企业部署AI Agent前，或许急需一个“任务调度中心”

若AI Agent仅协助撰写邮件、检索资料，它仍属于个人效能工具。

但当它开始接入ERP、审阅合同、筛选供应商、启动审批、核对款项时，它就不再像工具了。它更类似于外部人力：能执行任务，但也需要被分配工作、授予权限、记录过程、验收成果和结算费用。

这正是Sherpa案例引人关注之处。

2026年7月9日，Tech.eu披露，德国AI劳动力管理初创公司Sherpa获得220万美元种子前融资，Seedcamp、DN Capital、Activant Capital、Brighteye联合参投，另有数位运营天使加入。Sherpa官网公布的融资详情同样确认了220万美元种子前轮及同一投资方阵容。RuntimeWire当日进行深入解读，证实这笔融资，同时提示：Sherpa尚未公开估值、客户名称、营收、员工规模，也未透露具体天使数量。

因此，这并非已被大客户和营收验证的成熟SaaS叙事。它更像早期预判：当企业真正启用AI代理，管理它们的手段，不能仅止于“给员工开放聊天界面”。

Sherpa将自身定位为面向外部工作的AI操作系统。

这一表述听起来宏大，但产品切入点很精准：企业中的外部工作，以往分散在承包商、自由职业者、咨询顾问、服务商、供应商项目里；如今又增添了AI代理这类新要素。Sherpa希望将这些工作从需求提出、范围界定、治理、执行、验收到付款，纳入统一流程。

其官网展示的案例很生动：招聘经理可通过Slack、邮件、Teams或语音发起需求，系统识别意图，判断此事应交由内部团队、外部人才还是AI代理处理；随后生成工作范围、角色定义和预算，推进寻源、面试、入职、动态管理和支付。

换言之，Sherpa不急于将AI包装成“员工”。它先提出一个更朴素但更关键的问题：这项工作由谁发起？谁批准？交付成果是什么？使用了哪些数据？谁来验收？最终如何付款？

此问题在传统外包和供应商管理中已存在多年。AI代理只是将其重新推到前沿。

企业软件中存在几套旧系统：HRIS管理员工，procurement管理采购，VMS管理临时工和外包，MSP协助大企业管理供应商和项目。它们都不新颖，也都不易销售。

Sherpa的赌注是：AI代理将使这些边界更加模糊。

一个AI代理可能不是员工，不经过HR；它也不是传统供应商，不完全走采购流程；它像软件，但执行的是业务任务；它调用数据、工具和系统，一旦出错，企业需要明确责任链条。如果这个角色未被纳入工作流，最终会变成散落在团队中的账号、脚本、插件和自动化任务。

这也是Sherpa契合当前方向的原因。它围绕“工作入口”成长：请求一旦进入，系统就尝试决定该由谁完成、如何完成、使用何种权限、达到什么程度才算结束。

投资者押注的是新的组织对象：AI代理或许会如同承包商和服务商，被企业纳入预算、权限、审计和绩效管理体系。

腾讯云开发者社区2026年5月的《跨越“能聊”到“能干”的业务鸿沟：企业级Agent Skill架构与自动化工作流实践》。文章将企业引入Agent的痛点阐述得很明确：未经审核的外部AI工具可能引发数据外泄；内部AI实例若无序扩张，会缺乏统一账号、权限分配和生命周期审计；多个Agent各自运行，也易形成新的信息孤岛。它提出的解决方案是将业务专家的工具、提示词和执行逻辑沉淀为可复用的Skill，并通过审核、发布、监控、下架和沙箱机制进行管理。

这与Sherpa的核心点相通：企业真正缺少的，是一套能将AI能力转化为组织资产的管理方式。

实在智能2026年5月的《企业智能体平台的构建与落地实践指南》。这篇文章将企业智能体分解为四层：感知层读取文档和页面，认知层理解业务意图，行动层通过API或RPA执行，治理层负责权限、日志审计和人工介入。它还提及采购审核、智能问答、科研项目审核等场景。

这些例子表明一件事：Agent真正进入企业，不会仅发生在“写文档”这类轻任务中。它会接触合同、采购、财务、制度、报表。触及这些内容，治理层就不是可选项。

来也Worker的产品页面。这是公司材料，非第三方报道，但能反映国内厂商如何定义“AI员工”。来也强调桌面端执行、跨ERP/财务/HR/CRM操作、隐私脱敏、操作审计、权限治理和模型路由。其中最值得与Sherpa对照的，是“执行层”与“控制层”的分离：Agent能否干活是一回事，企业是否敢让它在生产系统中干活，是另一回事。

Sherpa站在相似问题的另一入口：外部工作流与任务调度治理。

Sherpa的早期价值，不在于它目前证明了什么。其公开材料中没有客户名单，没有营收，没有留存，没有实施周期数据。RuntimeWire特意指出了这一点。

它的价值在于命题足够锐利。

过去两年，众多企业AI应用都在讲述“将人从重复劳动中解放出来”。但真正进入企业内部，会立刻遭遇更棘手的问题：重复劳动属于哪个流程？谁有权让AI执行？AI执行到一半需要人工审批吗？结果出错能否追溯？若一个代理调用了外部供应商和内部财务系统，审计日志归谁查看？

这些问题不解决，AI代理很难从演示视频走进真实组织。

Sherpa将外部工作作为切入点，是明智选择。因为外部劳动力本就处于企业边界上：既要效率，又要合同、合规、预算和付款；既要让业务部门快速发起需求，又不能让各部门绕过流程单独采购。AI代理加入后，这个边界更敏感。

如果Sherpa能将“人类外包+服务商+AI代理”纳入同一请求到付款流程，它销售的会更接近企业在代理时代的新控制台，而不仅是HR或采购软件。

这件事当然不易。

采购、HR、VMS、MSP、服务管理等旧系统都有现有客户和流程。Sherpa作为种子前公司，要么证明自己能嵌入这些系统，要么证明新入口足够强大，能让业务部门愿意从它开始发起工作。两条路都不轻松。

更现实的风险是，大公司未必需要新平台来管理AI代理。Workday、SAP、ServiceNow、Coupa、Beeline、SAP Fieldglass这类系统完全可能将AI代理治理加入现有产品。Sherpa的窗口期，在于旧系统反应迟缓，且常将外部工作当合规流程处理，而非生产力流程处理。

它要抢占的，正是这个中间地带。

这类公司下一阶段最该关注的，不是融资额变大，也不是官网话术变精美。

我会关注四件事。

第一，是否出现可验证的企业客户。尤其是大型企业或MSP，因为它们最能验证外部工作流的复杂度。

第二，是否真正连接进企业现有系统。仅做漂亮入口表单无用，难点在于身份、预算、合同、审批、交付物、付款和审计链条。

第三，AI代理在产品中究竟承担什么角色。目前Sherpa已将AI代理列为工作者类型，但官网也显示相关模块即将推出。未来它是管理外部AI代理，还是自己提供代理执行能力，这将影响公司边界。

第四，谁承担最终责任。企业可让代理做事，但不会让责任消失。好的工作流入口，最终必须将批准、执行、验收和异常处理留下清晰记录。

Sherpa目前尚早。220万美元种子前融资，仅够它证明一个狭窄切入点。

但这个切入点值得书写。因为AI应用深入企业后，稀缺的将是企业敢用的任务调度中心。

资料