先问你一个问题。

你们公司里，一定有这样的人：AI用得飞起，过去八小时的活，现在半小时干完。

按道理，公司效率应该跟着起飞。但真实情况是——个人提效了，组织却没变快。

报告还是没人及时看，跨部门的信息还是对不齐，新人上手还是要靠老员工一点点带。

9月22日的云栖大会上，阿里巴巴集团副总裁、千问办公CEO陈宇森把这件事摆上了台面，还顺手发布了一个新产品，试图回答这个问题。

这篇文章，我们就来拆解：AI办公工具，到底是怎么从"懂你"进化到"懂你的公司"的？

点击以上链接，收听AI播客

陈宇森在演讲里说了一句很出圈的话：

"Context is All You Need."（上下文，就是一切。）

这句话背后，是他观察到的一个普遍困境。

模型越来越强，个人办公效率被AI推上了新台阶。但组织的生产力，并没有因为某几个人提效而线性增长。原因也很真实：一个高手干完自己的活，省下来的时间可以发呆，也可以多干活——公司没有一个好机制，让他的经验快速复制给整个组织。

更关键的是第二个问题。

通用AI再聪明，也回答不了这个问题："我们公司上个季度华东区的毛利率是多少？"

因为它不知道"我们公司"是谁，不知道"华东区"是哪几个省，更不知道"毛利率"在你们公司内部是按什么口径算的。

陈宇森的判断很直接：一个不懂业务的AI Agent，进不了企业真实的业务流。不懂公司的AI，对企业来说就是一个昂贵的玩具。

他把企业用AI的障碍总结成三个字：

• 不懂——AI没有企业上下文，答不了业务问题；

• 不敢——AI开始动手操作，数据安全和越权风险怎么办；

• 不能——个人经验无法沉淀复用，单点提效变不成组织能力。

而千问办公这次发布的核心产品，瞄准的就是第一关——"不懂"。

不是给AI灌数据，而是帮AI"读懂公司"

这个产品叫企业上下文（Enterprise Context），千问办公给它的定位是：面向企业的上下文数据管理产品，也是业内首个企业级Agent的基础设施。

先说清楚它不是什么。

它不是把公司所有数据一股脑塞进一个池子。

要知道，中大型企业内部的数据规模平均约150PB——文档、群聊、会议记录、知识库，十几年攒下来的东西。而当前最强模型的上下文窗口，也不过100万Token。硬塞，要么直接爆掉，要么浪费宝贵的执行窗口。

所以千问办公的解法是两个字：压缩。

企业上下文内置专属模型，把企业多年的文档、群聊、会议数据乃至隐性知识，做结构化处理和深度压缩，而且用极低的Token成本完成。员工执行具体任务时，它不会甩给你全部资料，而是只调取跟当前任务最相关的那部分上下文；业务一变，它还会跟着更新，保证AI每次判断都基于公司最新的真实情况。

这个成本差距有多大？

千问办公副总裁、产研负责人束骏亮算了笔账：过去抽象一套企业上下文，可能要10天、花100万；现在的方案，大约3天、5000元就能做到。

而且它从诞生起就打通了钉钉、飞书、企业微信——这些IM里沉淀着中国最大规模企业的群聊和文档。过去业界长期缺的，就是把这些海量信息结构化、再供AI调用的基础设施。

听起来抽象？看一个真实案例。

茶饮品牌古茗，门店上万家，上新极其频繁。新品一上，运营标准就要立刻更新、下发到每家门店：海报怎么贴、新品怎么做、话术怎么讲。

过去，这些内容散落在飞书文档、知识库、答疑群、培训日程里，近万名一线员工要找齐、看懂、执行，沟通成本极高。

接入企业上下文后，古茗把这些资料整理成一个"门店运营知识空间"。

现在店员问Agent："新品海报张贴的规范是什么？"系统不会把整个运营手册丢给他，而是精准调取这一个任务需要的上下文，直接给出可执行的答案。近万名员工，问一句话就能掌握最新标准。

看明白了吗？这跟"用AI搜文档"是两回事——搜文档，你还要自己读、自己判断；而在企业上下文之上，AI已经替你读懂了公司，直接在"懂业务"的前提下完成任务。

有了企业上下文，AI才能真正以"员工"的身份进入组织。

这次千问办公给数字员工赋予了完整的组织身份：有名称、有所属部门、有负责人、有岗位职责，也有授权范围和生命周期。它能被员工识别、被系统授权，也能被管理员停用，所有执行记录都能追溯到这个身份。

仓储物流包装公司富立卡，销售团队每人每天要处理300多条客户询盘，还要跟6个部门协作。千问办公给它配了三个数字员工：

• 查询员工：匹配客户需求与产品；

• 报价员工：结合客户信息和公司规则测算报价；

• 合同员工：承接前序信息生成合同，并按企业规则发起审批。

三个"人"各司其职，通过企业上下文共享同一笔业务的信息，询盘、报价、合同，自动流转。

协作方式也变了。千问办公同步推出"协作"功能：企业可以创建协作空间，把散落在群聊、文档、知识库里的信息关联起来，再按需加入人类员工和数字员工。人可以跟Agent讨论，Agent之间也能互相沟通、分工，产出和进度统一沉淀在空间里，不用再在十几个群里反复转述。

还有一个"应用"功能，解决另一个痛点：不是所有活都适合在聊天框里干。企业和SaaS厂商可以把原有业务系统以"应用"形式接入，界面和数据都保留，直接叠加AI能力。比如金融投研，过去AI给你一份分析，你还得切回金融终端核对数据、保存结果；现在比较公司、形成简报、核对落盘，全在一个地方完成。

从"人使用工具"，到"人与智能协同"——这一步，Agent真的坐进了组织架构图里。

AI从"回答问题"走向"执行操作"，风险的性质也变了：不再只是说错话，而是可能调错数据、越权操作、误删文件。

陈宇森的观点很明确：安全不能只在外围加防线，而要从架构设计的第一天就考虑进去。

这次发布的千问办公安全中心，统一管理Agent的数据访问、工具调用和任务执行，形成三道闸：

1. 执行前：通过沙箱划定运行边界，支持最小权限授予；

2. 执行中：高风险操作要审批、可拦截，敏感信息自动识别；

3. 执行后：全程操作审计，任务谁发起的、用了哪些数据、执行了哪些动作，全部可追溯，异常还能恢复。

再结合钉钉的企业安全体系，等于给数字员工套上了"紧箍咒"——能干，但不能乱来。

这也是"不敢用"这个心结的解法：企业要的从来不是一个能力逆天却不受控的AI，而是一个有边界、能追溯、出了事能查得到的数字员工。

产品到底行不行，看谁买单。

云栖大会现场，又一批头部企业宣布接入千问办公：益海嘉里金龙鱼、一汽丰田、方达律师事务所、传化集团、中国数联、泽大律师事务所、横店东磁、国邦医药等，覆盖研发、制造、供应链、财务、销售、运营、合规管理等核心场景。

此外，千问办公还宣布接入阿里云上的Salesforce，把企业上下文能力和客户管理系统打通；同时发布67克的AI硬件QwenNote A2，主打"真AI、不录音"，把线下沟通也沉淀为企业的外部上下文。

这些信息合在一起，指向同一个趋势判断：

AI办公的竞争，已经从"谁的模型更能写"，进入"谁能真正嵌入企业上下文、沉淀组织能力、创造可衡量价值"的阶段。

工具是平权的，谁都能下载。但同样的工具，为什么有的企业养出了数字员工团队，有的企业只停留在"帮我写个周报"？

差距不在技术预算，而在三种人：会把业务拆给AI的人、会把规则教给AI的人、会把经验沉淀成组织资产的人。

这波浪潮，无论你是职场人还是管理者，现在都有三件事可以做：

1. 找到你公司里"AI答不上来"的问题。

"我们公司报销标准是什么""这个客户的历史合同在哪""华东区去年的复购率多少"——这些AI答不了的问题，背后就是企业上下文的缺口。谁先把这些信息梳理清楚，谁就先握住了企业AI落地的入口。

2. 从"自己会用"升级为"让经验能复用"。

个人再熟练，价值也只停留在一个人身上。试着把岗位规则、判断标准、踩过的坑整理成AI可调用的知识库和流程——你的价值会从"活干得快"，变成"方法能复制"。

3. 管理者要先建"安全边界"，再谈规模铺开。

企业上Agent，别急着追求数量。先把权限分级、敏感数据规则、审批流程和操作审计搭好，员工才敢真正把业务交给AI。安全不是AI落地的阻力，而是前提。

从多人工作台，到企业级Agent；从帮个人提效，到帮组织"长脑子"——千问办公这次发布，其实是AI办公行业的一个缩影。

AI办公的上半场，比的是谁更懂个人；下半场，比的是谁更懂企业。

而"懂企业"这件事，注定不是买一套软件就能完成的。它需要有人理解业务、有人梳理数据、有人设计流程、有人守住安全——这些，恰恰是AI替代不了、却会越来越值钱的能力。

当工具开始主动读懂公司，真正拉开差距的，就是那些先学会"让AI懂业务"的人。

LIZ AI ACADEMY 专注AI办公实战培训，已为医院、学校、政府关联单位及多家企业提供AI全流程培训服务。我们的课程不讲概念讲操作：从文档处理、数据分析、PPT生成到智能体搭建、企业知识库构建、岗位工作流设计，手把手带你把AI真正"安排"进日常工作。

想系统掌握AI办公能力、成为团队里的"AI先行官"？人社部能建中心AIGC技术应用证书课程持续招生中，学完可考取国家级技术证书，职场加分、评聘可用。企业团训与个人报名均欢迎私信了解。