AI 负责创造，人来干脏活，这事儿能否停一下？

“AI不会取代人类，反而会接手大量低价值任务，让人们有时间从事创造性工作。”

每当被问及AI对人类岗位的冲击时，这几乎是所有大会主题演讲和圆桌讨论的标准回答。

然而，从2026年从业者的实际感受来看，这句话很多时候应当反过来解读——人类承担了大量低价值工作，而AI却在从事创造性任务。

能够端到端完成一项任务并完整执行企业级SOP的AI，在今天依然稀缺。AI负责交付代码、文档、提案等各类成果，完成了从无到有的创造；但从初步成型到完整落地的全过程，它很难独立覆盖。过程中那些模糊、琐碎、低价值的衔接动作，绝大部分仍由人类完成。

举例来说，由于数据源的割裂和兼容性问题，绝大多数AI无法获取完整准确的上下文。因此，人们需要替不同的AI工具总结并粘贴需求，在不同办公软件之间搬运AI在各个环节产出的半成品。

著名的编程助手插件RooCline，在2025年甚至推出了一个“Human Relay（人类中继）”模式——专门用于在不同AI产品之间传递问题和答案。AI负责创造，人类负责搬运。LINUX DO论坛的用户将其戏称为“牛马模式”。

如果在相对成熟的AI编程领域，人与AI的协作尚且如此令人疲惫，那么在更加琐碎、更加定制化的AI办公领域，这个问题只会更加突出。

2026年，来自《财富》、《哈佛商业评论》、《学习快讯》等媒体的多项研究和报道都在印证同一个结论：人类正在成为自动化流程中的瓶颈，这既体现在工作效率层面，也体现在认知负担层面。《哈佛商业评论》的研究发现，使用AI工具的员工工作节奏更快、任务范围更广、工作时间更长，而这往往并非组织要求，而是工具驱动的自我加压。《财富》的报道则更为直接：使用AI的员工在日常任务上花费的时间最高增加了346%，邮件处理时间翻倍，深度专注工作反而下降了9%。

在这套人机协作模式中，唯一留给人类的不可替代价值是评估与判断——AI因为隐藏的上下文未被准确描述，无法将模糊需求转化为精确决策。但问题在于，人类面对同样碎片化的信息时，也未必能做得更好。

因此，与其说AI为人类留出了高价值空间，不如说AI把问题遗留给了人类。

2026年9月10日，亚马逊云科技正式宣布旗下AI办公工具Amazon Quick全面可用（GA）。即便AI办公工具大战已持续至今，Quick在交互方式上的创新，以及对企业工作流的理解，仍让它来得不算晚，也值得关注。

相比继续堆叠功能，Quick强调的是一种新的交互方式：在Amazon Quick桌面端，亚马逊云科技将Activity Feed（动态任务流）的优先级置于传统聊天窗口之上——Agent不再被动等待指令，而是主动面向邮件、会议和消息，从实时工作流中识别并处理任务。

1 Agent会干活了，工作为什么还没变轻松

为什么要把Activity Feed放在首屏？

这背后首先是企业内任务和协作的复杂性：企业里的一项工作，很少是一个可以单独勾掉的任务。

准备一次客户会议，往往要从CRM查询商机进展，翻阅往来邮件，核对销售数据，再整理成会议材料。会议结束后，还要更新客户记录、发送跟进内容、安排下一次沟通。

今天的AI已经能够完成其中不少动作。它可以生成会议提纲、总结邮件，也可以根据销售数据回答问题。但只要员工仍需在不同系统之间寻找材料、搬运信息、核对结果，再把内容交给下一个工具，整项工作的运行方式就没有发生根本变化。

过去企业谈Data Ready，是让数据能够被计算和使用；后来谈AI Ready，是让这些数据能够支撑AI。到了Agent真正进入工作流，系统还需要进一步变得Agent Ready：数据能不能被找到，权限能不能被安全调用，任务能不能跨系统继续执行。

这考验的不再仅仅是Agent单点动作的执行能力，更是企业整体环境对复杂任务的承接能力。如果数据、权限和系统依然各自为战，员工就还得在中间充当“人工枢纽”——到处翻找上下文、手动搬运信息，硬把零散的AI技能拼凑成完整的工作流。

生成速度很容易掩盖这部分消耗。一份原本需要半天完成的材料，现在或许十几分钟就能生成；但如果生成之前仍要四处寻找信息，生成之后还要更新系统、同步团队，效率提升就只发生在工作链的中间一段。那些不断打断注意力的搜索、切换和交接，并没有随之消失。

因此，企业对办公Agent的要求开始从“能完成什么任务”转向“能否理解一项工作”。它需要知道工作从哪里开始、调用哪些数据、下一步进入哪个系统、结果交付给谁；常规事务可以在后台推进，审批、异常和关键判断则及时回到人手中。

大模型的能力固然是底座，可一旦Agent开始接手那些周期较长的长线任务，模型之外的“工程能力”就成了决胜关键：它能抓取多少上下文？能不能记住项目进度？又能不能在关键时刻判断，是该自己继续执行，还是升级给人工处理？

理解了这些，就能明白为什么Quick会把最核心的入口留给“任务流”。

移动端新增的Activity Feed将邮件、日历、CRM和消息汇集到一个视图，可以根据工作关系、优先级和使用模式，整理出需要用户关注的事项，并生成每日简报。Agents能够自主处理的常规任务在后台继续运行，涉及审批、判断或异常处理的节点则进入信息流，然后等待用户决定。

信息集中只是表层变化。传统办公软件大多按照应用和抵达时间推送通知，重要程度仍由员工逐条判断。Agent进入办公环境后，这个问题可能变得更加突出：它处理的任务越多，产生的进度更新、异常提醒和协作请求也越多。如果所有信息仍以通知的形式涌向用户，AI很快会从效率工具变成新的消息来源。

所以Activity Feed承担的不是简单的信息聚合，而是一次工作分流：无需人介入的事项继续推进，需要判断的节点才占用人的注意力。用户不必持续检查每个系统发生了什么，只需要处理那些确实需要自己参与的部分。

把注意力从消息中解放出来，只是工作链的起点。被筛选出的任务能否带着完整上下文继续进入分析、生成、交付和执行，决定了Agent最终接手的是几个零散动作，还是一项完整的工作。

2 从信息进入，到工作继续向前

信息完成分流后，工作才真正进入分析和交付阶段。

Quick可以从企业数据、公开网络和第三方数据源中获取信息，通过Deep Research完成检索、分析与整理，再生成文档、演示文稿、表格或图片，供用户审阅、修改和分享。

研究与生成可以在一个环境里完成，工作却未必在一轮对话内结束。一份报告可能要经过多次修改，一项分析也可能横跨通勤、会议和日常协作。如果文件、参考资料和中间结果随着对话沉入历史记录，用户下一次回来时仍要重新寻找材料、解释背景。

Quick将My Stuff升级为Library，集中管理近期文件、收藏内容和其他资产。桌面端与移动端共享对话、Agents、文件和任务进度，用户可以从上一次停下的位置继续处理。设备发生变化，工作不必重新开始。

这种连续性在知识密集型行业中尤为重要。全球生命科学与医疗健康公司LabCorp在评估Quick时特别提到，其知识图谱和记忆能够适应用户的工作方式，异步Agent也可以在后台继续处理任务。员工由此不必反复解释业务背景，从概念形成到原型验证的时间也得到缩短。

上下文得以保留，解决的是工作如何不中断；要让它继续向前，生成结果还必须进入下一环节。研究报告需要交给团队，销售材料可能触发CRM更新，会议纪要也会产生新的待办。如果这些操作仍由员工手动衔接，AI完成的依然只是工作链中的一段。

Quick的自定义Agents可以连接Slack、Outlook、Salesforce等工具，在后台准备会议、更新记录或起草后续沟通，让生成结果直接进入后续业务流程。

如果同类流程反复发生，企业还会产生进一步的需求：把它固化成团队可以重复使用的工具。Quick的自定义Apps允许员工通过对话构建工作追踪器、审批工具等应用，连接企业数据后分享给团队。

过去，这类需求通常要交给技术团队开发。业务人员负责描述想法，工程师理解需求、等待排期，再做出原型验证。PGA TOUR面临的正是这类问题。作为运营北美主要职业高尔夫巡回赛事的组织，最了解其业务和数据的人往往来自具体部门，他们提出的工具需求却长期停留在技术团队的待办列表中。

借助Quick，这些领域专家可以直接构建可运行的原型，再把经过验证、具备文档的需求交给工程团队。按照PGA TOUR的反馈，一些原本需要数周完成的系统，如今可以在数天内做出可用版本。工程师接到的也不再是一段抽象需求，而是已经经过实际验证的业务方案。

从研究分析、成果生成到后续执行，Quick试图把分散在不同系统和团队中的动作接到一起。数据、应用和任务依然千头万绪，用户面对的却可以是一条连续的工作路径。

当这条路径从个人任务延伸到整个组织，Quick还要继续回答部署、复用和治理的问题。

3 从个人使用走向组织部署

让一个Agent在个人电脑上运行，与让一家企业放心地把工作交给它，是两道不同的门槛。进入企业环境，Agent接触的数据和权限更多，一次操作还可能影响其他部门和业务系统。持续运行、团队复用、权限控制和操作审计，都会成为部署条件。

此次GA背后，Quick Desktop的本地Agent Runtime被迁移到统一的云端运行时。Agent推理、对话、知识图谱、记忆和定时任务在云端运行；文件访问、浏览器自动化和本地MCP Servers等能力保留在端侧。后台任务由此不再依附于某一台设备，Quick的共享工作区也让团队可以复用已有的仪表盘、Agents和自动化，把个人构建的能力沉淀为组织资产。

Southwest Airlines的实践呈现了这种规模效应。这家拥有7万多名员工的美国大型航空公司正在建设内部Agentic AI能力，员工可以通过自然语言提出复杂问题，在数秒内获得基于企业数据的可信答案，不必等待临时报表请求。Quick已被用于市场分析等场景，开发者构建的智能体验也可以部署到整个组织。

能力被放大的同时，风险也会随之扩大。Agent能够读取邮件、文件和CRM，也可能接触客户信息和经营数据；能够更新记录、发送材料和触发流程，则意味着错误操作可能影响更多系统和人员。

按照Amazon官方披露，Quick运行在亚马逊云上，客户数据保留在自身环境中，对话保持私密，并支持通过Amazon CloudWatch和Amazon CloudTrail实现完整的审计追踪。官方列出的合规覆盖项包括HIPAA、FedRAMP、SOC 2和ISO 27001。

这些治理能力也用于应对Shadow AI。员工绕过正式系统使用外部AI是一个很常见的高风险场景，但这背后往往源于真实的效率需求。Quick的解题思路是把足够可用的AI能力纳入企业管理环境，进而让IT保持对数据、权限和操作记录的可见性。

目前，Quick已经可以通过MCP接入飞书和钉钉，开始触及中国企业常用的协作环境。这些连接能否进一步覆盖数据写回、任务更新和后续动作触发，还需要结合具体场景继续观察。

未来，企业微信、微信等工作入口能否陆续纳入，也会影响Quick在国内的适用范围。对中国企业而言，连接所覆盖的应用与操作越深入，一项工作才越有可能跨越不同系统，形成完整闭环。

4 结语

办公AI的能力清单正在趋同。研究、内容生成、工具调用和后台执行，已经陆续出现在同一类产品中。

在高度内卷的中国办公Agent市场，Quick的出现依然带来了启发。它没有继续卷“让Agent多掌握一项技能”，而是把重心放在了“如何完整接住一项工作”上。信息如何流入？哪些事交由人处理？Agent怎么获取上下文并推进？又如何在企业的权限与治理体系内长期运行？

这些追问，决定了Quick的产品组织逻辑。它沿着工作推进的脉络，将各项能力重新串联：研究、生成、调用工具、后台执行，不再是孤立的模块。先用Activity Feed筛出需要人处理的事；再从不同系统获取上下文，生成并交付成果；随后跨系统继续执行；最后，延伸至组织层面的部署、安全与治理。

而这也很可能会改变接下来办公AI的竞争标准。Agent会做多少事情固然重要，一项工作能否在不同数据、应用和团队之间持续推进，开始决定产品能够进入多深的企业流程。

这些变化最终会落到两个尺度上。对企业而言，更短的工作周期和更少的协作损耗，构成了可以被采购和规模化部署的价值；对员工而言，少找一次文件、少复制一轮信息、少等待一次部门交接，意味着注意力不再被反复切碎。

当Agent能够接住这些散落在动作之间的工作，企业才更有理由为它付费，办公AI也才开始让人真正轻松下来。

本文来自微信公众号“InfoQ”（ID：infoqchina），作者：付秋伟，编辑：王一鹏，36氪经授权发布。