两场活动与三个场景
10 月 16 日，金山办公在昆明举办 WPS Comate 组织级 AI 办公先锋先行城市峰会，参会方包括券商研究机构、中国信息通信研究院以及云南本地企业；会上向云南恒通煤业有限公司与云南师范大学颁发了应用先锋组织奖。次日，在沈阳举行的 2026 东北亚人才交流大会暨人工智能赋能产业发展大会上，金山办公副总裁王少康围绕组织级智能体落地做了分享。两场活动的口径互相补充，构成了本文复盘的材料基础。
先说清楚案例的性质：这不是一份第三方审计报告，而是一组由厂商、客户与参会机构在公开场合做出的陈述。它的价值在于结构可借鉴、步骤可复现，而不在于数字可直接搬用。
三本账：招采、问数、热线
| 场景 | 主体 | 改造前 | 改造后 | 触发方式 |
|---|---|---|---|---|
| 招采数据导入、校验与台账回写 | 云南恒通煤业招采中心（云南省能源集团所属） | 两个多小时手工作业 | 几分钟完成 | 数字员工每天凌晨自动执行，早九点前把处理条数与金额推送到工作群 |
| 高管问数 / 领导问数 | 金山办公内部，覆盖销售、售前、售后与技术团队 | 取数按天计算 | 即时 | 业务管理者在权限范围内自然语言提问，可连续追问与下钻 |
| 12345 政务服务热线 | 政务组织（政务版场景） | 人工识别诉求与分派、周期报告人工撰写 | 案件秒级分派、周期报告分钟级生成、数据归集效率提升九成以上 | 自动识别诉求、匹配承办部门、超期工单预警、报告自动分析与推送 |
三个场景分属三个截然不同的行业——煤炭招采、软件公司内部管理、政务热线，但改造的形状高度一致：都是「跨系统取数 + 按规则处理 + 结果回写或推送」。
另外一组来自官方内容页的场景读数可以作为规模参照：金融信贷审批从三到五天缩到三十分钟，制造业设备预测性维护实现故障提前七到十四天预警，法律合同审核效率提升五倍，医疗科研数据整合从两周缩到两天。需要说明，这几组数字来自厂商自己的内容页，未标注客户名称与测量方法，与前三行不同源，只能作为能力边界的旁证。
公开口径只给了「两个多小时」到「几分钟」。若按每天执行一次、每次从约 120 分钟降到约 5 分钟、每次净省 115 分钟、一年按 250 个工作日估算，单岗位年节省约 479 小时，约合 60 个八小时工作日。这个推算建立在三个假设上——执行频次为每日一次、每次净省时长固定、全年无中断——而公开材料并未披露这三项，也没有说明该数字员工是否全年无休或需要人工干预。因此它只能作为量级参考，不能当作承诺值。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
共同结构：数字员工与聊天助手的分界线
把三个场景拆开看，会发现一条共同的结构，而这条结构正是「数字员工」区别于「聊天助手」的地方：
- 跨系统取数由平台承担。招采场景要从多个来源导入数据，问数场景要跨系统抓取指标与统计口径，热线场景要归集分散的诉求数据。这一步都不是靠模型理解界面，而是靠数据通道。
- 处理规则显式化。校验规则、台账回写格式、诉求与承办部门的匹配规则，都需要先定义清楚才能交给智能体执行。
- 触发方式从「人问」变成「定时或事件」。招采数字员工每天凌晨自动跑、热线对超期工单自动预警——一旦触发不再依赖人主动提问，才真正进入固定流程。
- 结果回到人所在的地方。早九点前推送到工作群、周期报告自动推送、问数结果可追溯，三者的落点都是人已经在用的界面，而不是另一个新系统。
这四条里，第三条是最容易被忽略的。客户负责人的原话是「如今数字员工进入每日固定流程，替代感是实打实的」——「固定流程」这四个字比「几分钟」这个数字更能说明落地程度。一个需要人记得去问的智能体，和一个每天自己跑完把结果发到群里的智能体，节省的人力不在一个量级。
两位高管的框架对齐成一份清单
两场活动上，两位副总裁各给了一套说法。把它们对齐之后，会得到一份可以直接拿去检查自家准备度的清单。
| 吴庆云的三条通道 | 王少康的三要素 | 落到检查项 |
|---|---|---|
| 数据通道 | 上下文（视野） | 指标口径是否统一、跨系统能否取到、数据是否可追溯 |
| 知识通道 | 上下文（视野） | 制度、条款、历史工单是否结构化，能否被自然语言检索 |
| 接口通道 | 工具（手脚） | 回写、推送、触发流水线的接口是否开通，动作是否留痕 |
| 成本与安全管理 | 安全保障 | 权限边界、审计日志、支出上限是否就位 |
| — | 大模型（大脑） | 模型可替换，不作为差异化来源 |
王少康的判断值得单独记下来：随着大模型走向平权，真正拉开智能体产品差距的已不仅仅是大模型本身，而是上下文与工具调用能力。上下文决定智能体能否理解用户和组织，工具决定它能否把理解转化为行动。吴庆云的表述则从另一头说同一件事：过去是人通过工具使用 AI，未来是人直接与 AI 对话、由 AI 调动工具。
本文的增量判断是：这两套说法合起来，实际上把选型问题从「选哪个模型」改成了「你的数据与接口准备到什么程度」。对大多数组织来说，这个转换意味着三到六个月的准备工作，而且这部分工作无法靠采购解决。
FDE 这一层：37 亿行良率数据为什么不丢给大模型
会上最有工程含量的一段，来自金山办公高级 FDE 经理李素丽。她给出的定义是：骨干经验是资深工程师、法务、金牌销售脑中那些没被写下来的判断，而 FDE 的工作就是扎进客户现场，把经验沉淀为可复用的智能体技能。
她分享的具体案例是：面对一家制造企业的 37 亿行良率数据，团队没有把数据丢给大模型，而是用查询工具加上 DataHub 统一数据口径，工程师用自然语言提问，即可拿到异常范围、候选原因与待验证项，过去四五天的分析秒级生成报告。
这个做法的技术要点是「不把原始数据塞进上下文」——37 亿行显然远超任何上下文窗口，正确路径是先用查询工具做聚合与筛选，再把小规模中间结果交给模型做判断。这与本站此前复盘的多个工业与金融案例是一致的：智能体在这一类场景里的角色是写查询与读结果，不是读全量数据。
同时也暴露了这类落地的真实成本结构：需要有人驻场把经验翻译成技能。李素丽提到的 FDE 岗位，本质上是把「隐性经验显性化」的劳动，这部分人力投入通常不会出现在软件报价里。
风险清单：评估方与厂商各自说了什么
这份案例里较有说服力的一段，是风险不是被外界指出、而是由评估方与厂商自己列出的。
| 提出方 | 风险点 | 公开对应措施 |
|---|---|---|
| 中国信通院云大所（吴江伟） | 权限越界 | 越权访问拦截、权限体系 |
| 中国信通院云大所（吴江伟） | 插件生态 | 官方、企业、社区三层技能生态与组织认证机制 |
| 中国信通院云大所（吴江伟） | 外部调用 | Comate Studio 全生命周期留痕 |
| 金山办公（王少康） | 数据安全 | 私有化部署、三级数据分级保护 |
| 金山办公（王少康） | 核心知识保护 | 容器化沙箱隔离、纯内网部署 |
| 金山办公（王少康） | 模型行为不可审计 | 操作日志留痕，满足金融、医药、工程等行业的审计要求 |
信通院方面同时披露，WPS Comate 已通过该院组织的两项评估——企业级办公智能体能力评估与企业级智能编程助手能力评估，且据央广网转述，是首批在两大方向均获认可的产品之一。这里要提醒一句：能力评估通过说明产品满足了评估方设定的门槛，不等于在自家场景里必然达到同等效果，两者不可混为一谈。
值得注意的是，风险清单里有一项几乎无解：模型行为不可审计。日志能记录调用了什么、返回了什么，但记录不了模型为什么这么判断。对金融、医药这类强合规行业，这条决定了智能体只能承担「有明确规则可校验」的环节，而不能承担需要自由裁量的环节。
价格与回收：一笔粗账
WPS 365 的公开报价分为三档：商业协作版 199 元每人每年，含基础在线文档能力；商业高级版 399 元每人每年，含基础 AI 能力；商业旗舰版 599 元每人每年，提供完整的 AI Hub、AI 使用分析及开放接口能力。Comate Wiki、创意生成等进阶功能或私有化部署方案需要联系销售开通或额外购买。企业可创建的专家数量按授权规模配置，标准版支持 10 个，高级版不设限。
按 599 元每人每年粗算，一个 100 人的部门年费约 6 万元。前文推算招采单岗位年省约 60 个八小时工作日——这意味着只要有两个到三个类似强度的岗位被改造，软件年费在名义上即可覆盖。但这笔账有三个必须扣除的项：其一，实施与集成成本未含在内；其二，FDE 驻场与技能沉淀的人力投入未计价；其三，节省的工时只有在该岗位确实被削减或被转用于其它产出时才算真回收，否则只是「省了时间但没省人」。
第二条尤其重要。本文在多个案例复盘里看到同一个规律：节省工时是最容易测的指标，也是最容易被高估回报的指标——因为工时节省并不自动等于成本下降。
SpreadsheetBench 的成绩该信几分
报道提到，2026 年 WPS AI 在国际表格 AI 评测 SpreadsheetBench V2 Full 中取得综合成绩领先，超过 GPT、Claude 等海外大模型，另有两项翻译成果在 WMT26 中取得领先成绩。
这里需要做两层口径区分。其一，SpreadsheetBench 测的是表格操作能力，属于办公 AI 的一个子集，不能外推为组织级智能体的整体能力——后者更依赖数据通道、接口通道与治理，而这些恰恰不在基准测量范围内。其二，该成绩为厂商口径，评测的具体版本、子集与运行配置未在报道中披露。合理的用法是把它当作「表格这一单项不落后」的旁证，而不是选型决定依据。
六步复现：从一条台账到组织级入口
把三个场景的做法抽象出来，可以得到一条可复现的路径：
- 挑一条每天都要做、规则写得出、结果可核验的流程。招采台账回写是标准样本：高频、有规则、回写结果可对数。
- 先测基线。把单次的耗时、出错率、等待时间测出来。没有基线就无法验证改造后的收益，也无法发现「省了时间没省人」。
- 铺三条通道。数据（口径统一、可追溯）、知识（制度与历史工单结构化）、接口（回写与推送能力开通）。这一步是吴庆云强调的「没有捷径」的部分。
- 把触发从人问改成定时或事件。这是从助手变成员工的转折点。招采改成凌晨自动跑、热线改成超期自动预警，都是这一步。
- 结果推到人已经在的地方。工作群、报表、看板，而不是新开一个需要人记得登录的系统。
- 把骨干经验翻译成技能并做组织认证。由 FDE 或业务骨干完成，进入技能市场前经过认证，避免能力质量参差不齐。
三条红线与避坑清单
- 不要把「通过能力评估」读成「适配自家场景」。评估测的是产品门槛，适配测的是数据与接口准备度，两者不重叠。
- 不要把省下的工时直接当回收。只有在岗位被实际削减或时间被转用于其它产出时，节省才变成收益。招采案例中「替代感是实打实的」是客户主观陈述，未给出人力变动数据。
- 不要在需要自由裁量的环节上放权。模型行为不可审计是厂商自己列出的一条，日志能记动作、记不了理由，强合规行业应当守住这条边界。
- 不要忽略 FDE 与技能沉淀的人力成本。这部分通常不在软件报价内，却往往决定项目能否从一条流程扩到二十六个场景。
- 不要把单项基准成绩当作整体能力证明。SpreadsheetBench 是表格子集，与组织级智能体的工程要求不是一回事。
综合判断
这份案例值得借鉴的地方不在数字，而在结构。三个不同行业的场景给出了同一个形状：跨系统取数、规则显式化、定时或事件触发、结果回到人所在的界面。这套形状是可以被任何组织照着搭的，与是否采购 WPS Comate 无关。
它也是一份诚实度较高的材料——风险由评估方与厂商共同列出，厂商自己承认「模型行为不可审计」，也承认组织级落地没有捷径。把这些与「数字员工进入每日固定流程」这句客户评价放在一起，可以看到一个比较接近真实的图景：组织级智能体现在能稳定吃下的是高频、有规则、结果可核验的流程，而不是需要判断力的环节。
尚未结清的账有三笔：人力变动数据未披露、FDE 与实施成本未计价、以及从 11 个领域 26 个场景到单个客户实际用起来多少个之间的转化率未知。对准备跟进的团队，本文建议按六步路径先跑通一条流程，把基线测出来再谈规模。全部数字均为参与方公开陈述，本文未能获得第三方审计或独立核验。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。