Workday AI Agents 从回答走向行动，但多数自动驾驶功能尚未广泛可用

Workday 为四项敏感业务职能推出了 AI agents，但其多数新的自动驾驶功能仍仅面向早期访问用户，或尚待未来发布。这些 Workday AI agents 于 Workday Rising 2026 宣布，覆盖招聘、薪资、会计和部署。它们旨在持续监控工作、识别例外情况，并准备或执行已获批准的操作。

这改变了 Workday 希望 AI 扮演的角色。该公司正超越仅能检索信息或起草文本的助手。如今，它希望 agents 能在决定谁被录用、员工如何获得薪酬以及财务交易是否通过审核的工作流内部运行。

因此，核心竞争并非 Workday 与某一家软件竞争对手之间的较量，而是受治理的自动化与依赖复制数据及广泛系统账户、彼此松散连接的 AI 助手之间的竞争。Workday 认为，其既有的权限、审批、政策和审计追踪能力，使其在这场竞争中占据优势。

这一主张值得审视。包括 Workday Data Cloud 和构建自定义 agents 的工具在内，多项基础平台组件已全面可用。不过，薪资、会计和部署自动驾驶功能计划于 2027 年初面向早期采用者推出。部分防护措施也仍在筹备中。

新推出的 Workday AI Agents 实际能做什么

Workday 正将若干熟悉的企业工作流转变为持续受监控的流程，由员工处理审批和例外情况。

首批新宣布的自动驾驶功能之一是 Talent Acquisition Agent。Workday 表示，它可以监控开放职位、寻找合格候选人短缺情况，并在职位发布后呈现合适的申请者。

设想一位招聘人员负责 25 个开放职位。无需反复查看每条候选人管线，agent 可以在后台监控这些管线，随后向招聘人员提供匹配候选人及其资质的信息。

这个例子展示了 Workday 所选择的分工模式。agent 持续执行搜索、监控和信息准备；招聘人员仍负责互动、判断以及最终录用决定。

根据其自动驾驶公告，Talent Acquisition Agent 已于 2026 年 10 月 13 日进入早期访问阶段。Workday 计划于 2027 年初全面推出。

Payroll Agent 将同一模式应用于薪资运营。Workday 表示，该 agent 将监控薪资、识别异常，并优先处理需要人工审核的问题。它还能解释某个项目为何被标记，并建议应对措施。

这一差异很重要，因为薪资错误会立即带来后果。一个仅能发现问题的自主系统价值有限；而一个未经充分审核就更改付款的系统，则会带来另一种、可能更严重的问题。

Workday 提出的系统将 agent 置于现有公司规则之内。agent 可以准备工作并推进常规案例，而审批仍与底层业务流程绑定。

Accounting Agent 专注于对账、交易测试和审计准备。它可以比对交易、识别不匹配项，并向财务团队呈现例外情况。Workday 表示，它还可以全年测试相关交易。

持续测试有望减少审计前常见的仓促应对，也能帮助会计团队聚焦异常交易，而非手动审核可预测的常规案例。

不过，这一收益取决于底层记录和控制措施的质量。agent 可以更快地处理错误分类，但并不能使其变得正确。财务团队仍需要可靠的数据、定义明确的政策和承担责任的审核人员。

Deployment Agent 解决的是另一类问题。大型 Workday 客户会随每次软件发布获得新功能，但配置和测试这些变化可能需要大量规划。

该 agent 预计将分析客户当前使用 Workday 的方式，并识别仍未启用的相关功能。随后，它可以解释运营影响，并准备配置与测试步骤供审核。

Workday 表示，已有近 5,000 家客户启用了现有的 Deployment Agent。新的自动驾驶功能将增加更主动的分析和实施准备能力。

Payroll Agent、Accounting Agent 和 Deployment Agent 的自动驾驶功能计划于 2027 年初面向早期采用者开放。这一时间表意味着，此次发布既代表产品方向，也尚未构成完整落地。

这些工具还与 Sana 并行，Workday 正将其打造为主要的对话式界面。Sana 允许员工用自然语言提出目标，同时将请求路由至合适的 Workday agent。

员工无需在多个页面间切换，即可申请休假、批准费用或重置密码。现已进入早期访问阶段的 Sana Concierge，旨在在某些 HR 和 IT 请求变成支持工单之前将其解决。

各个工具服务于不同用户，但战略是一致的。Workday 希望员工只需陈述目标，而其平台则负责选择工作流、应用公司规则并记录结果。

Workday 为何正用 Agentic Home 取代菜单

更大的变化并非又一个聊天机器人。Workday 正围绕结果而非应用、表单和菜单重新设计其界面。

Sana 现被定位为新的 Workday Home。它将任务、会议、决策和 agent 活动汇集于一处。员工可以用自然语言寻求帮助，然后从同一界面跟进由此触发的流程。

Workday 首席 AI 官 Joel Hellermark 用一句简短的话概括了这一产品理念：“AI 是新的 UI。”这一说法描述了从寻找正确界面，转向要求系统完成已获授权任务的变化。

Workday 表示，Sana 不仅能回答问题。它可以处理休假申请、准备待批准的费用，或发起密码重置。其agentic home 设计利用现有的 Workday 上下文，包括政策、权限、薪酬数据和业务流程。

这种方法针对了企业软件中的真实弱点。员工通常知道自己需要什么结果，却不知道控制该结果的应用、工单队列或工作流。

对话层可以隐藏这种复杂性。然而，隐藏流程并不会移除其规则、依赖关系或风险。只有当底层编排保持准确且易于理解时，界面才会变得更简单。

Workday 还在将 Sana 扩展到自身界面之外。该公司计划与 Claude、Google Gemini Enterprise、Microsoft 365 Copilot、Microsoft Teams 和 Slack 集成。

Gemini Enterprise、Microsoft Copilot、Teams 和 Slack 中的自助服务访问现已全面可用。Workday 表示，更完整的 Sana 功能将在 2026 年末登陆这些平台。

Claude Cowork 中的 Sana 处于早期访问阶段。另一个基于 Model Context Protocol（MCP）的 Sana 连接也预计将在 2026 年末于 Microsoft Copilot 中进入早期访问。

MCP 是一种开放连接标准，使 AI 系统能够通过一致的界面请求工具和上下文。它本身并不决定用户应访问哪些数据。

Workday 的架构将这些访问决策锚定在 Workday 内部。外部助手提交请求，而 Sana 会在完成操作前检查政策、权限和审批。

该公司表示，第三方助手不会获得对原始 Workday 数据的不受限制访问。Sana 仅提供完成获批任务所需的信息，并记录由此产生的操作。

例如，Sana 可能会发现员工出差后尚未提交的一笔费用。它可以在 Claude 内呈现该费用，应用雇主政策，并准备一份报告供确认。

这一工作流将便利性和治理置于同一笔交易之中。员工仍在熟悉的助手中工作，但 Workday 仍负责控制财务操作的规则。

这些Sana 集成也可能减少 agent 泛滥。企业只需连接 Sana 一次，而无需将每个外部界面分别连接至每个 Workday agent。

与 Anthropic 的合作提供了更具体的模式。Sana 负责长期运行的 HR 和财务流程，而 Claude 可以执行选定的推理或写作任务。

例如，在薪酬周期中，Sana 可以维护流程并组装一个实时工作空间。Claude 则可能仅使用必要上下文，为经理起草有关员工薪酬调整的说明。

招聘经理还可以在 Claude 内部将开放职位与已批准的编制和预算进行比较。Workday 的规则仍将决定该经理能查看或更改哪些记录。

这种设计确立了主要的竞争分野。通用助手提供灵活的推理能力和熟悉的界面；Workday 则提供企业特定记录、审批路径和权限边界。

两层单独存在都不足够。缺乏可信业务上下文的推理可能产生无关或未经授权的操作；缺少可用界面的业务记录，则可能让员工仍需应对与过去同样的复杂性。

Workday 正押注于自己能够控制两者之间的编排层。如果成功，外部助手将成为进入 Workday 的额外入口，而不是其核心系统的替代品。

受治理的自动化才是 Workday 真正的竞争押注

Workday 最有力的论点并非其模型推理能力更强，而是每个 agent 都能继承已用于治理 HR 和财务的控制措施。

该公司将其基础称为 Trusted Agent Platform。该平台现已实现无头化，这意味着 agents 无需用户打开传统界面即可使用 Workday 功能。

无头访问同时提升了实用性和风险。agent 可以在夜间监控流程，或从另一应用中采取行动；如果通过权限过宽的账户连接，它也可能暴露敏感记录。

Workday 希望避免将 HR 或财务数据导出到独立存储库的常见模式。数据副本可能过时，其访问规则也可能偏离源系统。

相反，Workday Data Cloud 为获得授权的 agents 提供对实时信息和业务逻辑的访问。Live Data Query 让应用通过 SQL 请求受治理的数据，而不必依赖静态报告。

Agent-Ready Tools 通过 MCP 暴露已获批准的 Workday 操作。每项请求都可以携带有关请求用户、允许操作、所需审批以及相应审计记录的信息。

该平台还包括 Agent Harness，可在共享上下文、记忆和防护机制下运行 agents。Custom Agents 和 Developer Agent 让客户能够在同一基础上创建新的工作流。

Agent Harness、Agent-Ready Tools、Custom Agents、Developer Agent 和 Workday Data Cloud 已全面推出。这为客户提供了可用的基础设施，尽管多项备受关注的自动驾驶功能仍处于预览阶段。

客户并未被绑定到单一模型。Workday 表示，其平台支持来自 Anthropic、Google、Meta、Mistral、OpenAI 和 Nvidia 的模型，也支持包括 LangChain 在内的外部开发框架。

这种模型选择具有重要的战略意义。Workday 无需在性能上超越每一家模型开发商。它需要做的是，在这些模型与劳动力和财务记录交互时，继续充当值得信赖的执行层。

Workday 将这一原则概括为：“无头不能意味着无法无天。”这句令人印象深刻的话，也点出了该产品最重要的技术挑战。

为员工设计的权限体系，并不能自动解决代理治理问题。代理可以迅速发起大量请求，在任务之间保留上下文，并将单独看来无害的数据组合为敏感结论。

因此，完整的控制系统所治理的不应只是登录凭据。它还必须确定请求背后的用户、代理的目的、允许执行的操作，以及所需的人类审批。

Workday 正在开发 Agent Passport，以解决其中一部分问题。该功能会提供代理测试、评估者及适用标准的签名记录，目前处于早期访问阶段。

该公司还计划推出 Agent Context Service，预计将在 2026 年末进入早期访问阶段。Grounded Reasoning 则计划于 2027 年初进入早期访问阶段。

Grounded Reasoning 的目标是依据政策、业务流程和租户数据，检查代理拟议执行的操作。租户是客户独立隔离的 Workday 环境。

例如，该系统可以阻止一名经理将员工调入其无权填补的职位。随后，它可以解释该限制，并指出正确的下一步操作。

这是一个有用的场景，但其发布状态同样重要。Workday 的无头平台现已可用，而其中一些更丰富的上下文检查功能仍有待推出。

对 C1.ai 的计划收购，将这项治理战略扩展到 Workday 之外。C1.ai 可管理电子邮件、客户管理、财务、云基础设施和代码仓库等系统中的身份与访问权限。

Workday 记录招聘、职位变动和离职等重大雇佣事件。这些事件能够触发关联应用中的访问权限变更。

当员工调岗时，同一身份流程可以移除过时权限并授予新权限。系统也可以将类似的生命周期规则应用于 AI 代理。

Workday 预计将在其截至 2027 年 1 月 31 日的 2027 财年第四季度完成此次收购。该交易仍须满足惯常的交割条件。

在交易完成且产品完成整合之前，C1.ai 是一项战略承诺，而非既有的 Workday 能力。客户不应将收购计划视为已经部署的控制措施。

更大的竞争含义十分清晰。Microsoft、Google、Anthropic 及其他供应商可以将助手部署到员工已经在使用的工作环境中。Workday 则在捍卫那些决定这些助手可以做什么的系统。

它的优势来自既有的业务关系、记录和工作流规则。其劣势在于，客户日益期望软件可跨多个供应商协同工作，而不是再形成一个封闭层。

胜出的平台必须将开放性与可强制执行的控制措施结合起来。开放性不足会限制实用性。控制不足则会使对薪资和员工数据的自主访问难以获得批准。

Work Intelligence 将自动化与劳动力规划相连接

Workday 不仅在自动化任务，也在为管理者提供一个框架，用于判断哪些任务应当改变。

Work Intelligence 将工作拆解为单独的任务，并将这些任务与所需技能关联起来。其设计目的是展示 AI 可以在哪些环节实现工作自动化、在哪些环节应协助人类，以及哪些工作仍应由人类完成。

与宣称整个职业将被自动化相比，这种任务层面的视角更有价值。大多数工作都结合了重复性行政事务、专业判断、沟通和问责。

招聘人员可以委派候选人流程监控，同时保留面试和录用决策。会计人员可以委派交易匹配工作，同时审查异常情况并签署受控报告。

Work Intelligence 依托 Workday Skills Cloud。该公司称，Skills Cloud 包含超过 75,000 项标准化技能，并服务超过 3,450 家客户。

Workday 将其称为“规范化”技能，因为系统会将不同的描述映射到一致的概念。这使比较岗位、员工档案和新出现的需求变得更加容易。

管理者可以使用该工具查看员工如何在不同任务之间分配时间，也可以跟踪哪些技能正在增长，以及员工是否正转向新的职责。

Work Intelligence 仅面向处于早期访问阶段的 Workday Human Capital Management 客户开放。公告未说明其更广泛发布的时间。

该产品在自动化与技能再培训之间建立了重要联系。如果代理承担了某个岗位的一部分工作，雇主仍需决定如何使用剩余时间。

如果缺少这一规划步骤，自动化可能会移除任务，却无法改善工作本身。员工可能会获得新的监控职责或异常处理队列，而不是更有意义的职责。

Workday CEO Aneel Bhusri 在 Rising 主题演讲中承认了这一转型的规模。他表示，工作正在围绕技能和职责被重新定义，与 AI 出现前的形态已有所不同。

这一观察并不保证产生积极结果。雇主决定节省下来的时间将用于员工发展、服务改进、增加工作量，还是缩减人员规模。

Workday 的劳动力分析可以提供一种规划模型。仍需独立证据来确认，其建议是否能改善人才流动或生产率。

Decision Intelligence 又增加了一层能力。它现已面向 Workday Human Capital Management 和 Workday Financial Management 客户开放。

该产品允许 HR 和财务团队使用实时的人力、财务和规划数据提出问题。它可以比较劳动力方案、识别技能缺口、检查财务差异，并将建议送入既有审批流程。

这很重要，因为劳动力决策会带来财务影响。招聘计划会影响预算，而支出限制则可能改变人员配置能力。

传统分析通常会将这些问题分散到电子表格和部门报告中。Decision Intelligence 尝试通过一个共同且受治理的数据源对其进行评估。

企业可以在考虑已批准的编制和预算时，对比外部招聘与内部流动。财务团队则可以审查差异，而无需为每次分析都导出静态数据。

其承诺是缩短从提出问题到采取受控行动的路径。不过，答案的质量仍取决于记录是否完整、假设是否准确，以及访问权限是否恰当。

Workday 尚未发布独立评估，以证明这些系统能够持续作出更好的劳动力或财务决策。其公告确立的是功能，而非经过衡量的决策质量。

当 AI 建议影响雇佣时，这一缺口尤其重要。系统可以始终如一地执行某项政策，但该政策仍可能产生不公平或缺乏充分依据的结果。

因此，人类审批并非完整的保障。审阅者需要拥有足够的信息来质疑系统，组织也必须衡量不同受影响员工群体的结果。

同样的原则也适用于财务分析。清晰的建议可能掩盖不确定的假设或不完整的数据。团队需要可追溯的输入，以及切实可行的方式来拒绝代理的提议。

采用这些系统的公司应记录哪些决策仍由人类作出、哪些操作需要审批，以及哪些指标会触发升级处理。这些文档可以成为内部AI 知识库的一部分。

Workday 基于任务的模型很有价值，因为它避免将自动化视为非此即彼的选择。其成败将取决于雇主如何利用由此产生的洞察。

最大的问题在于可用性、证据与问责

Workday 展示了一套连贯的架构，但客户仍需要部署证据，才能将自主 HR 和财务工作视为成熟技术。

第一个不确定性是可用性。Talent Acquisition Agent 目前处于早期访问阶段，计划于 2027 年初全面推出。

Payroll、Accounting 和 Deployment 自动驾驶功能预计将在 2027 年初进入早期访问阶段。Work Intelligence 和 Sana Concierge 也同样属于早期访问产品。

Sana 的集成处于不同的发布阶段。多个外部平台中已有基础自助服务功能，而更完整的编排能力则计划在后续版本中推出。

客户应将全面可用的基础设施与预览应用区分开来。某个平​​台组件已可用，并不意味着每一个打包工作流都已完成广泛的生产测试。

第二个不确定性是可衡量的性能。Workday 描述了详细场景，但尚未公布新自动驾驶功能的错误率。

采购方需要了解代理多常误报问题、漏掉真实异常，或提出被审阅者否决的行动建议。这些指标应按工作流和客户配置分别披露。

相关基准并不是代理能否完成一场精心打磨的演示，而是它能否在杂乱记录、政策例外和不断变化的组织结构中可靠运行。

第三个不确定性涉及问责。审计轨迹可以展示代理做了什么，但客户同样需要理解该行动为何发生。

当该行动影响候选人、员工、供应商或财务报告时，这种解释尤为关键。技术上有效的日志并不会自动提供有意义的理由说明。

Workday 表示，其代理会遵循公司政策，并将需要高度判断的案件转交给人员处理。采购方应核实这些边界的位置，以及管理员是否可以调整它们。

他们还应测试故障恢复机制。对于代理作出的虽获允许但存在错误的变更，需要有可靠的回滚路径、明确的责任人和及时通知。

第四个问题是集成。Workday 的模型假设，即使工作始于其他地方，权限仍然锚定在其平台中。

该公司称，这种架构可减少原始数据暴露。但它也使运营依赖于 Workday 身份、外部助手、代理和已连接应用之间的映射关系。

拟议收购 C1.ai 可能会加强这一层能力。整合尚未发生，因此采购方应将当前控制措施与计划中的组合产品分开评估。

以下三个信号将表明 Workday AI 代理是否正从雄心勃勃的发布走向持久的企业应用。

首先，关注 2027 年初的发布里程碑。招聘自动驾驶功能的全面推出，将表明 Workday 已超越受控的早期访问用户群体。

面向薪资、会计和部署的早期访问，将为敏感工作流中的后台自动化提供首轮更广泛的测试。任何延迟都会削弱此次发布在短期内的重要性。

其次，应关注包含错误率、审批率以及审核后节省时间的客户证据。仅凭采用总量并不足以证明商业价值。

一份有价值的案例研究应明确说明工作流、此前基准、人类监督、异常率和可衡量的结果，同时也应解释该智能体被禁止执行哪些操作。

第三，应关注 Workday 是否会按计划推出 Grounded Reasoning 和 Agent Context Service。这些保障措施是其“无头智能体仍可受到治理”主张的核心。

它们的推出将强化 Workday 的论点：现有权限体系可以支持更自主的系统。覆盖范围有限或交付延迟，则会暴露执行能力与上下文控制之间的缺口。

据该公司称，Workday 服务超过 11,500 家组织，其中包括逾 65% 的《财富》500 强企业。这一覆盖范围为其带来了显著的分发优势。

但这也提高了风险。细微的设计选择都可能影响众多组织中的薪资团队、招聘人员、候选人和员工。

对于企业采购方而言，正确的下一步不是将智能体自动化作为一个整体类别来批准或否决，而是选择一个范围明确的工作流，并在部署前定义成功标准。

应要求建立基准、明确授权边界、人工升级机制和恢复流程。随后衡量完整流程，包括审核智能体工作所需的投入。

对于员工和知识工作者而言，关键问题同样务实：该智能体究竟能否消除重复性的协调工作，还是仅仅新增了一个需要监督的队列？

当客户能够用生产环境数据回答这个问题时，Workday AI agents 才能证明其价值。在此之前，此次发布最好被理解为一次严肃的平台转型，其最具影响力的应用仍有待评估。