Agent正在以前所未有的速度重塑企业软件。过去依赖菜单、流程和定制开发的软件模式开始被改写， 企业软件 市场进入新一轮重构周期。对甲方企业和软件厂商而言，真正的挑战 在于如何 在 落地 价值 与合规安全 之间找到新的平衡点。

在此背景下，爱分析与 金智维创始人廖万里 进行了一场深度对话。 作为国内较早布局企业智能体的 厂商，金智维正通过 AI规划、RPA执行的方式，将智能体真正转化为企业里的数字员工。

本次访谈重点讨论了 Agent对企业软件的影响、Skill范式转型、AI与RPA分工等问题。

核心观点：

OpenClaw并没有削弱企业软件壁垒，反而让行业Know-how变得更值钱。 企业真正需要的不是聊天机器人，而是能嵌入业务流程、理解监管规则、稳定执行任务的数字员工。

Skill本质上是在重构企业知识沉淀方式。 过去沉淀的是模板和代码，未来沉淀的是可调用、可组合、可复用的 Skill能力。

AI负责规划，RPA负责执行，正在成为企业Agent落地最现实的路径 。 大模型已经基本解决规划问题，企业真正缺的是执行能力。 AI在复杂企业系统里的稳定执行需要长期积累的RPA原子化能力。

企业 最大的风险不是技术落后，而是盲目重建一切。   基础模型迭代极快， 企业如果 盲目追逐热点 ，投入很容易 打水漂。 企业的 核心精力应放在数据治理、知识资产和业务规则的沉淀上。

0 1   OpenClaw没有颠覆软件，反而让Know-how更值钱

爱分析：过去 ， 企业软件核心壁垒是行业Know-how 、 交付 等能力。随着 AI能力增强，这些壁垒会 发生什么变化 ？

廖万里： 企业软件正演化为企业级智能体。 智能体 必须 嵌入企业内部业务流程， 因此 行业Know-how会变得更重要。 比如金融行业，我们这些年积累了数以千计的业务流程模板。这些模板背后，其实不是简单的流程图，而是金融机构长期运行下来的业务规则、监管要求、审批逻辑、合规边界。我们 的 企业级智能体之所以能够真正落地，就是因为这些沉淀可以和基础模型结合。

同时， 交付会发生很大变化 ， 会越来越普惠化、平民化。 以前 做 企业 软件 ，门槛其实挺高的。很多事情都要IT人员参与，甚至需要专业开发团队去做。现在随着AI能力增强，未来智能体从设计、编排到落地，越来越多环节都可以通过自然语言交互完成。

这意味着什么？意味着智能体开始从少数技术人员的工具，变成更多业务人员也能参与构建的工具。我们现在其实和很多客户交流的时候，都会提一个目标：未来每个人都应该拥有自己的智能体。因为真正懂业务规则的人，其实往往不是IT人员，而是业务人员。过去他们不会开发，所以只能提需求。现在他可以直接通过自然语言描述业务逻辑，让智能体帮他生成执行流程。以前是厂商交付，未来很多场景会变成业务人员自己构建。

爱分析： 厂商的商务壁垒是最不受 AI 影响的 ？

廖万里： 商务能力当然重要，但最终还是价值决定了是否合作。企业客户最关心的是，你是不是能帮他创造价值。尤其现在，很多企业已经把 AI落地列入一把手工程。AI不是可做可不做，而是KPI。在这种情况下，客户更关心的是谁真正有能力把AI落下去。只要你能帮他真正落地AI战略，你自然就会成为首选合作伙伴。

爱分析：OpenClaw这种开放探索型的 智能体 ，怎么看它未来在企业里的落地？  

廖万里：   OpenClaw这种智能体没有吸收企业内部的Know-how，没有消化企业内部的数据和系统，其实很难做出精准的规划和编排。 大家经常讲模型幻觉，本质上就是它不了解真实业务世界。如果幻觉问题解决不了，企业其实很难把它真正放进生产流程里。它只能是一个辅助工具，而不是企业真正意义上的数字员工。

真正的数字员工，应该像同事一样工作，而不是只停留在聊天。

爱分析：如果企业CIO问 ， OpenClaw应该怎么在企业里落地，你会怎么建议？

廖万里： 我会说， 当前阶段OpenClaw真正能落地到核心业务流程里的 ， 可能性非常有限 。现在OpenClaw确实很火，大家都在讨论。但热潮过去以后，你会发现真正已经深度落到企业生产流程里的案例，其实并不多。而且监管部门其实也已经开始发很多风险提示了。包括工信部，还有很多金融监管机构，大家都会提醒企业注意安全问题。

不过 ， OpenClaw让大家对Agent有了更深认知 。以前很多企业不知道智能体到底能做什么，现在大家开始意识到，原来AI真的可以在企业里承担很多工作。企业真正想要的，是既具备Agent能力，又有安全护栏，同时还能保护企业数据的体系。所以企业其实并不是排斥智能体，而是希望它变得可控、可靠。

02 智能体落地难点不在规划， 而在执行

爱分析： 对于企业而言， Skill和Agent Store是一回事吗？

廖万里：Skill 更 像以前的脚本 。刚开始大家都觉得，大模型无所不能，你只要跟它对话，它就能理解一切。后来发现不是这样的 ， 很多知识点还是需要提前定义。所以现在大家开始用Skill，把知识点变成可调用能力。

Skill 本质上其实有点类似以前预定义脚本 ， 只是以前是程序员写脚本，现在变成自然语言定义Skill ， 但目标是一样的：让模型更准确理解你的意图，并且能够稳定执行。

爱分析： 在 AI能力增强、 Skill 范式成为主流的背景下，智能体在企业能真正落地了吗 ？

廖万里：现在智能体在企业已经接近可落地状态了 ， 真正的门槛不在规划，而在执行 。

过去很多问题已经被 解决 。比如 ， 以前自然语言很难精准描述业务，但现在如果你能够结合内部知识库，再结合Skill沉淀固定业务规则，它其实已经可以完成比较准确的规划和编排。也就是说，在规划层面，已经接近可用。

但真正更难的，其实是执行。现在很多智能体的执行方式，主要还是Browser Use或者Computer Use。浏览器场景还好，因为网页环境相对标准化，所以成功率比较高 。 但企业内部大量系统不是浏览器 ， 很多是复杂桌面系统、专有系统、老旧系统。这些系统如果只靠视觉识别去操作，目前成功率其实还是偏低。

03 AI时代，最大的风险不是 技术落后，而是重建一切

爱分析：很多甲方 企业 也很焦虑 ， 担心之前建设的 智能体 平台 、应用都 会被推翻。

廖万里：AI本质上还是数据驱动 ， 所以企业真正最重要的，是数据治理、知识沉淀和业务规则沉淀 。这些东西才是燃料 ， 模型离开这些燃料什么都做不了。

至于工具和平台，要保持开放 ， 因为技术迭代会非常快。以前很多企业、运营商、大行，自己花很多钱做基础模型，后来发现根本追不上开源模型 ， 这些投入最后就容易打水漂。但企业内部的数据、规则和知识沉淀，不会过时。企业真正应该重视的，不是追逐每一波热点。而是把自己的知识资产沉淀下来 ， 未来模型怎么变都能快速对接。

爱分析：未来 ， 甲方 企业 会借助AI工具 自行 沉淀Know-how而不依赖外部厂商 吗 ？

廖万里：企业会越来越多参与Know-how沉淀，但专业厂商的价值不会消失 。以前很多需求，要靠厂商的人去调研、理解业务，再开发系统。现在业务人员自己就能表达需求，并且转化成Skill。这个趋势是一定会发生的。

但术业还是有专攻。真正复杂行业，尤其金融行业，不是简单懂业务就够了 ， 里面还有 业务逻辑迭代 、系统稳定性、安全性 和 监管要求。以前证券行业就有大券商觉得，不需要外部厂商，自己招团队开发系统 ， 结果系统会越来越孤岛化。随着交易规则变化、监管变化，它内部团队会疲于升级 ， 最后行情爆发的时候，系统直接宕机。

爱分析：AI会改变软件行业格局吗？

廖万里：一定会 ， 如果传统厂商不转型，它原来的能力会被颠覆。

我去年就预测过，很多传统软件的入口会被智能体替代。未来很多软件会退到后台 ， 它不再是用户直接操作的入口，只是智能体调用的执行对象。

企业定义业务流程的方式，也会发生变化。以前是写软件、做菜单 ， 未来可能不需要菜单。有了数据和规则，智能体自己就能快速编排流程。传统软件行业，一定会被重构。

爱分析： 这种变革会是创业公司的机会吗？

廖万里： 很多传统软件领域，现在已经开始被智能体公司切入 。比如人社、社保行业，以前都是传统厂商。现在智能体公司进去之后，会发现很多原来必须改系统才能完成的业务流程，现在不需要改系统了 ， 智能体直接就能做。所以一些传统软件厂商，尤其是重定制、重人力外包模式的，会受到很大冲击。

当然金融行业会慢一些。金融行业最看重安全、稳定和可靠。AI现在还没有完全解决确定性问题。所以要彻底颠覆金融核心系统，我觉得还需要时间。