AI入企难在信任：DuMate如何破局B端落地

7月10日，百度在成都举办AI DAY，正式推出"搭子DuMate"企业版。

起初看到这消息，我并无波澜——近两年"企业级AI"概念被反复炒作，隔三差五就有新品宣称能打通AI与业务。但深入剖析技术细节后，我改变了看法。

百度此次推出的几个关键设计，确实戳中了企业AI落地的核心痛点，尤其是"行级数据权限管控"和"首个企业级Skill接入标准"，在我近二十年信息化经验中，尚属首次有厂商将其作为核心能力提出。

本文将以DuMate为切入点，剖析AI智能体在B端落地的瓶颈，并提供可落地的实践思路。

做企业信息化，我们太清楚引入新系统时的犹豫了。

ERP时代如此，CRM时代如此，AI Agent时代，依然如此。

核心矛盾只有一个：AI需要更多数据才能发挥作用，但企业不敢开放。

让你用AI写周报、整理会议纪要，没问题，不碰核心数据。但若想让它分析客户流失、自动审批采购、从ERP拉数据做决策——对不起，问题就复杂了。

因为它要接触真实业务数据，对接核心系统，必须明确："你是谁？你能看什么？你能做什么？"

企业AI的信任鸿沟，本质是三大问题叠加：

1.身份问题：AI不知"谁在问"，无法判断数据权限

2.权限问题：AI知道身份，却无机制限制其仅访问授权数据

3.审计问题：AI执行操作后，企业无法追溯全过程

这三个问题不解决，AI在企业里就只能是"玩具"——能写文档、查资料，却永远进不了核心流程。

百度DuMate企业版，至少在这三方面给出了明确方案，方向正确。

我细读其技术架构，有四点设计值得深入探讨。

过去企业用AI，最大尴尬是：AI不认识人。销售和财务总监同时问"本月业绩如何"，AI只能给同一答案，因它不知提问者身份。

DuMate打通企业AD/LDAP身份体系，员工用企业账号登录，身份自动透传。销售看个人数据，总监看团队汇总。

看似简单，却是企业级AI的基石。没有身份透传，权限与隔离全是空中楼阁。

这是我眼中DuMate最具价值的设计。

传统权限是"表级"——能看客户表，或不能看。但真实需求远更复杂：同一客户表，华东销售仅见华东客户，华南仅见华南；同一订单表，普通员工仅见自己经手的，经理可见部门数据。

行级权限将粒度从"表"细化到"行"。AI查询时，自动按身份过滤数据范围。

真实案例：某制造企业想用AI辅助采购决策，IT长期阻拦，因怕AI泄露供应商报价。行级权限上线后：普通采购员仅查自己负责物料；采购经理可见品类数据；战略供应商底价，仅总监账号可触。AI仍是同一个，但每个人看到的"世界"不同——这才是企业真正需要的安全边界。

如果说身份透传与行级权限解决的是"AI能否进入企业"，那Skill接入标准解决的是"进入后如何管理"。

百度搭子总架构师李景秋指出，过去Skill生态暴露四大痛点：安全不可验、能力夸大、调用不稳定、接口不统一。

做过系统集成的人都懂：这四点在企业中致命。一个Skill说能审合同，却把机密传到外网；说准确率95%，实则70%——一次事故就足以致命。

百度的做法是：每个Skill上线前，强制通过"安全沙箱+效果验证"自动化审核，通过后才可上架。

这思路不算创新，但关键在"标准化"。有标准，才能规模化复制，从"一项目一方案"走向"一套标准批量落地"。

最后一点，看似"基本功"，在AI Agent场景下尤为关键。

传统软件操作确定：点按钮，执行动作，日志清晰。AI Agent不同：理解需求→调用工具A→读数据→调用工具B→生成结果→写入系统。每一步都可能出错。

DuMate将所有操作置于本地沙箱，高风险行为（删文件、改系统、外发数据）强制人工确认，全程可审计。

对金融、政务、制造等强监管行业，这是刚需。

李景秋披露一组数据，比产品本身更值得关注：

在智能体任务失败或效果不佳的案例中：

•44%归因于模型能力（理解错、推理错）

•56%源于Harness工程框架（调度异常、意图偏差、Skill报错无自动修复）

这揭示一个反直觉真相：在企业场景，让AI"正确调用工具"，比让AI"更聪明"更重要。

多年系统集成经验告诉我：ERP上线失败，往往不是软件问题，而是流程梳理、数据迁移、培训不到位。技术只占小头，工程才是大头。

AI Agent亦然。模型再强，若不知调哪个Skill、顺序错、调完不知下一步、报错无兜底——用户只会觉得："这AI不好用"。

因此，我评估企业级AI产品，更关注其"工程框架"能力，而非模型参数。具体包括：

百度将Harness工程框架单独强调，说明其正发力于此。Token消耗降75%、任务耗时降20%，本质是工程优化成果，非单纯换更强模型。

谈完百度方案，结合多年项目经验，我为同行梳理一条企业级AI Agent落地路径：

未必普适，但能帮你避开常见坑。

上海三菱案例值得借鉴：引入百度搭子，覆盖电梯维保、故障诊断、生产制造、客户服务，落地12个核心Agent，日活智能体峰值达2.8万，相当于2.8万个"数字助手"并行，年省人力成本约15.97亿元。关键是——非一步到位。从维保切入，先跑通知识查询与故障诊断，再扩展至生产与服务，每步有验证、有数据支撑。

最后，我想谈一个更长远的问题：Skill生态的终局是什么？

百度提出三层架构：

李景秋说："专业套件是Skill生态发展的第三阶段，或成未来终局。每个职场人，都能拥有专属技能包。"

我认同。管理100个零散Skill，成本远高于管理10个专业套件。最终，必从"工具箱"走向"解决方案"。

但这也意味着，竞争将从"谁数量多"转向"谁行业理解深"。这对百度是挑战——互联网有积累，但制造、金融、医疗等垂直领域know-how，需生态伙伴补足。

正因如此，百度同步发布"搭子联盟"，引入联通、创维等伙伴。生态，非一人可成。

对信息化管理者而言，Skill生态演进带来三重转变：

1.选型逻辑变：从"模型强不强"到"行业套件全不全"

2.集成思路变：从"一个个接Skill"到"选套件覆盖全场景"

3.成本模型变：从"按调用量付费"到"按解决方案付费"，ROI更清晰

写至此，回到最初问题：AI进企业，卡在哪？

不是模型不够聪明，不是算力不足，不是算法不先进。

卡在信任。

企业需要确定知道：AI认不认人、能看什么、能做什么、出错怎么办。这四点越清晰，企业越敢把核心业务托付给AI。

百度DuMate企业版，本质是在回答这四个问题。它不完美，但已搭建出答案框架。

做企业信息化的人，深知"从Demo到生产"的距离。Demo再炫，落地仍要过身份认证、权限管控、安全审计、成本核算、业务适配五道关。

能过这关的产品，才是"能用"的。其余，都只是"好看"的玩具。

AI Agent进企业的竞赛，才真正开始。比的不是谁更聪明，而是谁更"可靠"。

"Agent本质上是一台新型计算机——传统计算机是人写程序、机器执行，而新型计算机是人给目标、机器自主完成。" ——百度集团执行副总裁 沈抖

这句话我很认同。它点明本质：AI Agent不是工具，而是新型计算范式。但要进入企业，首要解决的不是"它能干什么"，而是"你敢不敢让它干"。

信任，是AI进企业的最后一公里，也是最难的一公里。

参考