Microsoft Agent 365：為什麼企業 AI 需要 Intelligence + Trust

微軟最新這篇 AI 文章，重点不是一個新模型。

这正是它值得看的地方。

在 《Achieving success with AI》 中，Microsoft Commercial Business CEO Judson Althoff 提出，任何 AI 方案裡最重要的兩個元素是 Intelligence + Trust。這句话点出了很多企業已經感受到的變化：模型越來越多，真正拉開差距的是模型周圍的系統。

微軟的表述很直接。企業不應該依賴某一個模型，也不應該依賴某一個 model harness。企業需要 governance、management、security、observability 和 FinOps。Agent 365 被定義為一個 control plane，用來在組織層面觀察、治理、管理和保護 agents，並且會把成本管理也納入同一層。

这对所有正在採用 AI Agent 的團隊都是一個信号。

下一個企業 AI 問題，不只是“哪個模型最强”。

而是：“當 Agent 無處不在時，誰来管理這些工作？”

微軟真正說了什么

這篇文章把企業 AI 拆成兩個要求。

第一，AI 要放大組織自己的 intelligence，而不是把組織知識单向交給外部系統。微軟把这稱為 “Your IQ”：組織如何在 Microsoft 365 和業務系統中运作的語義理解。

第二，AI 必須在它推理和行動的環境裡可信。这意味著可見性、控制、治理、安全和成本管理。

幾個细节很關鍵：

• models are commoditizing；
• 企業不應該依賴單一模型或單一 harness；
• model diversity 可以让團隊按任務匹配智能、成本和效能；
• Agent 需要預先取得上下文，避免花大量 compute 重新理解結構；
• 隨著 usage-based agents 擴大，AI spend 需要 FinOps；
• Agent 365 被定位為 identity、security、data governance、endpoint management、observability 和 cost 的控制平面。

这不是聊天框故事。

這是操作系統故事。

為什麼这对 AI Agent 重要

Agent adoption 改變了 AI 風險的形态。

一個模型回答問題，是一种風險。一個 Agent 跨檔案、工具、代码、郵件、浏览器、数据库、工作流和審批去執行任務，是另一種風險。

只要 Agent 能做真實工作，組織就必須回答這些營運問題：

• 哪個 Agent 做了这件事？
• 它用了哪些上下文？
• 它呼叫了哪些工具？
• 它花了多少钱？
• 它為什麼選擇這個模型？
• 哪些動作需要人類批准？
• 人類能不能檢查、改方向、接管？

沒有這一層，AI 會變成分散執行。

有了這一層，AI 才會變成可管理的工作。

成本正在成為治理的一部分

微軟這篇文章裡最强的一個點，是成本。

FinOps 在云计算時代已經重要。當 AI 从固定订阅轉向 per-user license、usage-based inference、long-running agents、model routing 和 agentic loops 的組合時，FinOps 会更重要。

一個人跑幾個 prompt 時，團隊可能感受不到成本压力。

但當幾十個 Agent 每天跑工作流、處理文件、分流 issue、分析日誌、生成報告，並在多個模型之間反覆嘗試時，成本就會變成管理問題。

所以 model diversity 和 context management 不只是技術選擇。

它们也是成本控制。

正確的模型應該做正確的任務。正確的上下文應該在 Agent 開始前就準備好。正確的人類 checkpoint 應該在昂貴或高風險工作擴大前把它停下來。

这和 Buda 有什么關係

Buda 做的是同一個方向，只是从 workspace 这一侧切入。

Buda Space 給團隊一個共享邊界。Agent 在這個邊界裡使用檔案、sessions、browser context、terminal、artifacts、channels、skills 和可審查的 tool calls。人類可以檢查工作、上傳上下文、批准敏感步驟、調整執行方向，或者直接接管。

這很重要，因為 Agent 管理不是一個單點功能。

它是包圍工作的一整個環境。

微軟用 Intelligence + Trust 描述的，正是市場正在發生的變化：企業 AI 的價值正在從 standalone intelligence，轉向 managed intelligence。模型重要，但圍繞模型的系統同樣重要：任務如何路由、上下文如何保存、權限如何控制、成本如何追蹤、人類如何保持主導。

对正在採用 Agent 的團隊來說，結論很简单。

不要只问 AI 聪不聰明。

还要问這項工作是否可觀察、可治理、可審查。

你可以在 buda.im 開始建構 human-led agent workflows，也可以閱讀 Buda Agent Workspace 文件。