（问题）随着大模型能力持续提升，企业对智能的期待也变化：从“写文案、做设计、出报告”等一次性任务，转向更复杂、更连续的业务决策与执行链条。现实中，不少企业虽引入了各类智能工具，但流程并未同步调整，常见问题包括工具割裂、任务仍需人工触发、知识沉淀不足、跨部门协作成本高等。尤其在市场洞察、产品定位、品牌传播、增长策略等场景里，往往不存在“一条指令就能得出标准答案”的路径，企业更需要能够围绕目标持续运行、持续纠偏、持续交付的系统能力。 （原因）业内人士认为，此矛盾主要来自两点：一是模型能力快速普及后趋于“基础设施化”，企业优势不再取决于“用了哪个模型”，而在于“能否把模型嵌入组织的运行机制”；二是企业关键知识多以图片、视频、设计稿、项目资料等非结构化形式分散在不同部门与系统中，缺少可被统一理解和调用的语义上下文，使智能能力难以真正贴合业务规则、品牌规范与历史经验。换言之，模型能回答问题，但企业要解决的是长期运行的判断链条与执行链条。 （影响），特赞在上海发布企业级智能体系统GEA，提出让智能能力从“辅助问答”走向“参与工作流”。据介绍，GEA并非围绕单点效率提升设计，而是面向企业业务目标构建闭环：从理解目标意图、拆解任务路径，到组织多能力协同执行，再根据数据与结果校正迭代，强调“系统运行”而非“工具调用”。这一思路被认为契合企业智能化从试点走向规模化的趋势，有助于降低“工具堆叠”带来的管理复杂度，推动营销、内容、洞察、分析、策略等环节形成更可追踪的过程和更可复用的方法。 （对策）从架构看，GEA提出四层智能体体系：第一层为意图层，企业输入的不是具体操作指令，而是增长机会识别、产品定位优化、传播策略制定等目标型需求，系统将其转化为结构化任务；第二层为编排层，负责拆解执行路径并调度不同模型与能力协同完成；第三层为主动执行层，通过可持续运行的智能体推进任务、监测数据、识别偏差并给出策略建议；同时可通过接口与企业既有系统对接，降低接入成本。值得关注的是，系统引入发散优先的推理机制：面对真实商业问题先展开多种可能路径，再评估价值并择优执行，以适应商业场景“多解并存、动态变化”的特点。 与GEA同步亮相的Context System，被视为支撑企业级智能体落地的关键基础。该系统由特赞多年数字资产管理实践升级而来，可对企业图片、视频、设计稿、品牌资产与项目资料等内容进行识别与语义关联，形成统一的上下文网络。业内观点认为，这类能力有望将“沉睡的资料库”转化为“可推理、可调用、可复用”的组织知识体系，让品牌规范、项目轨迹、用户洞察等成为系统持续决策的依据，从而减少人员流动、部门壁垒带来的知识断层，提高策略与执行的一致性。 （前景）当前，企业智能化正从探索进入深水区：一上，对合规、安全、可控与可解释的要求不断提高；另一方面，能带来长期价值的也不再是短期的内容生产效率，而是围绕业务目标的持续交付能力。面向未来，企业级智能体发展或将呈现三点趋势：其一，从“人触发”走向“主动运行”，更多任务由系统自动感知、自动编排与自动纠偏；其二，从“模型能力竞争”转向“上下文与流程竞争”，企业差异化更多体现数据治理、知识结构化、流程重构与组织协同；其三，从“点状试用”走向“系统化落地”，在营销增长、客户运营、产品管理与企业知识管理等领域形成可复制的行业范式。特赞上介绍，GEA已服务180余家企业客户，其中包括60余家世界500强企业，并在全球多个国家和地区拥有大量专业用户，显示企业级智能体正加速进入规模化应用阶段。
当人工智能从“展示能力”走向“解决问题”，企业竞争也在转向系统智能的较量；特赞GEA的实践显示，只有将技术能力嵌入业务逻辑与组织流程，才能真正释放数字化变革的效率与协同价值。由工具升级引发的管理方式变化，正在成为企业提升竞争力的重要变量。