企业看到了智能体但不知道如何落地
2026年初，OpenClaw（龙虾）这类开源智能体产品很快成为市场焦点，端到端任务执行能力对企业很有吸引力。但智能体（智能体）要在企业里真正用起来，在什么场景落地成了主要的卡点。企业认知到了智能体的能力，但回到自己的业务流中，不清楚哪些环节可以交给智能体去做，哪些场景最值得优先投入。IDC 2026年智能体企业用户的调研数据显示，仍有60%的中国企业处于了解评估和试点智能体的阶段，仅有18%的企业把智能体纳入了核心业务流（IDC Syndicated Survey 2026: China AI Agents Market 2026），企业仍然难以跨越从Copilot助理向Agentic AI转型的阶段。为了解决这一问题，IDC提出了一个从业务约束出发的智能体落地框架——COMPASS模型。
业务卡点是关键：从企业业务的三层效率约束入手
到底应该如何选择智能体在业务中的落地场景呢？我们可以参考企业价值链流程，通过观察业务场景中的效率约束，来寻找切入点。一项业务从外部信息进入企业、到内部处理完成、再到能力沉淀放大，效率约束主要集中在三个层面。
第一层，信息输入的约束。企业每天接收大量外部输入，包括邮件、扫描件、图片、语音、聊天记录和表单。很多信息不能直接进入业务系统，要先经过识别、提取、转换和归类，才能变成后续流程可用的数据。
第二层，信息处理的约束。信息进入业务流之后，要在多个系统、多个角色之间流转、分析、协调。数据需要跨系统汇总，状态需要同步，异常需要及时发现，决策需要结合多方信息判断，责任需要在不同角色之间衔接。
第三层，信息资产化的约束。这是容易被管理者忽略的深层约束，企业高价值的业务经验和决策逻辑通常固化在少数员工手里。而人的并发处理能力也存在刚性上限，业务波峰时很难敏捷弹性的应对，也很难规模化增长。这一环节的关键在于让知识经验沉淀和复用，确保企业规模化扩张时不再出现效率瓶颈。
COMPASS模型：企业智能体落地的七维度指南
基于这三层约束，我们可以进一步拆解出企业智能体落地的七个关键能力维度，即IDC提出的COMPASS模型。
1. 感知与理解（Perception）
外部输入格式各异，进入核心业务系统前往往要依赖人工识别文档类型、提取字段、比对票据，效率瓶颈集中在非标准信息怎样被理解提取、怎样转化为系统可用的结构化数据。
智能体借助多模态大模型能力可以直接读取手写单据、非标合同、会议录音和视频素材，提取关键实体，按要求输出JSON或其它结构化数据，让海量外部信息直接成为系统可用的结构化信息。
2. 分析与决策（Analysis）
企业数据和业务规则分散在不同系统中，人工做综合分析效率往往很低，关联节点越多越容易疏漏，依赖经验的判断也缺乏清晰的决策记录，组织很难做系统性复盘。
智能体可以通过工具调用从多个系统实时拉取数据，结合预设业务规则和历史模式，输出结构化分析结论和决策建议。低风险或标准场景可以直接调用执行，非标和高风险场景则带着完整分析升级给人工处理。
3. 流程编排（Orchestration）
单个系统内部流转通常比较顺畅，跨系统连通往往比较脆弱。过去依赖API解决跨系统流转，建立的是确定性规则，一旦出现条件分支、异常状态，或者需要根据实时反馈在ERP、CRM和财务系统之间切换判断，硬编码连接容易中断退回人工，构建这些自动化流程本身也要占用较多IT开发资源。
智能体在任务执行环节能够做到系统调用的动态规划，接收到像”给大客户安排加急发货”的指令后，会根据上下文自主决策，调用RPA或基于API接口依次调用ERP核对库存、向WMS确认排期、在CRM中更新状态；流程生成环节，智能体可以基于已有规则库和流程模板，自动组装出RPA或自动化流程并部署上线，构建和迭代周期都会明显缩短。
4. 监控与主动响应（Monitoring）
供应链延误、财务偏差、客户行为异常、系统运维故障，任何一环的响应滞后都可能带来连锁影响。人无法7×24小时保持稳定判断，传统做法依靠阈值报警、定时巡检和轮班值守，覆盖范围有限。
智能体可以在持续监测的基础上结合上下文做智能判断，一笔异常大额退货可以同时关联该客户的近期订单模式、产品批次的质量数据、物流环节的异常记录，在告警的同时给出初步的归因分析和处理建议。
5. 协调沟通（Collaboration）
跨部门协作中信息天然不对称，产品设计的背后逻辑、法务建议的依据、仓库的实时库存，散落在不同的人、系统和沟通记录里，需要时很难立刻拼出全貌。澄清、追踪、同步消耗的时间往往占据业务人员相当大的比例。
智能体可以作为跨部门协作的中枢，持续追踪任务各环节进展，在关键节点主动通知相关方，出现延误或阻塞时自动升级；需要多方对齐时，能够快速汇总散落在各系统和沟通记录中的上下文，生成结构化的决策议题。
6. 知识沉淀（Sedimentation）
企业大量执行能力和决策能力绑定在个体员工身上，关键人员离职、调岗或休假，流程质量和决策水平都会受到影响，新人入职要经过较长周期才能积累足够的隐性知识。
智能体的运行过程本身就可以是知识显性化的过程，任务执行路径、分析框架、决策规则和异常处理方式均可以便捷的结构化地记录下来，并随着运行时间持续积累，可以复用到新的业务场景、新的分支机构和新的团队，同时也能反过来优化智能体自身的响应策略，形成持续迭代的数据飞轮。
7. 规模弹性（Scalability）
人的产能是线性的，一个人一天处理100笔订单就是极限，高峰期临时加人未必能带来同比效率提升。《人月神话》里有一个经典观察，项目每增加一个人，沟通链路会延长，交接成本也会上升，整体效率的提升往往被初始化和协调的开销抵消。
智能体的处理能力则可以随算力弹性扩展，业务高峰期不需要临时招人培训，订单量翻倍时调度更多计算资源就能跟上，背后是运行沙箱、记忆存储、调度管理等基础能力模块在支撑智能体在生产环境中稳定可控的弹性伸缩。
这七个维度就是COMPASS（指南针）模型，由上面提到的Collaboration、Orchestration、Monitoring、Perception、Analysis、Sedimentation、Scalability七个首字母构成。COMPASS对应三层约束视角，Perception对应的是信息输入层，解决外部信息能否准确进入企业系统的问题；Analysis、Orchestration、Monitoring、Collaboration对应的是信息处理层，覆盖分析决策、跨系统流转推进、监控响应和跨角色协同；Sedimentation和Scalability对应的是信息资产化层，把个人经验转化为企业可复用的数字资产，同时支撑企业规模化增长。
分析师观点：
COMPASS模型可以作为企业落地智能体的诊断和指导工具，企业可以对照七个维度盘点自身业务流的关键瓶颈，识别出需要优先交给智能体的环节。从业务瓶颈倒推切入点，更贴近企业实际的业务需求，也能够减少企业因为智能体技术或产品高速迭代带来的选择困难。
从做什么到用什么：IDC MarketGlance解决选型问题
COMPASS模型回答的是智能体怎么切入的问题，但企业在落地时仍然会面临怎么在市场上找到合适的产品和供应商这一问题。当下市场中宣称具备智能体产品和服务能力的厂商数量已经相当可观，但能力层次和落地经验的差异很大，企业难以抉择。IDC通过大量深度的厂商调研和观察，为企业提供了中国智能体市场概览这一报告(包含中国智能体行业应用与开发平台市场概览和企业级智能体应用市场概览)，预先筛选出了覆盖不同行业和业务场景中，满足评估要求的可靠智能体产品及解决方案供应商，供企业参考选择。
配套工具与实践：从方法论走向落地（限时资料免费获取）
另外基于COMPASS模型，我们准备了两份配套的智能体落地指南材料，一份是面向人的，一份是面向智能体的skill。这个skill我们已经上传了Openclaw的官方skill商店clawhub中，可以直接把skill链接( https://clawhub.ai/seanlandtop/idc-enterprise-agent-compass )给智能体安装使用，让智能体可以基于IDC的COPASS模型帮助企业进行智能体落地指引。
限时资料免费下载：可扫描二维码下载详情:
案例征集：寻找可量化ROI的Agent实践
为了进一步沉淀实践经验，IDC计划于2026年4月启动Agent最佳实践案例（ROI视角）研究，面向已经在真实业务场景中部署Agent并取得可量化效果的企业与技术供应商开展案例征集，以期为更多企业提供可参考的落地路径。
与IDC进一步交流
如果您的企业正在评估或推进Agent在业务中的落地，或希望基于COMPASS模型进一步梳理业务切入点与优先级，IDC可以提供相应的研究支持与分析服务，包括基于行业与业务场景的落地路径分析，以及结合IDC MarketGlance的供应商方向参考。
同时，对于已经进入实践阶段的企业，IDC也可以围绕Agent应用效果与ROI进行评估与复盘，帮助企业更系统地推进从试点到规模化落地的过程。
如需进一步了解相关研究内容或开展交流，欢迎与IDC联系。请点击此处与我们联系。
