OpenClaw越火,企业软件老炮越吃香|爱分析访谈
Agent正在以前所未有的速度重塑企业软件。过去依赖菜单、流程和定制开发的软件模式开始被改写，企业软件市场进入新一轮重构周期。对甲方企业和软件厂商而言，真正的挑战在于如何在落地价值与合规安全之间找到新的平衡点。在此背景下，爱分析与金智维创始人廖万里进行了一场深度对话。作为国内较早布局企业智能体的厂商，金智维正通过AI规划、RPA执行的方式，将智能体真正转化为企业里的数字员工。本次访谈重点讨论了Agent对企业软件的影响、Skill范式转型、AI与RPA分工等问题。- OpenClaw并没有削弱企业软件壁垒，反而让行业Know-how变得更值钱。
企业真正需要的不是聊天机器人，而是能嵌入业务流程、理解监管规则、稳定执行任务的数字员工。过去沉淀的是模板和代码，未来沉淀的是可调用、可组合、可复用的Skill能力。- AI负责规划，RPA负责执行，正在成为企业Agent落地最现实的路径。
大模型已经基本解决规划问题，企业真正缺的是执行能力。AI在复杂企业系统里的稳定执行需要长期积累的RPA原子化能力。基础模型迭代极快，企业如果盲目追逐热点，投入很容易打水漂。企业的核心精力应放在数据治理、知识资产和业务规则的沉淀上。
01
OpenClaw没有颠覆软件，反而让Know-how更值钱爱分析：过去，企业软件核心壁垒是行业Know-how、交付等能力。随着AI能力增强，这些壁垒会发生什么变化？廖万里：企业软件正演化为企业级智能体。智能体必须嵌入企业内部业务流程，因此行业Know-how会变得更重要。比如金融行业，我们这些年积累了数以千计的业务流程模板。这些模板背后，其实不是简单的流程图，而是金融机构长期运行下来的业务规则、监管要求、审批逻辑、合规边界。我们的企业级智能体之所以能够真正落地，就是因为这些沉淀可以和基础模型结合。同时，交付会发生很大变化，会越来越普惠化、平民化。以前做企业软件，门槛其实挺高的。很多事情都要IT人员参与，甚至需要专业开发团队去做。现在随着AI能力增强，未来智能体从设计、编排到落地，越来越多环节都可以通过自然语言交互完成。这意味着什么？意味着智能体开始从少数技术人员的工具，变成更多业务人员也能参与构建的工具。我们现在其实和很多客户交流的时候，都会提一个目标：未来每个人都应该拥有自己的智能体。因为真正懂业务规则的人，其实往往不是IT人员，而是业务人员。过去他们不会开发，所以只能提需求。现在他可以直接通过自然语言描述业务逻辑，让智能体帮他生成执行流程。以前是厂商交付，未来很多场景会变成业务人员自己构建。廖万里：商务能力当然重要，但最终还是价值决定了是否合作。企业客户最关心的是，你是不是能帮他创造价值。尤其现在，很多企业已经把AI落地列入一把手工程。AI不是可做可不做，而是KPI。在这种情况下，客户更关心的是谁真正有能力把AI落下去。只要你能帮他真正落地AI战略，你自然就会成为首选合作伙伴。爱分析：OpenClaw这种开放探索型的智能体，怎么看它未来在企业里的落地？ 廖万里： OpenClaw这种智能体没有吸收企业内部的Know-how，没有消化企业内部的数据和系统，其实很难做出精准的规划和编排。大家经常讲模型幻觉，本质上就是它不了解真实业务世界。如果幻觉问题解决不了，企业其实很难把它真正放进生产流程里。它只能是一个辅助工具，而不是企业真正意义上的数字员工。真正的数字员工，应该像同事一样工作，而不是只停留在聊天。爱分析：如果企业CIO问，OpenClaw应该怎么在企业里落地，你会怎么建议？廖万里：我会说，当前阶段OpenClaw真正能落地到核心业务流程里的，可能性非常有限。现在OpenClaw确实很火，大家都在讨论。但热潮过去以后，你会发现真正已经深度落到企业生产流程里的案例，其实并不多。而且监管部门其实也已经开始发很多风险提示了。包括工信部，还有很多金融监管机构，大家都会提醒企业注意安全问题。不过，OpenClaw让大家对Agent有了更深认知。以前很多企业不知道智能体到底能做什么，现在大家开始意识到，原来AI真的可以在企业里承担很多工作。企业真正想要的，是既具备Agent能力，又有安全护栏，同时还能保护企业数据的体系。所以企业其实并不是排斥智能体，而是希望它变得可控、可靠。廖万里：我们也一直在研究。目前还是围绕一些非核心业务流程做尝试。因为我们需要研究它的能力边界，也要研究怎么做安全围栏。OpenClaw里有一些设计非常值得借鉴的，比如它长文本上下文记忆的能力，还有一些任务提醒、心跳机制，这些设计都很新颖。在金智维内部，我们真正核心流程是优先使用自己的智能体。我们更多是吸收它的一些产品理念和设计优势。廖万里：对。尤其记忆这个方向，其实企业非常关注。过去很多智能体的记忆，本质上还是单轮对话记忆，或者一次任务记忆。企业里的记忆不一样，不仅有角色记忆，还有组织记忆。比如一个员工过去做过什么审批、处理过哪些流程、遵循过哪些规则，这些其实都应该沉淀下来。所以我们现在也在重点研究上下文记忆机制。02
爱分析：对于企业而言，Skill和Agent Store是一回事吗？廖万里：Skill更像以前的脚本。刚开始大家都觉得，大模型无所不能，你只要跟它对话，它就能理解一切。后来发现不是这样的，很多知识点还是需要提前定义。所以现在大家开始用Skill，把知识点变成可调用能力。Skill本质上其实有点类似以前预定义脚本，只是以前是程序员写脚本，现在变成自然语言定义Skill，但目标是一样的：让模型更准确理解你的意图，并且能够稳定执行。爱分析：金智维过去沉淀的是模板，未来沉淀的是Skill？廖万里：对。Skill现在已经成为行业主流范式了。我们现在也在把过去沉淀的大量知识点，通过Skill方式重新组织。而且变化很大的一点是，过去一个模板可能还需要开发。现在很多Skill，其实自然语言就可以生成，所以Skill比模板的沉淀速度会快很多。我们现在也在做Skill生成平台，希望进一步降低门槛。爱分析：在AI能力增强、Skill范式成为主流的背景下，智能体在企业能真正落地了吗？廖万里：现在智能体在企业已经接近可落地状态了，真正的门槛不在规划，而在执行。过去很多问题已经被解决。比如，以前自然语言很难精准描述业务，但现在如果你能够结合内部知识库，再结合Skill沉淀固定业务规则，它其实已经可以完成比较准确的规划和编排。也就是说，在规划层面，已经接近可用。但真正更难的，其实是执行。现在很多智能体的执行方式，主要还是Browser Use或者Computer Use。浏览器场景还好，因为网页环境相对标准化，所以成功率比较高。但企业内部大量系统不是浏览器，很多是复杂桌面系统、专有系统、老旧系统。这些系统如果只靠视觉识别去操作，目前成功率其实还是偏低。这个恰恰是金智维擅长的地方。我们过去十几年积累的大量RPA组件，已经把企业内部各种系统操作拆成了原子化能力。现在做的事情，就是把这些成熟的原子能力重新接入模型。所以智能体优先调用的，不是完全新的视觉识别能力，而是我们已经被验证十几年的RPA能力。这些能力已经在企业里跑了很多年，准确性和稳定性都经过验证。我们提供的是真正能够准确执行的数字员工。03
爱分析：OpenClaw之后，马上又开始讲Harness，可能下个月又会有新技术。金智维如何应对这种持续性技术冲击？廖万里：最重要的是架构设计，一定要做分层、松耦合。比如我们平台模型层就是松耦合。你换哪个基础模型，我们都能接。然后执行引擎、安全体系这些模块，也尽量松耦合，未来无论新技术怎么变化都可以快速切换。第二个就是一定要拥抱行业主流规范。比如A2A、MCP、Skill这些协议和规范，我们都会积极对接。因为未来生态一定会越来越开放。有些能力不是我们擅长的，我们就引用。但核心还是要把自己真正沉淀下来的能力做好。核心能力稳，技术迭代其实反而会成为机会。爱分析：很多甲方企业也很焦虑，担心之前建设的智能体平台、应用都会被推翻。廖万里：AI本质上还是数据驱动，所以企业真正最重要的，是数据治理、知识沉淀和业务规则沉淀。这些东西才是燃料，模型离开这些燃料什么都做不了。至于工具和平台，要保持开放，因为技术迭代会非常快。以前很多企业、运营商、大行，自己花很多钱做基础模型，后来发现根本追不上开源模型，这些投入最后就容易打水漂。但企业内部的数据、规则和知识沉淀，不会过时。企业真正应该重视的，不是追逐每一波热点。而是把自己的知识资产沉淀下来，未来模型怎么变都能快速对接。爱分析：未来，甲方企业会借助AI工具自行沉淀Know-how而不依赖外部厂商吗？廖万里：企业会越来越多参与Know-how沉淀，但专业厂商的价值不会消失。以前很多需求，要靠厂商的人去调研、理解业务，再开发系统。现在业务人员自己就能表达需求，并且转化成Skill。这个趋势是一定会发生的。但术业还是有专攻。真正复杂行业，尤其金融行业，不是简单懂业务就够了，里面还有业务逻辑迭代、系统稳定性、安全性和监管要求。以前证券行业就有大券商觉得，不需要外部厂商，自己招团队开发系统，结果系统会越来越孤岛化。随着交易规则变化、监管变化，它内部团队会疲于升级，最后行情爆发的时候，系统直接宕机。廖万里：一定会，如果传统厂商不转型，它原来的能力会被颠覆。我去年就预测过，很多传统软件的入口会被智能体替代。未来很多软件会退到后台，它不再是用户直接操作的入口，只是智能体调用的执行对象。企业定义业务流程的方式，也会发生变化。以前是写软件、做菜单，未来可能不需要菜单。有了数据和规则，智能体自己就能快速编排流程。传统软件行业，一定会被重构。廖万里：很多传统软件领域，现在已经开始被智能体公司切入。比如人社、社保行业，以前都是传统厂商。现在智能体公司进去之后，会发现很多原来必须改系统才能完成的业务流程，现在不需要改系统了，智能体直接就能做。所以一些传统软件厂商，尤其是重定制、重人力外包模式的，会受到很大冲击。当然金融行业会慢一些。金融行业最看重安全、稳定和可靠。AI现在还没有完全解决确定性问题。所以要彻底颠覆金融核心系统，我觉得还需要时间。爱分析：既然新行业拓展变容易，金智维未来会往更多行业延伸吗？廖万里：其实我们已经布局很多年了。因为我们很早就意识到，AI时代很多行业都需要这种能力。而且金融行业要求最苛刻。在金融行业沉淀下来的能力，其实是可以降维输出到其他行业的。以前我们基本全部收入来自金融。经过这几年拓展，现在已经两三成左右的收入来自金融之外行业。说明这个能力正在往更多行业扩散。廖万里：我们还是比较乐观，内部也定了一个比较可观的增长目标。因为整个市场已经被AI教育完成了。以前你要说服客户用AI，其实很难。现在不一样，很多企业领导不只是理解AI，而是已经把AI列进KPI。整个市场需求其实已经被彻底激活，机会会越来越多。
