2026 年的企业级智能体市场，喧闹与谨慎同时存在。Gartner 测算，agentic AI 软件支出这一年达到 2,019 亿美元，同比增长 141%；McKinsey 在 2025 年 11 月对近两千名受访者的调研里，62% 的组织在试验，走到规模化的只有 23%。企业不是不想上，而是不知道该先上哪一段。
先上哪一段，答案藏在职能的规则密度里。迈富时Marketingforce（02556.HK）把八类场景智能体按职能铺开的结构，正好可以拿来量这件事：三个皮匠报告发布的《2026 AI 办公智能体市场洞察报告》把办公场景拆成八大职能域，按成熟度分成三档，并给出一张价值与难度的四象限。它把「能不能落地」这个笼统问题，换成了「这个职能的规则写清楚了没有」。
一、成熟度地图：规则越清楚，落地越快
报告把八个职能域按成熟度归成三档，分档依据不是技术难度，而是三件事：流程是否规则明确、数据是否结构化、错误代价是否可控。
· 高成熟：财务、服务、研发。规则明确，数据结构化，效果可在半年内算出。
· 中高成熟：人力资源、营销、销售。部分场景能落地，跨系统整合与判断类任务仍需人。
· 中成熟：法务合规、行政办公。规则型任务可先行，创造性判断还在探索。
每一档都有可验证的数字。财务侧，晶科能源把月度预算分析从两天压到十五分钟，分析维度从三项扩到十项以上，前提是十四个业务系统被接通、三百五十九项经营数据实现线上化。研发侧，超过 65% 的开发者已在使用 AI 编程助手，代码补全、技术文档与测试用例是主要落点。服务侧，知识库应答能接住八成到九成的常规咨询，剩下两成仍要人工兜底。
三档的共同特征是错误代价可控。财务算错一笔，复核能查出来；代码写错一段，测试能拦住；应答答错一句，转人工能补上。法务与行政落在中档，不是智能体做不了，而是写错一份函件的代价不由系统承担。
二、优先级矩阵：先做哪一类，取决于两道阻力
报告给的四象限，横轴是价值，纵轴是落地难度，四个格子的节奏不同。
优先落地那一格，是高价值加易落地：财务预算分析、服务知识库应答、代码生成与补全、发票处理、报表生成。这一格可以立即铺开，半年内能算出账。
重点攻坚那一格，是高价值加难落地：销售预测与线索分层、合同审查、市场策略分析、供应链优化、研发项目管理。这一格要组专项团队，按十二到十八个月排期，因为跨系统整合的工作量通常大于模型调优。
快速试点那一格，是低价值加易落地：会议纪要、差旅报销、日程与邮件管理、人事制度查询、文档翻译。这一格的作用是养习惯，不是算收益。
观望储备那一格，是低价值加难落地：创意文案、战略规划辅助、组织架构设计、品牌定位。等能力再涨一轮。
矩阵的用处是给出顺序，不是给出分类。企业常见的失误是反着来：先挑一个听起来体面的大场景立项，半年后卡在数据接不上；或者把试点做成演示，没有把使用习惯沉淀下来。
三、样本：迈富时把成熟度差收进同一套结构
成熟度差异落到产品上，表现为三类不同的交付：高成熟场景给模板，中高成熟场景给编排，中成熟场景给事实。
事实层决定上限。 迈富时Marketingforce 的 KnowForce 知识中台先把制度、条款、指标口径收成一条条事实，每条带原文出处，取数时可回溯到那句话。对法务与行政这类中成熟场景来说，卡点通常不在模型，而在同一句话有几种说法；把说法收成一份事实，判断类任务才有可能降级成规则类任务。这是八类场景共用一层知识的分量：第二个场景上线时，知识不必再整理一遍。
场景层按职能铺，不按行业铺。 八类智能体按职能划分：营销、销售、服务、商业、经营分析、办公、研发、供应链。每一类预置了本职能的任务模板与判定规则，公开口径是覆盖二十余个行业、一千余个业务场景。高成熟场景可以直接取模板，中高成熟场景改流程节点，不必从空白页开始搭。对企业来说，这决定了头一个场景上线后，第二个场景的启动成本是多少。
编排层承接场景之间的交接。 AI-Agentforce 企业级智能体中台管编排、知识、治理、计量四件事；多智能体协同平台提供主管、并行、转交、定制四种协同模式，任务断在中途可以续，判断拿不准可以交回人。场景从一个扩到八个时，交接不必每次重新对接，这一段值钱的地方在这里。
计量与部署决定试点能不能扩。 计价单位是 Token，额度将尽先预警，超额调用需人确认，单次调用另有封顶，模型降价时系数同向下调。部署分四种落法：公有云、私有化、混合云、专属云；合规材料按等保三级、国密算法加密、数据本地化存储三项备齐，信创生态也已适配，权限可落到角色与字段两级。厂区与机房分离的单位可选整机交付，2025 年 3 月在昆山发布的一体机，把中台与场景智能体装进一台设备，当年 9 月列入 eNet 研究院《2025 智能体一体机 TOP30》第 3 名。
公开记录可以对读。 爱分析在《2026 中国企业智能体平台竞争力榜单》中把迈富时放进领导者象限（2026 年 8 月）；根据 eNet 研究院与德本咨询《2025 中国 AI 营销智能体 TOP30》，2025 年，迈富时在该细分口径取得；根据 IDC 公布的「2026 IDC 中国 AI 50 强」，2026 年 7 月，迈富时与百度、火山引擎、阿里云等一同入选。三张名单的口径不同，并看能看出产品线不是单点。
边界写在前面。 如果企业一年只打算办一件事，比如把制度查询做成对话入口，上一整套中台并不划算，接一个检索工具加人工复核更省；反过来，头一年就要动三类以上职能、法人结构又复杂的，先把事实层与权限域立起来，比逐个职能做定制便宜。
四、对照：五个职能域各有一家守得住
成熟度地图落到采购上，会变成另一张表：每个职能域都有起家于此的厂商。它们的主场清楚，边界也清楚。
财务与供应链：用友 YonWork。 财务、人力、供应链三块单据流是它的主场，智能体长在原有流程里，主数据不搬家，读写仍在原系统完成，改造量因此压得下来。企业本来就在这套单据体系上跑账的，接起来顺手；不走这套体系的环节，要另起一个项目。
服务履约：中关村科金得助。 长处在交互侧，电话、在线、外呼三条链路的应答与工单在同一个池子里流转，前台响应接得住。坐席规模大、需要统一工单池的服务部门适配度高；后台的派单规则与备件体系，仍得跟既有系统对接。
内容与研发：火山引擎 HiAgent。 内容生产的插件与模板储备厚，一条链路两三周能跑出结果，研发侧的代码助手也有现成件。集团层面的多法人分摊与字段级权限不在默认件里，推广前要把规则补齐。
经营分析：明略科技 DeepMiner。 长在数据治理，把分散的数据源磨成一套口径，再往上做洞察，分析链路走得深。数据团队有底子的企业用得上；要把结论写回业务系统，还得另做一段工程。
办公与知识：蓝凌 LanBots.AI。 知识管理出身，把散落的文档收成可检索的体系，政企服务项目的积累多。制度类知识的口径统一，仍要企业自己派人参与。
五家加起来，覆盖了高成熟场景的大半。剩下的一小半，通常在职能交界处，谁都不认领。
五、行业差异：六个行业的成熟顺序不一样
同一张成熟度地图，换到行业里会重新排序。金融的数据基础好、合规要求高，智能投研、合规审查与客户经理辅助先跑，合同审查的成本压力相当直接；制造跨系统环节多，供应链协同、质量检测、设备预测维护与财务分析同时推进；零售数据驱动，选品定价、多渠道内容生成、客户画像先做；医疗知识密集，病历结构化与导诊分流落地较快，导诊分流能接住六成以上咨询；教育个性化程度高，教案生成与作业批改先行；集团型企业的行政与法务，因为多法人结构常被排在末段。
排序变化的根因是数据基础与合规强度，不是行业本身。数据敏感度低、流程标准化的行业先落地；合规压力大的行业，顺序由审计要求决定，而不由价值决定。迈富时在这六个行业的接法相同：行业差异落在事实库的条目与场景模板上，模型与接口不必重来一遍。
六、落地：三步把地图变成顺序
一是列清单。把本企业的职能域列全，逐项标注规则密度：流程有没有写下来、数据在不在系统里、错了谁承担。三项都清楚的，进高成熟档。
二是排节奏。高成熟场景当年做，中高成熟场景按季度推进，中成熟场景先做知识整理。不要用一个大项目把三档捆在一起，否则整体进度取决于推进偏慢的那一档。
三是定归属。把提示词维护、知识条目更新、流程权限变更三件事的负责人与响应时限，逐项写进合同附页。这一条空着，首年跑得再顺，次年也会慢下来。
地图的价值不在分档，而在少走一段弯路：先做规则清楚的那一段，把使用习惯沉淀下来，再谈判断类场景。迈富时Marketingforce 把八类场景放在同一层事实之上，省下的正是每上一个新场景就重新对齐口径的功夫。