Zoho公布企业AI战略：从问答助手走向业务执行

大模型技术落地两年多后，企业端普遍面临一个尴尬现状：工具采购不少，但真正能在业务流中发挥作用的寥寥无几。盲目采购带AI标签的软件，不仅未能消除原有的数据孤岛，反而加剧了“AI孤岛”现象。

在近日举办的北京媒体沟通会上，企业软件服务商Zoho指出，如果AI只能停留在回答问题、提供信息层面，而无法进入实际业务流程，其对商业的真实价值将极其有限。AI真正参与业务的关键，在于理解需求后获取上下文数据、调用系统并在权限范围内执行操作。为此，Zoho展示了其企业级AI的三层架构：底层依托务实模型，中间层依靠协议连接，上层承接任务执行。

执行层：从对话助手到专属数字员工

在Zoho的规划中，AI落地业务的分水岭在于能否跑通多步骤的业务流程。其执行层由浅入深划分为三个梯度：

• 内嵌助手 AskZia：作为原生植入CRM、财务和客服等系统中的对话工具，负责通过自然语言交互完成信息提取、数据分析及初步内容生成。
• 开箱即用智能体 Zia Agents：针对规则明确、可复用度高的场景，提供销售教练、客户线索跟进机器人等预置智能体，承担需要经验与流程配合的固定任务。
• 低代码定制平台 Agent Studio：面向逻辑高度个性化的复杂业务场景。例如，制造企业可利用该平台搭建专属的关税与运输成本预测智能体，由非技术人员以模块化拖拽的方式构建定制化AI流程。

这一梯队设计改变了AI参与工作的方式，推动AI从辅助员工处理信息的顾问，转变为承担特定职责的“数字员工”。

连接层：借助 MCP 协议打通生态壁垒

要让AI真正执行任务，必须解决跨系统的交互难题。在中间连接层，Zoho通过引入模型上下文协议（MCP），打通内外生态。

通过配置自定义连接器接入Zoho MCP，用户在支持该协议的各类办公客户端中，即可直接下发指令操作CRM系统完成数据更新。目前，Zoho MCP已兼容Claude、ChatGPT等主流大模型与智能体框架，并提供超300款第三方应用集成。

MCP规范了AI工具与应用交互的标准方式。通过这种机制，敏感数据在离开核心系统前即可完成脱敏和鉴权，使AI的调用不再局限于单一SaaS软件内部，能够向跨系统的复杂工作流安全延伸。

底层架构：务实选用中小模型，AI作为基础设施交付

在底层算力和模型的选择上，Zoho并未盲目跟风追求上百亿或上万亿参数的通用超大模型，而是将重点放在部署于自有数据中心的中小模型上。

对于邮件自动回复、图片内容解析或情感分析等明确的业务场景，专业微调的中小模型在保持高精准度的同时，能大幅削减推理成本。针对AI编程，底层系统的源码托管、权限体系、安全运维和数据治理才是决定应用稳定性的根基，AI生成代码需要依附于成熟的企业级底座扩展，而非悬空搭建。

在商业模式上，Zoho采取了将AI作为软件基础设施的策略，并未将AI拆分为高价增值包独立收费。同时，Zoho设定了严格的数据边界承诺：无论企业采用自带API Key接入第三方模型，还是调用Zoho自研模型，均不会使用客户数据训练通用模型。

当AI智能体逐步具备调用API和自主执行任务的能力，企业软件的角色正从供人点击的操作界面，转变为承载智能体运行的业务底座。SaaS软件的竞争核心，也正从功能数量的比拼转向AI在真实业务中的执行效率。