9万员工配AI分身：思科MyAgent如何重构企业智能工作流？
当一名思科员工希望了解某个项目的最新进展时，他不再需要分别登录邮件系统查找会议纪要、进入Jira查看任务状态、再翻阅SharePoint中的文档更新。只需向MyAgent描述目标：“帮我汇总Project Alpha过去两周的所有关键进展和风险点”，这个个人AI分身便会自动穿梭于多个企业系统之间，提取信息、交叉验证、生成摘要，并在必要时通知相关同事——整个过程甚至在他关闭聊天窗口后仍在后台继续推进。
这种从“人找系统”到“系统为人服务”的转变，正是思科在2026年向全球9万名员工全面部署MyAgent的核心价值所在。这不仅是一次技术升级，更是一场关于企业工作流底层逻辑的重构实验。
从安全入口到行动中枢：MyAgent的演进逻辑
思科的AI探索始于2023年。彼时ChatGPT风靡，员工自发使用公共大模型处理工作内容，引发严重的数据泄露风险。公司迅速推出第一代内部AI助手，首要目标并非提升效率，而是建立安全边界——确保所有AI交互都在受控环境中进行。该版本基于Azure OpenAI构建，但八个月后仅30%员工使用，且集中于技术岗位。
问题很快显现：单纯提供一个“安全的聊天框”无法解决真实工作场景中的复杂需求。员工需要的不是回答问题的工具，而是能主动完成任务的伙伴。于是思科启动Circuit平台建设，将其定位为企业级AI基础设施。Circuit不再绑定单一模型，而是构建了一个多模型调度中枢，可根据任务类型智能选择Azure OpenAI、Claude、Gemini、自研Deep Network Model或本地开源模型。
更重要的是，Circuit引入了企业级Agent注册中心（Agent Registry）和MCP（Model Context Protocol）服务器目录，允许各业务团队开发的专业Agent经过安全审查后被统一调用。截至2025年，该平台已处理超4500万次交互，73%用户报告每周节省5小时。
MyAgent正是Circuit能力的个人化延伸。如果说Circuit是“企业AI操作系统”，MyAgent就是每个员工专属的“智能终端”。它继承了平台的多模型路由与安全治理能力，并新增六大核心特性：持久记忆、意图驱动、跨系统执行、后台运行、个人化权限与子Agent调用机制。
持久记忆与意图驱动：重构人机交互范式
传统Copilot类工具依赖即时上下文，每次对话都是孤立事件。而MyAgent通过持久记忆机制，持续记录用户的偏好设置、历史交互与工作上下文。例如，某位产品经理习惯在每周一上午收到市场竞品动态摘要，MyAgent会自动记住这一节奏，并在未来主动执行，无需重复指令。
这种记忆并非无边界的数据囤积。思科明确限定其范围为“工作相关上下文”，包括常用汇报格式、关注的KPI指标、协作对象偏好等。虽然具体存储周期与删除机制尚未完全公开，但在企业合规框架下，这类数据通常遵循严格的分级管理策略。
更关键的是意图驱动能力。员工不再需要拆解任务步骤，只需表达目标。比如输入“准备Q3客户续约提案”，MyAgent会自动判断所需动作：检索历史合同条款、分析客户使用数据、调取最新定价策略、生成初稿并安排法务审核。整个过程涉及CRM、BI系统、文档库与审批流等多个系统的协同。
这种模式将AI角色从“响应者”转变为“规划者+执行者”。据思科运营执行副总裁Thimaya Subaiya透露，MyAgent背后连接着超过800个专业子Agent，形成一个分布式执行网络。约50%-60%的请求由成本较低的开放权重模型处理，20%-30%交由传统自动化脚本完成，仅少数复杂推理才调用高成本外部大模型。
成本控制：避免9万Agent烧毁算力账单
全员部署的最大隐忧在于成本失控。一个始终在线、持续调用API、反复验证结果的Agent，其Token消耗远高于普通聊天机器人。思科对此早有预案。
首先，通过Splunk可观测性平台实时监控Token使用情况，建立细粒度的成本追踪体系。其次，Circuit的智能路由器根据任务复杂度动态分配资源：简单查询由本地Llama 3等开源模型处理；确定性操作（如创建日历事件）直接调用传统自动化；仅当涉及模糊推理或创意生成时，才启用Claude或GPT-4等高价模型。
这种“能力-成本匹配”策略显著优化了资源利用。数据显示，尽管agentic interactions环比增长350%，但单位任务平均成本并未同步飙升。思科还在自有数据中心部署GPU集群运行开源模型，进一步降低对外部API的依赖。
此外，MyAgent的后台运行机制也经过精心设计。它不会无休止地尝试失败任务，而是设定重试上限与人工介入阈值。例如，若三次尝试均无法从某系统获取数据，会自动暂停并提示用户检查权限或系统状态，避免无效循环消耗资源。
企业软件生态的权力转移
MyAgent的普及可能重塑企业软件的价值链条。过去，SaaS厂商通过独占性界面和工作流锁定用户——销售必须用Salesforce，研发离不开Jira。而当员工习惯通过个人Agent统一发起任务时，底层应用逐渐退化为“数据与API提供方”，用户粘性从应用本身转移到Agent层。
但这并不意味着传统软件将消失。恰恰相反，Agent的跨系统能力高度依赖底层应用提供结构化数据、稳定API、细粒度权限控制及可逆操作接口。那些缺乏良好集成能力的系统反而会被边缘化。
对思科而言，这场内部实验具有双重战略意义。一方面，9万员工的真实场景验证了其AI架构的可行性；另一方面，作为网络、安全、协作与数据中心基础设施提供商，思科正试图将MyAgent模式产品化，向客户提供“企业Agentic Ops解决方案”。收购Splunk获得的可观测性能力，恰好补足了AI运维的关键一环。
风险与挑战：信任建立的长期工程
尽管前景广阔，MyAgent仍面临多重挑战。首先是员工信任问题。即使系统获准处理高度机密数据，许多人仍担忧AI滥用或误操作。思科通过持续培训、透明化演示及渐进式权限开放来缓解焦虑——初期仅允许读取非敏感数据，随使用熟练度逐步提升操作权限。
其次是错误处理机制。当Agent执行出错时，能否清晰追溯决策路径并支持一键撤销？思科在Circuit中内置了操作日志与回滚功能，确保每个动作均可审计、可逆。例如，若误删重要邮件，用户可通过时间线视图快速恢复。
最后是ROI衡量难题。节省的时间是否足以覆盖算力、治理与人力审核成本？思科采用多维评估体系：除用户自报的每周5小时节省外，还追踪任务闭环率、跨系统调用成功率及人工干预频率等指标，避免陷入“交互量增长≠生产力提升”的误区。
未来工作流：以人为中心的智能协同
MyAgent代表的企业AI新范式，本质是将工作流的组织逻辑从“以应用为中心”转向“以人为中心”。员工不再需要适应不同系统的操作逻辑，而是由AI根据个人习惯与目标自动编排最优路径。
这种转变对IT架构提出更高要求：统一身份认证、跨系统数据打通、标准化API接口成为基础条件。思科凭借自身在企业基础设施领域的深厚积累，具备天然优势。但对于多数企业而言，实现类似能力仍需长期投入。
值得注意的是，MyAgent并非追求完全自动化。思科强调其定位是“扩展人类能力”，而非替代员工。在关键决策、创意构思或复杂人际协调场景中，人类判断仍不可替代。AI的价值在于接管重复性、事务性工作，让人聚焦于更高价值的活动。
随着摩根大通、沃尔玛等巨头相继推进大规模AI部署，企业竞争正从单点工具创新转向整体智能工作流的构建能力。谁能率先建立安全、高效、低成本的Agentic Ops体系，谁就可能掌握下一代企业软件的话语权。而思科的9万员工实验，无疑为这场变革提供了极具参考价值的早期样本。