这段时间,OpenClaw 很热。
但我觉得,OpenClaw 的热度,表面上是大家在讨论一个新工具、新产品,底层其实是两种情绪叠加在一起:一种是对未来的期待,一种是对错过当下的恐惧(FOMO)。
这种期待并不抽象。很多人心里其实已经有了一个很具体的画面:
清晨七点,市场总监的智能终端轻轻震动。
营销 Agent 推送简报:“华东区新品转化率骤降18%,已联动供应链 Agent 核查库存周转,财务 Agent 同步评估促销弹性空间。三套优化方案生成中,建议 9:00 前决策。”
几乎同一时刻,供应链 Agent 正与物流 Agent 协商区域仓调拨策略,财务 Agent 已经把预算影响模拟结果嵌入到财务对比方案中。
没有人开会,没有人半夜拉群,没有人再反复追着分析师说“先帮我拉一下数”。
系统先感知问题,多个 Agent 同时展开工作,信息在流转,分析在推进,建议在收敛,管理者醒来时,面对的已经不是混乱,而是几个被准备好的、带着依据的选择。
这正是 OpenClaw 这类产品真正打动人的地方。它让大家第一次如此具体地感受到:原来认知、方法和流程,真的可以被写成 Skill,交给 Agent 去执行。
这种感受一旦出现,市场就很容易往前多走一步:如果个人工作流可以这样被改写,企业是不是也可以?如果今天一个人能把自己的工作方法写成 Skill,明天一家企业是不是也可以把自己的分析流程、经营流程、决策流程交给 Agent 去跑?
我相信答案是可以。但我同样相信,很多人现在对这件事的理解,还停留在比较表层的阶段。大家以为企业 Agent 化的门槛,是模型还不够强,是 Skill 还不够多,是工具还没接完,是工程还没成熟。可如果你真的把问题往前推一步,就会发现,企业场景真正的门槛,往往不是这些。
真正的门槛,在语义层。
01
OpenClaw 很热,但一到企业场景,问题很快就不是“会不会做”,而是“是不是同一个意思”
个人为什么容易被 OpenClaw 打动?因为一个人给自己写 Skill,很多前提都是默认成立的。你知道自己平时怎么分析问题,你知道自己说的“收入”是哪种收入,你知道“异常”在你脑子里意味着什么,你也知道什么时候该继续追,什么时候其实已经够了。个人工作流最难的,是把脑子里的方法拆出来。一旦拆出来,很多事情马上就顺了。
但企业不是这样。
企业里最难的,从来不是“有没有方法”,而是“大家说的是不是同一个意思”。
举个很简单的例子。假设一个营销 Agent 接到任务:“看一下华东区新品转化率为什么跌了。”这句话听起来非常自然,对一个人来说也没什么理解难度。可放到企业里,问题马上就来了。什么叫“转化率”?是点击到下单,还是曝光到下单?是自然流量,还是包含投放流量?是当天转化,还是七天归因?什么叫“新品”?是上新七天,三十天,还是当前主推 SKU?如果供应链 Agent 被同步拉进来,要核查库存是否影响了转化,那“库存问题”又是什么意思?是断货,是低可售库存,是调拨不及时,还是区域仓分布不合理?如果财务 Agent 也加入进来,要评估促销弹性空间,那它看的到底是毛利空间、预算空间,还是现金流承压能力?
你会发现,一旦从“我给自己写 Skill”切到“企业里多个角色、多个系统、多个 Agent 一起工作”,很多原来看上去很简单的话,都不简单了。
问题不在于 Agent 不够聪明,而在于企业里大量默认存在的东西,根本没有被显式说出来。
这就是语义问题。
也是我最近越来越强烈的一个感受:OpenClaw 让大家看见了 Agent 的可能性,但它也反过来把另一个问题照亮了——企业并不是没有流程,企业真正缺的,是一层被长期隐藏起来、但所有协作都在默默依赖的语义层。
02
企业协作的底下,本来就压着一个长期存在但不总被看见的语义层
我越来越觉得,企业之所以能正常运转,不只是因为有流程、有系统、有报表,更因为在这些东西下面,长期存在着一层大家不总是说出来、但一直在用的“默认共识”。
这层共识包括什么?包括这家公司真正重要的业务对象是什么,哪些指标是核心指标,哪些只是辅助观察;包括“收入”“利润”“活跃”“转化”“异常”“库存健康”这些词,在不同语境下分别是什么意思;包括什么场景下该看哪个口径,什么变化算问题,什么变化其实只是正常波动;还包括哪些规则是全公司通用规则,哪些只是某个团队沿袭下来的经验。
这些东西,在过去很长时间里,大多不是靠系统承载的,而是靠人承载的。老员工知道,分析师知道,业务负责人知道,财务和运营在长期磨合里知道。大家通过会议、邮件、群聊、周会、月会,把它一点点维持住。
所以过去企业当然也有语义问题,而且一直都有。只是这类问题大多数时候表现为:沟通成本高一点,对齐时间长一点,对关键人的依赖重一点,组织摩擦多一点。它痛,但还不至于让系统直接失效,因为最后兜底的是人。
换句话说,企业以前并不是没有语义层,而是它把语义层外包给了组织和人。
这也是为什么很多人…