客户为什么现在要这个：钱花了要见效，经验还不能被 AI 顺走

微软的判断是，企业早已过了「试试看」的阶段。现在客户要的是花出去的 AI 预算能换回可衡量的业务结果，能证明这笔投资划算。

与此同时，企业心里还压着一层顾虑。它们积累多年的专有数据、工作流程和行业经验，是自己区别于对手的本钱。它们担心这些东西被 AI 吃进通用模型之后，变成谁都能调用的普通能力，自己的护城河就被抹平了。

微软把这两件事拎出来，归成两个词：Intelligence（把你的智能放大）和 Trust（让你信得过）。Judson Althoff 此前撰文说，这是任何一套 AI 方案里最重要的两块，也是下面整个组织搭建的地基。

两块拼图先分开看：一块攒你的独门经验，一块看紧你的 AI 系统

要同时做到「放大智能」和「信得过」，微软说得靠两个各自独立的平台托底。它们分工不同，先拆开看清楚。

6000 名专家在干的事：让这两块拼图之间不停地转

6000 名专家干的核心的事，就是让上面那两个平台之间的信息不停地循环流动。数据和经验喂进去，系统跑出结果，结果再回到专家手里做优化，一圈接一圈地滚。

这里的 agentic 业务流程，指的是那种能自己完成多个步骤、自己判断该调用什么工具去把活干完的流程，不用每一步都人工去点一下。专家要做的，就是让这类流程在一轮轮反馈里越调越准。

承诺写进了条款里：你的数据不会被拿去喂养对手也能用的模型

对企业来说，这条承诺决定了敢不敢把家底交出来。微软把两种处理方式的差别摆得很清楚。

没有哪种社会共识，会允许一个 AI 未来去吃掉那些部署它的公司自身的智能。Satya Nadella，微软 CEO（Judson Althoff 引述）

基于这条原则，微软给的方案是一套开放、异构的多模型平台：企业不该被锁死在单一模型上，就像不该被锁死在单一技术供应商上。同一套系统里，可以让每个场景跑最合适的那个模型，控制权不交给其中任何一家。

已经有谁在用：伦敦证交所让分析师直接问 AI 要答案

微软给出的落地例子里，只有伦敦证券交易所集团（LSEG）讲了具体机制，其余都是名单式带过。

微软的工程师和行业专家跟 LSEG 一起，把 AI 嵌进它的 LSEG Workspace，让金融从业者能对结构化和非结构化的金融内容直接提复杂问题、快速拿到答案。这套东西底下靠客户反馈和实时用户测试不断打磨，每一轮迭代都更快，模型的质量和覆盖范围一点点变好。

除 LSEG 外，微软还点名了 Land O'Lakes、Unilever、Novo Nordisk 等客户，以及埃森哲、凯捷、安永、毕马威、普华永道等全球咨询伙伴，说会靠这些伙伴把这套模式铺向全球各个市场和细分行业。这些案例的具体细节，官方博客里没有展开。

谁在掌舵，把几个数字放一起看

掌舵这个新组织的是 Rodrigo Kede Lima，出任总裁。他有 30 年行业经验，过去 6 年在微软担任销售负责人，操盘美洲和亚洲的企业级转型，长期帮客户和伙伴把技术变化落成业务结果。

微软单独拉出一支队伍，Microsoft Frontier Company，砸 25 亿美元，把 6000 名工程和行业专家直接派进客户公司内部。针对上面两个毛病，它给了两手：一手让 AI 持续见效（靠专家常驻、不停打磨，下一节细讲），一手把「你的数据不会被拿去喂养对手也能用的模型」写成不可谈判的原则，并让你随场景自由换模型。

这样你才敢把家底交出来。但「持续见效」到底怎么做到的？看下一节这张会动的图。

这套服务的招牌，是让两个东西之间不停地转：一个平台把你公司的独门数据、经验、流程攒起来（越用越厚），另一个平台盯着 AI 系统跑得怎么样、值不值。6000 名专家就常驻在中间，让这两块之间形成一个不断改进的循环。

微软说已有落地成效，但真正讲了具体做法的只有一个：伦敦证券交易所（LSEG），金融分析师不用自己在成堆内容里翻找，能直接问 AI 要答案。其余客户只报了名字。剩下的，是一串数字。