事那样工作——自己找信息、自己理清前因后果，再给出判断。

但仅仅“知道公司在发生什么”还不够。一个真正的数字员工，还要能把事情做下去，并且把结果留在组织里。

豆包工作 可以处理文档、表格和PPT，搭建网页和应用，生成图片视频，操作浏览器和本地电脑。但真正的区别不在这些功能本身，而在产物去哪了。

一个AI生成的报告，如果停留在个人对话框里，同事看不到、改不了、下次还得重新解释背景——这一次的效率提升，在下一次工作时就消失了。

但连接飞书后， 豆包工作 生成的内容可以重新回到飞书，被同事分享、评论和修改；成熟的工作方法可以沉淀成组织共享的技能，下次直接调用。

这才是一个完整的闭环：理解组织、执行任务、进入协作、获得反馈、沉淀为新的组织经验。Agent做得越多，产出的结果就越多地转化为企业资产，反过来成为后续工作可调用的上下文。

能干活的是工具，知道公司在发生什么、能自己把事推下去、把结果留给团队的，才算员工。

Agent的ROI，从个人提效走向组织效率

Agent进入组织之后，企业衡量AI价值的标准也会随之改变。

比起一个人因为AI少工作了多少分钟，更重要的问题开始变成，它能不能减少整个组织运行中的沟通、协作和流程成本。

BCG今年6月的《AIatWork》全球调查给出了一个扎眼的数字：42%经常使用AI的一线员工每周能省至少8小时。但BCG紧接着说了一句——大多数企业还没搞清楚怎么把这些省下来的时间变成组织价值。

毕竟，一个人快了，不等于一个团队快了。

企业真正大量的效率损耗，不在任务内部，而在任务与任务、人和人之间：找资料、问进度、同步信息、确认负责人、跨部门沟通、等待审批。这些动作单独看都不复杂，却构成了组织日常运行中最大的隐性成本。

AI把制作一份PPT从两小时压到半小时，但如果这份PPT之后的评审、修改、跟进还是照旧，组织层面的效率并没变。

这意味着Agent的价值不在替人做完一份材料，而在接手材料之后的那一串衔接动作——去查、去问、去同步、去推进。

这就要求它真正进入组织的业务现场：客户资料、经营数据、会议内容、审批流程。

于是权限成了不可回避的前提。

一个员工无权查看的客户信息，Agent同样不应该获得；一个员工无权执行的操作，AI也不能绕开。

豆包工作 沿用了飞书已有的身份和权限体系，Agent只能在当前员工的权限范围内获取数据和操作工具；同时， 豆包工作 也打造了严格的全链路Agent安全防护体系，覆盖了设备接入、权限设置、额度管控、数据加密和操作审计等环节。目前，它已成为国内首批通过中国信通院“办公智能体能力”与“云端基准测试”双项认证的办公智能体。

这不是更强的Agent，而是让Agent以组织成员身份运行在既有的安全治理体系内。

过去企业软件管的是人能做什么；Agent进来之后，还要管AI能替人做什么——“权限”，正在成为组织级Agent与个人AI助手之间的一条重要分界线。

由此再看这一轮Agent的竞争，评价体系也发生了变化。

AI办公的上半场，各家比的是谁能给个人提供更强的AI：模型更聪明、生成质量更高、完成的任务更多。这些能力正在趋同，差异越来越小。

来到了下半场，真正拉开差距的，是谁能让Agent安全地进入组织，理解正在发生的工作，参与真实流程，把一次任务的结果变成整个组织能复用的经验。

因此， 豆包工作 真正值得关注的，不是又多了一个能做PPT的Agent，而是字节把全力押注的Agent与最AI-Native的组织基础设施焊在了一起。

Agent的竞争，也从个人生产力，走向组织生产力。