OpenAI Presence：企业 Agent 真正上线需要什么？

OpenAI Presence 看起来像一个面向企业的 voice/chat agent 产品，但它真正释放的信号更大：AI Agent 正在从 demo 进入生产系统，而生产系统关心的从来不只是“模型聪不聪明”。

官方介绍里，Presence 面向企业构建可信的语音和聊天 Agent，强调 policies、guardrails、approved actions、simulations、evals、escalation，以及由 Codex 驱动的持续改进循环。这些词连在一起，基本就是企业 Agent 上线清单：什么能做，什么不能做，什么情况下必须交给人，怎么在上线前模拟，怎么在上线后修。

这和普通 ChatBot 是两个世界。ChatBot 答错了，用户可能换个问法；企业 Agent 做错了，可能退错款、泄露信息、误改订单、错误承诺服务条款。只要 Agent 开始执行动作，产品就必须从“回答系统”升级为“受控执行系统”。Presence 的价值就在于把这层能力产品化。

很多团队做 Agent 失败，不是因为模型太差，而是因为边界没设计。客服 Agent 要知道哪些订单能改、哪些必须人工审核；销售 Agent 要知道哪些价格不能承诺；IT Agent 要知道哪些权限不能自动开；HR Agent 要知道哪些员工数据不能外泄。模型能力越强，这些边界越重要。

Presence 还把一个常被忽略的点摆到台面上：仿真和评测。企业 Agent 不能靠上线后撞问题来学习，必须在上线前用大量模拟对话和边界场景压测。用户愤怒、信息缺失、诱导越权、重复提交、跨系统状态不一致，这些都不是 benchmark 分数能直接覆盖的。

OpenAI 提到的 Codex-powered improvement loop 也很关键。未来 Agent 产品不会只是配置 prompt，而会进入一个持续迭代系统：生产信号暴露问题，系统提出策略或代码更新，团队审核后发布。换句话说，Agent 平台本身也会越来越像软件工程平台。

这篇新闻值得写，是因为它能帮读者理解一个现实：企业 Agent 的门槛不是“接一个大模型 API”，而是把模型放进权限、流程、评测、审计和人工协同里。谁能把这些脏活累活产品化，谁才真正离企业收入更近。

我的判断是，Presence 会推动行业从炫技转向交付。未来企业采购 Agent，不会只问模型排名，而会问：能不能控动作？能不能追责？能不能仿真？能不能接入现有系统？能不能持续改进？这才是 Agent 生产化的真实战场。

参考来源：OpenAI Presence 官方发布。