jaam automation 在 9 月 29 日推出 M.，想填的是一个被反复点破的洞：88% 的组织已经用上 AI，却只有 7% 真正把技术规模化。更刺眼的一组对照是，80% 的员工说 AI 提升了个人效率，但只有 37% 的组织称看到了 EBIT 层面的改善。个人提效没有变成企业增收，鸿沟卡在「上下文」和「编排」上。
M. 的解法叫 Context Engine：把组织的知识、实时工作流、人的决策聚到一起，让 AI 懂业务到底怎么运转，再从决策与结果里学习、改进后面的自动化。它按「分析—构建—工作—智能—优化」五阶段推进：先摸清流程与系统，再落成结构，带上下文跑起来，过程中盯风险、该让人接手就让人接手，最后找还能进一步自动化的地方。
它明显押注微软 365 生态——Azure AI、Copilot、Power Platform 都在集成范围内。这个选择踩中一个现实：过去一年里活跃的 Microsoft 365 智能体涨了 15 倍，M. 把自己嵌进这条早已铺开的轨道，而不是另起炉灶去争抢企业入口。
背后的判断是，AI 叙事正从「单点工具」转向「企业编排」。Gartner 年初就把「通用编排」列为企业的主关卡：当智能体和人、系统散落在不同厂商环境里，真正难的不是再买一个 AI，而是把它们协调起来。M. 主打的 Agentic Work Management，本质上是把 BPM（业务流程管理）从「人主导的静态流程」推到「人、系统、智能体混编」的新形态。
「五阶段」里容易被低估的是 Intelligence 与 Optimisation 两段：很多平台止步于「把 AI 接进流程」，但 M. 强调在跑的过程中盯风险、该让人接手就让人接手，再回过头找还能自动化的地方。这其实是把「人」设计成闭环的一部分，而不是把人排除在外。采用率与规模化率之间的裂口，很大程度上就是因为早期方案把人甩得太远，出了事没人兜。价值主张能不能立住，最终要看它能否把 EBIT 那条 37% 往上推。
要泼的冷水也有。传统 BPM 厂商不会坐视，它们会证明自己也能管自主智能体；而「上下文引擎」到底能不能真把 EBIT 抬上去，取决于企业愿不愿意把流程、系统、人全接进来——集成负担不轻。对 jaam 来说，价值不在 AI 本身，而在把 AI 粘回业务的那层胶水；这层胶水能不能变现，要看它能不能把 88% 与 7% 之间的裂口真正填上。M. 若只停在协作层，恐怕仍填不满那道鸿沟，它的机会在于微软生态已经铺好的轨道，难点在于让企业愿意把家底亮给上下文引擎。
五阶段里「构建」这一步值得多想一层：Context Engine 不是把企业流程原样照搬进 AI，而是先把流程和系统摸清，再落成带上下文的结构。这意味着它要读懂企业既有的 ERP、CRM、工单系统怎么跑，而不是另立一套。对已经堆了一地 SaaS 和自研系统的中大型组织，这种「先读旧、再编排新」的姿势，比推倒重来更容易落地，也决定了它能不能真正把个人提效接到 EBIT 那一层。
把五阶段落到一个具体场景更好懂：一家零售商要处理退货纠纷。分析阶段摸清工单系统与退款规则；构建阶段把规则和知识落成结构；工作阶段让智能体在上下文里起草处理建议；智能阶段在跑的过程中盯异常、该让人接手就让人接手；优化阶段回看哪些纠纷反复出现，找还能自动化的地方。闭环里人始终是裁判，不是旁观者——这正是 M. 想和「把人甩远」的早期方案拉开的地方，也是采用率与规模化率之间那道裂口能不能被填上的关键。