2026 年 3 月下旬，人力资源和财务管理软件巨头 Workday 宣布以 11 亿美元完成对瑞典人工智能公司 Sana 的收购。这不仅是欧洲历史上金额最大的人工智能领域收购案，更是企业软件行业发出的一个清晰信号：传统的”点击菜单、填写表单、等待审批”的企业软件交互范式正在被”说一句话、完成一切”的对话式智能代理所取代。

最能说明这笔交易意义的不是那个 11 亿美元的数字，而是一个来自客户的真实案例：Sana 的客户 Berner 在部署后仅 40 天就达到了 90% 的员工采纳率，并退掉了此前购买的 400 个 ChatGPT 企业版许可证。这个细节揭示了一个正在发生的深层转变——企业不是在”增加一个人工智能功能”，而是在用垂直整合的人工智能代理替代通用的人工智能助手。

三条产品线勾勒的企业软件新形态

收购完成后，Sana 将以三条产品线融入 Workday 的生态体系，每一条都瞄准了传统企业软件最令人头疼的痛点。

第一条产品线是”Sana for Workday”——一个覆盖在 Workday 所有模块之上的对话式用户界面层。传统的 Workday 操作需要员工在复杂的菜单层级中寻找正确的表单，填写各种字段，然后等待审批流程逐级推进。Sana for Workday 允许员工用自然语言描述需求——比如”我想申请下周三到周五的年假”——然后由人工智能代理自动完成所有后续操作：定位正确的表单、填写所需字段、提交审批流程、通知直属上级。这不是简单的语音转文字加表单填充——代理需要理解公司的休假政策、计算剩余假期天数、检查审批权限层级，整个过程涉及多个系统的协调。

第二条产品线是”Self-Service Agent”——一套包含 300 多个预建人工智能技能的自助服务平台，覆盖人力资源和财务管理两大领域。每一个”技能”对应一个具体的企业操作流程，比如”新员工入职流程”、”费用报销审批”、”薪资结构调整”、”预算分配变更”等。这些技能不是静态的脚本自动化——它们是能够根据上下文动态调整行为的智能代理。例如，同样是”新员工入职”技能，对于一位总部的全职工程师和一位远程的兼职实习生，代理会自动调用不同的流程路径、准备不同的文件清单、配置不同的系统权限。

最引人注目的演示场景是新员工入职流程的完整自动化。传统流程中，一个新员工的入职涉及至少 6 个不同的系统（人事系统、薪资系统、权限管理、设备采购、培训平台、团队协作工具）和 24 项以上的独立任务。在 Sana 的方案中，这 24 项任务被压缩为人力资源经理与智能代理之间的一次对话——”小张下周一入职，软件工程师岗位，北京办公室，三级薪资档”——代理自动完成剩余的所有操作。

第三条产品线是”Sana Enterprise”——这是最具野心的部分。它将 Sana 的对话式代理能力从 Workday 平台延伸到企业的整个软件生态中，包括电子邮件系统、客户关系管理平台、项目管理工具、即时通讯工具和工单系统。这意味着员工不需要知道”这件事应该在哪个系统里操作”——他们只需要告诉代理”我需要做什么”，代理会自动判断应该调用哪些系统来完成任务。

退掉 400 个 ChatGPT 许可证：通用型工具 vs 垂直整合型代理

Berner 退掉 400 个 ChatGPT 企业版许可证这个细节，值得展开分析。

ChatGPT 企业版是 OpenAI 面向企业客户推出的通用人工智能助手产品。它的优势是通用性——能回答各种问题、能撰写各种文档、能辅助各种分析。但它的核心局限也恰恰在于这种通用性——它不理解你公司的人事政策、不知道你的审批流程、无法操作你的业务系统、不了解你的组织架构。

当一个员工问 ChatGPT”我还有多少天年假”时，ChatGPT 能做的充其量是教你怎么在 Workday 系统里查询——它无法直接查询你的人事记录并给出准确答案。而 Sana 可以，因为它与 Workday 的数据层深度集成，能够直接读取员工的假期余额、公司的假期政策和审批流程，并在一次对话中完成从查询到申请的完整闭环。

这揭示了企业人工智能市场正在发生的一个结构性转变：从”水平层”竞争转向”垂直层”竞争。ChatGPT、Claude、Gemini 等通用人工智能工具的竞争发生在水平层——谁的语言理解更强、谁的推理更准确、谁的知识更广博。而 Sana 这类产品的竞争发生在垂直层——谁与业务系统的集成更深、谁对特定领域的流程理解更到位、谁能端到端地完成更复杂的业务操作。

对于通用人工智能公司来说，这是一个警示信号。当企业客户发现垂直整合的行业代理能够直接解决他们的痛点时，通用工具的吸引力就会迅速下降。400 个许可证被退掉——这不是一个小数字，这意味着整个公司的员工从通用助手切换到了行业代理，而且切换后的满意度足够高，以至于完全不再需要通用工具作为补充。

定价革命：从按席位到按使用量

Sana 引入了一个名为”Flex Credits”的定价模型，每个信用单位定价 0.10 美元。这看似只是一个定价策略的变化，实际上是对传统企业软件商业模式的根本性挑战。

传统的企业软件定价遵循”按席位订阅”模式——无论一个员工实际使用了多少功能、产生了多少价值，公司都需要为每个用户支付固定的月费或年费。这种模式的好处是收入可预测，但弊端也很明显：它激励软件公司追求用户数量的增长而非使用深度的提升，导致了大量的”僵尸账户”——购买了许可证但几乎从不登录的用户。

Flex Credits 模式将定价从”你有多少员工可以使用”转变为”你的员工实际完成了多少操作”。一次年假申请消耗一定量的信用，一次费用报销消耗一定量的信用，一次新员工入职流程消耗更多的信用。这种模式与 Jensen Huang 在同期 GTC 大会上提出的”SaaS 已死，GaaS 万岁”的宣言形成了共鸣——从按席位的固定订阅，转向按结果和按使用量的灵活计费。

但这种模式也带来了新的不确定性。对于企业的首席财务官来说，”每月固定支付 50 万美元的 Workday 订阅费”是一个可以精确规划的成本；而”本月的人工智能代理消耗了多少信用取决于实际使用量”则引入了成本波动。如何在灵活性和可预测性之间取得平衡，将是 Flex Credits 模式能否被广泛接受的关键。

一个更深层的问题是：当代理执行的任务越来越复杂、涉及的系统越来越多时，每个操作消耗的信用量可能会指数级增长。Sana 披露的数据显示，代理任务时长每 7 个月翻倍——如果任务时长与信用消耗成正比，企业的使用成本可能远快于预期地攀升。

40 天 90% 采纳率：为什么这个数字比 11 亿更重要

在整个收购案中，最值得关注的数字不是 11 亿美元的交易金额，而是 Berner 的 40 天 90% 采纳率。

企业软件的部署向来以缓慢著称。根据行业基准数据，一个中型企业部署新的人力资源管理系统通常需要 6 到 12 个月的实施周期，而员工采纳率在部署后的第一年通常只有 40% 到 60%。很多企业在花费数百万美元部署新系统后，发现大部分员工仍然在用电子邮件和电子表格处理本应在新系统中完成的操作。

Berner 的案例之所以打破了这个魔咒，原因可能在于交互范式的根本性转变。传统企业软件要求用户学习系统的操作逻辑——在哪里点击、填什么字段、走什么流程。这种”系统主导”的交互模式本质上是在要求人类适应机器。而对话式代理反转了这个关系——系统需要理解人类的自然表达，然后自动翻译成后端操作。用户不需要学习任何新界面，他们只需要用日常语言描述需求即可。

这种”零学习成本”的体验对于采纳率的提升是决定性的。它消除了企业软件部署中最大的阻力源——用户的学习意愿和学习能力。一个 55 岁的行政人员可能需要数周时间才能学会在新系统中提交报销单，但她可以在第一天就用自然语言告诉代理”帮我报销上周的出差费用”。

对立视角：对话式界面不是万能药

当然，对话式代理取代传统界面的叙事也面临严肃的挑战。

首先是精确性问题。在很多企业操作场景中，用户需要看到一个完整的数据表格、比较多个选项、或者对复杂的参数进行微调——这些任务在图形界面中是直观的，但在纯对话模式中可能变得极其笨拙。试想一下，如果一位财务经理需要调整 30 个部门的年度预算分配比例，他更愿意在电子表格中拖动数字，还是和一个代理进行 30 轮的问答对话？

其次是可审计性问题。在受监管行业（如金融和医疗），每一个操作都需要留下清晰的审计轨迹——谁在什么时间做了什么决定，基于什么信息。传统的表单提交天然地产生结构化的审计记录，而对话式交互的审计轨迹则更加模糊和难以标准化。

最后是人工智能幻觉的风险。当代理基于自然语言理解来执行业务操作时，误解用户意图的后果可能远比生成一段错误的文本严重得多。”帮我把所有临时工转为正式员工”如果被代理误解为”帮我辞退所有临时工”，后果将是灾难性的。

尽管如此，Workday 以 11 亿美元的重注押下的赌注已经明确了一件事：企业软件的交互范式变革不是”是否会发生”的问题，而是”多快会发生”的问题。Berner 的 40 天 90% 采纳率证明，至少在某些场景下，这个变革已经在发生了。接下来的战场将是——谁能在”对话的便捷性”和”操作的精确性”之间找到最优的平衡点。

参考资料

  1. Workday 重金押注 Sana: 300+ AI 技能，24 项任务压缩为一次对话 — iTWire, 2026-03-23
  2. Salesforce FDE 团队助力企业落地 Agentforce — diginomica, 2026-03-23
  3. Nvidia GTC 2026: Jensen Huang 宣告 “SaaS 已死，GaaS 万岁” — 综合报道, 2026-03-23
  4. Salesforce 8 大设计原则构建 Agentic Enterprise — Salesforce Blog, 2026-03-23