标签
Coinbase、Shopify 和 Ramp 各自构建了内部编程代理，但仍依赖来自 Anthropic 等公司的最前沿模型。文章强调，企业选择拥有 LLM 周围的代理框架，而不是模型本身。
Capital One认为，开放权重模型对于银行等受监管行业至关重要，能够实现深度定制以确保准确性和合规性，这与AI实验室提出的安全担忧形成对比。
本文认为，企业中的AI智能体由技能、工具和MCP服务器等代码构件组成，因此应当像管理软件代码一样对其进行治理，而非将其视为文档或审批清单。因为智能体本身不稳定，而底层技能是可复用且稳定的。
Virgin Atlantic 采用 ChatGPT Work 来简化客户旅程研究与分析，将数周的竞争分析缩短至数小时，并为员工创建安全的数据看板。
OpenAI 重点介绍了 Zapier 的企业营销团队如何利用 ChatGPT Work 自动化潜在客户 QA/QC，从而腾出时间用于战略工作，并带来显著的管道影响。
Jerry Liu 推广 LlamaParse 和 LlamaAgents，用于大规模文档提取，强调 LLM 评估和爬山优化以提高准确性和成本效益。他还将 FDE 工作与评估和 RL 环境联系起来。
KPMG调查发现，49%的大型组织因运营成本超过价值而缩小、推迟或暂停了AI代理部署，尽管采用率和信心上升，但只有7%实现了既定的投资回报率（ROI）。
KPMG《全球AI脉搏 Q2 2026》报告显示，76%的高层领导者认为AI正在带来商业价值，但只有7%已实现ROI，同时美国员工的抵触情绪翻了两番，达到20%。
随着成本不断上升，企业纷纷设法削减 AI 令牌支出。埃森哲（Accenture）透露，非工程师和 PDF 转 Markdown 是主要的令牌消耗来源。
Arkon 是一个自托管的开源企业 AI 知识中心，充当 MCP 服务器，将内部文档编译成结构化的 wiki，并通过权限限定的上下文为 Claude 和其他 LLM 提供服务。
NVIDIA强调其Nemotron开放模型如何让团队构建针对业务数据和工作流程量身定制的、值得信赖的专用AI。
Aaron Levie 认为，99% 的 AI token 将在具有高经济价值的企业场景中被消耗，而面向消费者的 AI 将被嵌入到服务中；他预计，由于工作流程需要重新设计，AI 的普及将需要数年时间。
BackEngine MCP 是一款通过 Model Context Protocol (MCP) 让公司私有知识可供 AI 使用的产品。
微软正在限制工程师的AI令牌使用量，告诉员工“tokenmaxxing”并非目标，并将更便宜的GPT-5.6设为内部默认模型，这反映出整个行业遏制昂贵AI使用的趋势。
一位实践者认为RAG不再是企业AI的自动化解决方案，指出许多问题实际上是数据卫生或结构化查询问题，而带有工具使用的智能体往往更好。
作者分享了为企业级 agent 平台构建 human-in-the-loop 审批系统的经验，强调审批步骤必须是一个真正的阻塞暂停，参数可编辑，并且拒绝/编辑结果应是一等公民，同时询问其他人如何构建 agent 暂停机制。
Palantir CEO Alex Karp 在公司2026年第二季度财报电话会议上称AI前沿实验室“马克思主义”且对企业不可信赖，尽管其营收创纪录达19亿美元，同比增长93%。
AWS 与 vibe-coding 初创公司 Superblocks 合作，将其工具嵌入企业私有云，并与 Bedrock 和 Aurora 集成，标志着超大规模云厂商正积极抢占企业 AI 基础设施层。
Stripe在一周内构建了一个名为Kai的内部知识AI平台，采用Deep Agents，展示了内部AI平台改变公司的潜力。
一个被称为“tokenomics”的新领域已经出现，用于衡量企业在人工智能上投入的巨额资金的投资回报。