2026年4月28日，AWS没有发布新的基础模型，没有宣布新的芯片流片计划，也没有用另一个benchmark刷榜。它做了一件看起来不那么”性感”、但可能比上述任何一件事都更具战略纵深的事情——将Amazon Connect从一个云联络中心服务，裂变为覆盖供应链运营、大规模招聘、客户服务和医疗健康4大垂直领域的Agentic AI解决方案集。(来源: aboutamazon.com, 2026-04-28)

这不是一次常规的产品线扩张。这是AWS第一次系统性地将Amazon自身30年积累的运营能力——从全球最复杂的物流网络到每年数十万人规模的招聘体系——封装为可出售的AI原生企业软件。当整个行业还在争论大模型的参数规模和benchmark分数时，AWS正在悄然回答一个更根本的问题：在Agentic AI时代，企业软件的护城河究竟是什么？

答案不是模型本身，而是训练AI代理所需的大规模运营数据、流程知识和经过真实业务验证的决策逻辑。

这篇文章将拆解这次战略裂变的产品逻辑、能力来源、竞争定位和资本市场含义。核心论点是：AWS正在构建一种全新的企业软件竞争范式——它不卖工具，不卖平台，而是卖经过Amazon自身验证的”运营智能”。如果这条路走通，它将重新定义企业软件的终局形态。

第1章：从Connect到连接一切——Amazon Connect的战略裂变

1个产品名，4条业务线

让我们先厘清事实。2026年4月28日，AWS宣布将Amazon Connect从单一的云联络中心服务扩展为一组Agentic AI解决方案，覆盖4个核心企业运营领域(来源: aboutamazon.com, 2026-04-28)：

  • Amazon Connect（客户服务）：原有联络中心能力的Agentic AI增强版，AI代理可以端到端处理客户问题，而非仅提供辅助建议
  • Amazon Connect Supply Chain（供应链运营）：面向供应链调度、库存优化、物流协调的AI代理解决方案
  • Amazon Connect Hiring（大规模招聘）：面向高吞吐量招聘场景（如仓储、零售、服务业）的AI代理解决方案
  • Amazon Connect Health（医疗健康）：面向患者互动、分诊调度、医疗服务协调的AI代理解决方案

(来源: siliconangle.com, 2026-04-28; geekwire.com, 2026-04-28)

这4个方向的选择绝非随机。每一个都精确映射到Amazon自身最强的运营能力——这一点我们将在第2章深入分析。但首先，我们需要理解这次裂变的产品逻辑。

为什么是”裂变”而非”扩张”？

表面上看，AWS是在做产品线的横向扩展——从客服扩展到供应链、招聘和医疗。但如果你仔细审视产品架构，会发现这是一次纵深裂变：AWS不是在原有联络中心之上叠加新功能，而是将Amazon Connect的底层能力（实时通信基础设施、对话式AI引擎、工作流编排框架、数据集成管道）抽象为一个通用的”Agentic AI运行时”，然后在这个运行时之上部署4个垂直领域的AI代理。

这种架构选择有3个关键含义：

第1，共享基础设施降低边际成本。 Amazon Connect原有的语音/文本通信栈、实时数据流处理能力、安全合规框架可以被4个垂直方案复用。这意味着每新增一个垂直领域的边际开发成本远低于从零构建。

第2，统一的Agentic AI编排层。 4个解决方案共享同一套AI代理编排框架——包括任务分解、工具调用、人机协作切换、异常升级等核心能力。这不是4个独立产品，而是1个Agentic AI平台的4种垂直实例化。

第3，数据飞轮的跨域效应。 当企业同时使用多个Connect解决方案时，供应链数据可以为客服AI提供实时库存信息，招聘数据可以为供应链AI提供产能预测，形成跨域数据飞轮。这是单点解决方案供应商无法复制的结构性优势。

SiliconANGLE在其分析中指出，AWS此举标志着Amazon Connect从一个”联络中心产品”转变为一个”Agentic AI套件”(来源: siliconangle.com, 2026-04-28)。这个判断准确但不够深入——更精确的描述是：AWS正在将Amazon Connect改造为企业级Agentic AI的操作系统。

一个被低估的信号：OpenAI联盟

值得注意的是，就在同一天，AWS还宣布了与OpenAI的新合作关系，将OpenAI的模型能力整合到Connect和Amazon Q等产品中(来源: siliconangle.com, 2026-04-28)。这个信号被多数分析师解读为AWS在模型层的”多供应商”策略，但我认为它揭示了一个更深层的战略意图：AWS正在将自己定位为模型无关的Agentic AI应用层玩家。

在AWS的架构中，底层模型（无论来自Anthropic的Claude、Meta的Llama还是OpenAI的GPT系列）是可替换的组件，而真正不可替换的是上层的运营流程知识、业务规则引擎和经过验证的AI代理行为模式。这种”模型层商品化、应用层差异化”的策略，与AWS在云基础设施领域的经典打法如出一辙——20年前，AWS将服务器商品化，在其上构建差异化的云服务；今天，AWS正在将大模型商品化，在其上构建差异化的Agentic AI解决方案。

第2章：30年运营科学的产品化——Amazon的隐性资产变现

每个解决方案背后都有一个Amazon内部系统

AWS此次发布的4个解决方案，不是凭空设计的产品概念。每一个都有一个清晰的内部能力映射：

Amazon Connect Supply Chain → Amazon物流网络。 Amazon运营着全球最大的电商物流网络之一，覆盖仓储、分拣、配送、逆向物流等全链路。其供应链管理系统需要实时处理数百万SKU的库存调度、需求预测、路径优化等决策。GeekWire的报道明确指出，AWS正在将Amazon的供应链专业知识转化为面向外部企业的AI产品(来源: geekwire.com, 2026-04-28)。

Amazon Connect Hiring → Amazon大规模招聘体系。 Amazon是全球最大的雇主之一，其仓储和物流网络需要持续进行大规模招聘。GeekWire同样报道了AWS正在将Amazon的招聘专业知识产品化(来源: geekwire.com, 2026-04-28)。这个场景的核心挑战不是找到”最优秀”的候选人，而是在极短时间内高效完成大量候选人的筛选、面试调度、背景核查和入职流程——这恰恰是AI代理最擅长的”高吞吐量流程自动化”场景。

Amazon Connect（客户服务）→ Amazon自身的客服体系。 Amazon Connect本身就是从Amazon内部客服系统演化而来的产品。2017年AWS将其对外发布时，它已经在Amazon内部经过了多年的大规模验证。此次的Agentic AI增强，是在已验证的基础上将AI代理的自主执行能力推向新的水平。

Amazon Connect Health → Amazon的医疗健康布局。 Amazon在医疗领域的投入包括Amazon Pharmacy、Amazon Clinic（现已整合为Amazon One Medical的一部分）等。虽然Amazon的医疗业务规模尚不及其电商和云计算业务，但患者互动、分诊调度、预约管理等场景与联络中心的技术栈高度重合，是Amazon Connect能力的自然延伸。

“运营科学”作为护城河的逻辑

这里需要解释一个关键概念：为什么”运营知识”比”模型能力”更能构成护城河？

当我们谈论AI代理自主执行业务流程时，模型的语言理解和推理能力只是必要条件，不是充分条件。一个供应链AI代理要能真正替代人类调度员，它需要知道：

  • 当某个仓库的库存低于安全水位时，应该触发哪些补货流程？
  • 不同品类的商品在不同季节的需求波动模式是什么？
  • 当多个订单竞争同一批库存时，优先级规则如何确定？
  • 异常情况（供应商延迟、天气中断、突发需求）的升级路径是什么？

这些知识不是从互联网文本中学来的，也不是通过扩大模型参数就能获得的。它们来自数十年的运营实践、数百万次的决策迭代、无数次的失败和优化。Amazon在供应链领域积累的这类知识，是其真正的隐性资产。

AWS此次做的事情，本质上是将这些隐性资产显性化、产品化、可出售化。这是一种全新的企业软件商业模式——不是卖代码，不是卖平台，而是卖经过验证的”运营智能”。

对立视角：这是优势还是风险？

有一种合理的反驳观点：Amazon的运营经验主要来自电商和物流场景，它在医疗、金融、制造等其他行业的运营知识并不深厚。将Amazon的供应链逻辑直接应用于汽车制造商或制药企业的供应链，可能会遇到严重的领域适配问题。

这个批评有道理。但我认为AWS的策略不是直接复制Amazon的运营规则，而是将Amazon运营中提炼出的”元能力”——如何设计高吞吐量流程、如何构建异常处理机制、如何在不确定性下做出快速决策——编码为AI代理的行为框架，然后用客户自身的数据和业务规则来填充具体内容。

换句话说，Amazon提供的是”骨架”（经过验证的流程架构和决策框架），客户提供的是”血肉”（行业特定的数据和规则）。这种”骨架+血肉”的模式，比纯粹的通用AI平台（只提供模型能力，客户自己搭建一切）和纯粹的行业SaaS（固化的流程，难以适应AI原生架构）都更具竞争力。

PYMNTS在报道中指出，Amazon将Connect服务扩展到供应链和人力资源领域，标志着Amazon正在将其核心运营能力外部化(来源: pymnts.com, 2026-04-28)。The Next Web则更激进地评论道，Amazon曾尝试销售办公软件但失败了，现在它押注的是”办公软件本身已经过时”这一判断(来源: thenextweb.com, 2026-04-28)。这两个观察共同指向一个结论：AWS不是在与现有企业软件竞争，而是在定义一种全新的品类。

第3章：Agentic AI的企业落地范式——从辅助到自主执行

IDC的5大趋势与AWS的产品映射

AWS引用了IDC关于Agentic AI企业采用的研究，该研究揭示了驱动企业增长的5个关键趋势(来源: aws.amazon.com/isv/resources/agentic-ai-idc-study/)。虽然参考资料中未提供该研究的具体数据点，但从AWS选择在产品发布同期突出引用这份研究可以推断，IDC的发现为AWS的产品战略提供了市场验证。

从产品设计来看，AWS的4个Connect解决方案体现了Agentic AI企业落地的一个核心范式转换：从”AI辅助人类决策”到”AI代理自主执行业务流程”。

让我们用具体场景来说明这个区别：

传统AI辅助模式（2023-2025年的主流范式）：

  • 客服场景：AI为人类客服提供建议回复，人类决定是否采用
  • 供应链场景：AI生成需求预测报告，人类调度员据此做出决策
  • 招聘场景：AI对简历进行初筛评分，人类招聘官做最终判断

Agentic AI自主执行模式（AWS此次发布所代表的新范式）：

  • 客服场景：AI代理直接与客户对话、查询订单系统、执行退款/换货操作、在需要时才升级给人类
  • 供应链场景：AI代理实时监控库存水平、自动触发补货订单、协调多仓调拨、处理供应商异常
  • 招聘场景：AI代理自动筛选申请、调度面试时间、发送通知、完成背景核查流程，人类只在最终录用决策环节介入
  • 医疗场景：AI代理处理患者预约、初步分诊、保险验证、随访提醒，将复杂临床判断留给医生

这个范式转换的关键不在于AI的”智能程度”提升了多少，而在于系统设计哲学的根本改变：从”AI是工具，人是操作者”变为”AI是执行者，人是监督者”。

自主执行的3个技术前提

要实现从辅助到自主执行的跨越，需要满足3个技术前提，而AWS的Connect架构恰好覆盖了这3个层面：

第1，可靠的工具调用能力。 AI代理不能只”说”，还要能”做”。它需要调用企业内部系统（ERP、CRM、WMS、HRIS等）的API来执行实际操作。Amazon Connect的原有架构已经具备与企业系统深度集成的能力，这是其作为联络中心多年积累的技术资产。

第2，鲁棒的异常处理和升级机制。 自主执行的AI代理必须知道自己的能力边界——什么时候可以独立处理，什么时候需要升级给人类。这需要精心设计的置信度评估、异常检测和人机切换协议。Amazon在自身运营中积累了大量关于”什么情况下自动化系统应该交回人类控制”的经验，这些经验被编码到了Connect的AI代理框架中。

第3，端到端的流程编排能力。 单个AI能力（如文本理解、意图识别）不等于端到端的流程执行。一个完整的供应链调度流程可能涉及10-20个步骤、多个系统交互和多个决策节点。Amazon Connect的工作流编排引擎提供了将这些步骤串联为自动化流程的能力。

为什么这个时间点？

一个值得追问的问题是：为什么AWS选择在2026年4月推出这些解决方案，而不是更早或更晚？

我认为有3个收敛因素：

模型能力跨过”可用阈值”。 2024-2025年间，大语言模型在工具调用、多步推理和指令遵循方面取得了显著进步。特别是在AWS与OpenAI建立新合作关系的背景下(来源: siliconangle.com, 2026-04-28)，AWS现在可以在模型层获得多个顶级供应商的能力支持，为上层应用提供足够可靠的AI基座。

企业需求从”试验”转向”部署”。 IDC的研究表明，企业对Agentic AI的采用正在从试验阶段转向规模化部署(来源: aws.amazon.com/isv/resources/agentic-ai-idc-study/)。这意味着市场已经准备好接受更完整、更垂直化的解决方案，而非仅仅是通用的AI平台和API。

AWS的AI投资回报压力。 这一点我们将在第4章详细分析，但简单来说，华尔街正在密切关注AWS的AI资本支出能否转化为收入(来源: businessinsider.com, 2026-04-28)。推出高附加值的垂直解决方案，是AWS证明AI投资回报率的最直接方式。

第4章：AWS的AI投资回报压力与战略对冲

华尔街的核心问题：钱花在哪了？

在Amazon即将发布2026年Q1财报之际，华尔街的注意力聚焦在一个核心问题上：AWS在AI基础设施上的巨额资本支出，何时以及如何转化为可见的收入增长？(来源: businessinsider.com, 2026-04-28)

Business Insider的报道指出，所有目光都集中在AWS身上，投资者希望看到AI支出带来的回报(来源: businessinsider.com, 2026-04-28)。AInvest的分析进一步指出，AWS仍然是Amazon牛市论点的核心驱动因素，其AI商业化进展将直接影响Amazon的估值走向(来源: ainvest.com, 2026-04-28)。

在这个背景下，4大Agentic AI解决方案的推出就不仅仅是产品战略，更是资本市场叙事的关键组成部分。让我解释为什么。

从基础设施到应用层：利润率的攀升

AWS的传统收入来源——计算、存储、网络等基础设施服务——是高度标准化的商品，面临持续的价格竞争压力。AI基础设施（GPU实例、模型训练/推理服务）虽然是增长最快的品类，但同样面临来自Microsoft Azure、Google Cloud的激烈竞争。

4大Connect解决方案代表了AWS在收入结构上的战略性升级：从卖基础设施（IaaS/PaaS）向卖解决方案（SaaS/AaaS——AI as a Service）攀升。解决方案层的定价逻辑与基础设施层根本不同：

  • 基础设施层：按资源消耗计费（每小时GPU、每GB存储），客户对价格高度敏感
  • 解决方案层：按业务价值计费（每次客服交互、每个招聘流程、每条供应链调度），客户对价格的敏感度远低于对效果的敏感度

这意味着Connect解决方案的毛利率潜力显著高于基础设施服务。更重要的是，这些解决方案的使用会自然带动底层AWS基础设施的消耗（计算、存储、AI推理），形成”应用拉动基础设施”的飞轮效应。

竞争定位：与Microsoft Copilot和Google的差异化

要理解AWS此次发布的竞争含义，需要将其放在3大云厂商的AI战略对比中分析：

Microsoft的路径：Copilot嵌入现有软件。 Microsoft的核心策略是将AI能力（Copilot）嵌入其已有的企业软件矩阵（Microsoft 365, Dynamics 365, Teams等）。这是一种”AI增强现有产品”的路径，优势是庞大的存量用户基础，劣势是受限于现有产品的架构和交互范式。Copilot本质上仍是”辅助工具”，而非”自主代理”。

Google的路径：Vertex AI平台+行业模型。 Google Cloud的策略是提供通用的AI开发平台（Vertex AI）和行业特定的预训练模型，让企业和ISV在其上构建自己的AI应用。这是一种”平台赋能”的路径，优势是灵活性，劣势是缺乏开箱即用的垂直解决方案。

AWS的路径：运营智能产品化。 AWS此次的路径与上述两者都不同。它既不是在现有软件中嵌入AI（因为AWS没有像Microsoft那样的企业应用矩阵），也不是仅提供通用AI平台（虽然AWS也有Bedrock和SageMaker），而是将Amazon自身的运营能力直接封装为AI原生的垂直解决方案。

The Next Web的评论精准地捕捉到了这个差异：Amazon曾尝试在办公软件领域与Microsoft竞争并失败了（WorkDocs、WorkMail等产品从未获得显著市场份额），现在它的赌注是”办公软件本身已经过时”(来源: thenextweb.com, 2026-04-28)。换句话说，AWS不是在现有企业软件品类中与Microsoft竞争，而是试图定义一个全新的品类——AI原生的企业运营系统。

这个赌注的风险

我必须指出这个战略的风险面。

风险1：企业采购惯性。 大型企业在供应链管理（SAP, Oracle）、人力资源（Workday, SAP SuccessFactors）、客户服务（Salesforce Service Cloud, Zendesk）等领域已有深度部署的软件系统。让这些企业将核心运营流程迁移到AWS的Agentic AI解决方案，面临巨大的切换成本和组织阻力。

风险2：信任门槛。 将供应链调度、招聘决策、医疗分诊等高风险业务流程交给AI代理自主执行，需要企业对AI系统建立极高的信任。这个信任不是通过demo和POC就能建立的，需要长期的生产环境验证。

风险3：监管合规。 特别是在医疗（HIPAA）和招聘（EEOC、各州AI招聘法规）领域，AI代理的自主决策面临严格的监管审查。任何一次高调的合规事故都可能严重损害产品的市场接受度。

我的判断： 尽管存在上述风险，AWS的战略方向是正确的。原因在于，企业软件市场正在经历一次底层范式的更迭——从”人操作软件”到”AI代理执行流程”。在这个更迭中，率先将经过验证的运营智能产品化的玩家将占据先发优势。AWS的风险不在于方向错误，而在于执行速度和市场教育的效率。

第5章：企业软件的终局形态——当”软件”本身变得过时

一个激进但合理的推演

让我们将AWS此次发布的逻辑推演到极致。

如果AI代理可以自主执行供应链调度，企业还需要传统的SCM软件吗？如果AI代理可以端到端处理招聘流程，企业还需要传统的ATS（Applicant Tracking System）吗？如果AI代理可以管理患者互动和分诊，医疗机构还需要传统的患者管理系统吗？

The Next Web的报道标题直接点出了这个推演：”Amazon押注办公软件本身已经过时”(来源: thenextweb.com, 2026-04-28)。

这不是说企业不再需要信息系统。而是说，信息系统的交互范式将从”人通过界面操作软件”变为”AI代理通过API操作系统”。在这个新范式中：

  • 用户界面从核心功能降级为监控面板。人类不再需要在复杂的ERP界面中录入数据和执行操作，而是通过自然语言与AI代理交互，或在仪表盘上监控AI代理的执行状态。
  • 业务逻辑从硬编码的软件规则变为AI代理的行为策略。传统软件中固化的审批流程、路由规则、优先级算法将被AI代理的动态决策所替代。
  • 数据集成从ETL管道变为AI代理的实时感知。AI代理直接从多个系统中获取实时数据，而非依赖定期同步的数据仓库。

这意味着什么：ERP/HCM/SCM的”解构”

如果这个推演成立，传统企业软件巨头（SAP、Oracle、Workday、Salesforce）面临的不是”AI增强”的机遇，而是”被解构”的威胁。

让我解释”解构”的含义。传统企业软件的价值由3个层面构成：

  1. 数据存储层：客户数据、交易记录、员工信息等
  2. 业务逻辑层：审批流程、计算规则、路由算法等
  3. 用户交互层：界面设计、报表生成、仪表盘等

在Agentic AI时代：

  • 数据存储层将进一步商品化（云数据库、数据湖）
  • 业务逻辑层将被AI代理的行为策略替代
  • 用户交互层将被自然语言对话和自动化执行替代

这意味着传统企业软件的3个价值层都面临被替代或商品化的风险。而AWS的Connect解决方案，正是瞄准了这个解构机会——它不是在传统软件品类中竞争，而是在传统软件品类被解构后的新品类中抢占位置。

对立视角：软件不会消亡，但会被重新定义

当然，也有充分理由认为”软件过时”的说法过于激进。

反驳1：记录系统（System of Record）不可替代。 企业需要可审计、可追溯的数据记录系统来满足合规要求。AI代理可以替代操作层面的人类工作，但底层的数据存储和审计追踪仍然需要可靠的软件系统。

反驳2：AI代理的可靠性尚未达到关键任务级别。 在金融交易、医疗诊断、安全关键系统等领域，AI代理的错误率必须极低。当前的大语言模型在”幻觉”和一致性方面仍有显著缺陷，距离关键任务级别的可靠性还有差距。

反驳3：组织变革的速度远慢于技术变革。 即使技术上可行，企业从”人操作软件”到”AI代理自主执行”的组织转型也需要数年甚至十年。这给传统软件厂商留下了充足的转型窗口。

我的综合判断： 传统企业软件不会在短期内消亡，但其形态将被根本性重塑。未来3-5年最可能的演进路径是”混合模式”——AI代理处理标准化、高频率的流程（如常规客服、简历初筛、库存补货），人类处理例外情况和高价值决策，传统软件作为底层记录系统和合规框架继续存在，但其用户界面和业务逻辑层将被AI代理层逐步覆盖。

在这个演进过程中，AWS的Connect解决方案处于一个有利位置：它不要求企业一步到位地替换现有系统，而是作为一个”AI代理层”叠加在现有系统之上，逐步接管越来越多的流程执行。这种渐进式的替代策略，比激进的”推倒重来”更容易被企业接受。

结语：So What——这对你意味着什么

让我们回到最核心的问题：AWS将Amazon Connect裂变为4大Agentic AI解决方案，这件事对不同角色的读者意味着什么？

如果你是企业技术决策者： 你面临的不是”要不要用AI”的问题，而是”AI代理在多大程度上可以替代你的运营流程中的人类操作”的问题。AWS的Connect解决方案提供了一个具体的评估框架——从客服、供应链、招聘、医疗4个领域开始，审视你的组织中哪些流程可以率先交给AI代理自主执行。但请注意：这不是一个纯技术决策，而是一个组织设计决策。你需要重新定义人类员工的角色——从”执行者”变为”监督者”和”例外处理者”。

如果你是企业软件从业者（SAP、Oracle、Salesforce、Workday等生态）： AWS此次发布是一个明确的竞争信号。AWS不是在你的品类中与你竞争，而是在试图让你的品类变得不那么重要。你的应对策略不应该是在现有产品中添加更多AI功能（这只是防御性动作），而是思考如何将你的领域知识和客户关系转化为Agentic AI时代的竞争优势。记住：在新范式中，护城河不是代码和界面，而是运营知识和流程智能。

如果你是AI/云计算投资者： AWS此次发布揭示了AI投资回报的一条关键路径——从基础设施层向应用层攀升。在评估AWS（以及Microsoft、Google）的AI商业化前景时，不要只看GPU部署量和模型训练规模，更要看它们在应用层的垂直解决方案布局。华尔街在Amazon Q1财报中寻找的答案(来源: businessinsider.com, 2026-04-28)，很可能不在基础设施收入的增长率中，而在这些高附加值解决方案的早期采用指标中。

如果你是AI创业者： AWS的进入意味着”通用Agentic AI平台”的创业窗口正在快速关闭。但垂直领域的机会仍然巨大——AWS的4个解决方案覆盖了供应链、招聘、客服和医疗，但金融、法律、教育、制造等领域仍有大量空白。关键是：你需要拥有或能获取特定领域的运营知识和数据，而不仅仅是技术能力。没有领域知识的AI创业公司，将在AWS、Microsoft和Google的平台攻势下迅速失去差异化。

最后一个观察。AWS在同一天宣布与OpenAI合作(来源: siliconangle.com, 2026-04-28)，这个时间点的选择绝非巧合。它传递的信息是：在Agentic AI时代，模型层正在走向多供应商、可替换的商品化格局，而真正的价值创造正在向上迁移——迁移到运营知识、流程智能和垂直解决方案层。

Amazon用30年时间积累了全球最强的电商运营科学。现在，它正在将这些运营科学编码为AI代理的行为逻辑，并以企业软件的形式出售给全世界。

这不是一次产品发布。这是企业软件范式更迭的起点。

参考资料

  1. Amazon Connect expands into a set of agentic AI solutions — About Amazon (AWS官方博客), 2026-04-28
  2. AWS accelerates enterprise agentic automation with expanded Amazon Connect portfolio — SiliconANGLE, 2026-04-28
  3. AWS turns Amazon’s hiring and supply chain expertise into new AI products for other businesses — GeekWire, 2026-04-28
  4. Putting AI to work: AWS unveils agentic enhancements for Connect and Quick alongside new alliance with OpenAI — SiliconANGLE, 2026-04-28
  5. Amazon tried selling office software and failed. Now it is betting that office software itself is obsolete. — The Next Web, 2026-04-28
  6. All eyes are on AWS ahead of Amazon earnings as Wall Street looks to see AI spending pay off — Business Insider, 2026-04-28
  7. Agentic AI adoption: 5 key trends driving enterprise growth — AWS/IDC, 2026
  8. Amazon Expands Connect Service to Cover Supply Chains and HR — PYMNTS, 2026-04-28
  9. Amazon 2026 Earnings Outlook: Why AWS Still Drives the Bull Case — AInvest, 2026-04-28
  10. Amazon Connect’s second act: From contact center to agentic AI suite — SiliconANGLE, 2026-04-28

主题分类：企业AI落地