企业智能体的难点正在从“能不能回答”转向“敢不敢让它办事”。OpenAI于7月22日推出Presence，把语音与聊天模型、企业规则、工具权限、评测和人工转接装进同一套部署体系。官方称，其英语电话支持已能在无需人工介入的情况下解决75%的来电问题，并在10天内把人工转接率降低15个百分点。真正值得关注的，不只是自动化比例，而是企业开始为智能体建立可审批、可回退、可持续更新的生产流程。

三点看懂：Presence卖的不是一个聊天窗口

把权限、评测和人工接管放进同一条链路

普通客服机器人主要围绕知识库检索与文本回复设计，遇到退款、账户修改或理赔等任务时，往往需要跳出对话，由人工在另一个系统里继续处理。Presence试图把这段断裂链路连起来：智能体可以理解请求、查询获准的账户信息、依据企业规则判断，再执行被授权的操作；超出范围时则停止并升级给人工。

这套设计的核心不是让模型拥有更多权限，而是让权限更细。智能体只获得岗位必需的知识与系统访问范围，企业可以把审批、身份核验、敏感操作和转接条件写入标准流程。部署前，团队用常见请求、边缘情况和高风险场景进行模拟，评分器检查结果是否正确、工具是否按规则调用、该转人工时是否及时退出。

上线后，系统继续读取质量信号与人工转接原因。Codex可以分析哪些规则不完整、哪些工具调用经常失败，并提出流程或配置更新，但建议仍需团队测试和批准后才能进入生产。这种“发现缺口—提出修改—回归评测—受控发布”的循环，更接近软件运维，而不是一次性写好提示词。

75%解决率有价值，但不能脱离测试边界

OpenAI披露，Presence已用于其英语电话支持渠道，可以处理开放式请求、核验来电者、读取账户上下文并执行获准操作。官方称，该系统在数周内达到或超过其用于评价一线人工支持的内部标准，目前75%的来电问题无需人工介入即可解决；在改进循环上线后，人工转接率又在10天内下降15个百分点。

这些数字提供了真实生产场景线索，却不是跨行业通用基准。OpenAI没有公开来电总量、问题难度分布、统计周期、首次解决口径和独立复核结果。简单账户问题与复杂争议的自动化难度差异很大，因此企业不能把75%直接写进自身项目预算，而应先按业务类型建立基线，再比较准确率、人工接管、处理时长和错误成本。

外部客户仍处于探索或测试阶段。BBVA正在研究墨西哥市场的语音银行支持，软银测试自然日语客户对话，IAG则关注极端天气等高峰期的保险服务。它们说明Presence正在进入金融、电信和保险等高要求场景，但公开信息尚不足以证明已经形成大规模商业部署。

企业智能体进入生产，边界比能力更重要

对企业而言，Presence的价值是把分散的模型、工具、规则和评测变成一项交付服务，降低从演示到生产之间的工程组织成本。对客服和内部服务团队，它也意味着岗位会从重复查询转向异常处理、规则维护和质量审核。真正的效率提升，不只看少用了多少人工，还要看错误操作、合规复核和客户体验是否同步改善。

局限同样清楚。Presence目前仅通过有限的正式可用计划向符合条件的企业开放，由OpenAI前线部署工程师和指定系统集成商负责实施，并非可自行注册使用的标准化产品。公开页面没有给出价格、服务等级、部署周期、数据保留方式和行业认证细节；企业还需独立确认权限隔离、审计记录、区域合规与故障回退方案。

ATYUN编辑判断：Presence传递出的行业信号，比又一个客服机器人更重要。企业智能体的竞争重点正从模型回答质量转向整条生产链：是否只拿到必要权限，是否能在边界前停下，是否可以用真实失败持续改进，又是否保留清晰的人工接管点。75%是一个醒目的起点，但决定产品能否复制的，将是不同企业能否以可审计、可回退的方式稳定达到自己的合格线。