见过几家公司上 WorkBuddy 的过程，节奏都差不多。
头两周很兴奋，什么活都往里丢：整理会议纪要、扒竞品资料、把一堆 Excel 合成一张表、写周报。确实快，确实省人。
到第三周，声音小了。
不是工具不好用了。是大家发现一个问题：它能干的活，都是"不依赖公司内部数据"的活。一旦你问的是"上个月华东区的回款情况""这三个客户的合同还有多少没执行""我们那个老系统里有多少在途订单"——它就停在那儿了。
有人会说，配个 MCP 不就行了吗。
能配。配完之后，事情才真正开始。
先说清楚：它确实强，这一点不争
2026 年 9 月，WorkBuddy 的月访问量到了 8534 万，在国内桌面端 AI 办公智能体里排第一。IDC 那份《中国企业级通用 Agent 产品技术评估》里，它在 11 款参评产品中综合得分 7.30（满分 10），九个维度里拿了六个第一——任务表现、工具与技能、多智能体编排、记忆与工作空间、交互体验、生态与开放性。
这些不是宣传口径，是第三方测出来的。
它的生态也铺得很开：腾讯文档、腾讯乐享、腾讯网盘、腾讯会议、企业微信、邮箱，全打通了。开放平台上线时首批接入超百家伙伴，HR、CRM、ERP、财税这些第三方应用都能连。
所以问题从来不是"它能不能干"。
问题在另一头。
它的边界，在数据这一侧
一个 AI 能看到什么数据，取决于它背后的厂商愿意给它什么。
WorkBuddy 打通的那些，本质上是一份清单——腾讯系办公产品是清单上的核心，开放平台的伙伴应用是清单上的扩展。清单很长，做得也扎实。
但企业真实的系统构成，很少长成某一份清单的样子。
可能是十年前自建的那套生产管理，可能是换了三轮实施顾问才勉强跑顺的 ERP，可能是国产化改造之后换成的达梦或者人大金仓，也可能就是业务部门共享盘里那三十几个还在用的 Excel。
这些东西不在任何一家 AI 厂商的清单上。
要让 WorkBuddy 读到它们，走的是 MCP：在配置文件里加一个 MCP Server，让它能调。官方教学里给的示例很典型——用开源的 MySQL MCP Server，把数据库地址、账号、密码写在环境变量里，重启，就能查了。
到这一步，看起来是通了的。
但接下来会碰到三件事。
第一件：连上了，不一定连得全
一个数据库连上了，只是解决了"其中一个"。
真实情况是：ERP 一个库、老系统一个库、业务部门的 Excel 十几份、审批数据在钉钉或者企微、还有几个系统的数据要用接口去拉。
每一样都单独配一个 MCP，就是四套配置、四个维护点。以后哪个库换了地址、哪个账号过期了，要一个个去改。
而且不是所有数据源都有现成的 MCP Server。国产数据库这一块尤其明显——达梦、人大金仓、瀚高，在信创环境里是硬需求，但市面上开箱即用的 MCP 工具对它们的支持并不齐。
这部分工作，AI 帮不上忙。它只会用已经接好的东西。
第二件：查得到，不等于算得对
这一条比第一条更隐蔽，也更贵。
数据库里的字段名叫 JE、KHLX、YF。模型看到一个 JE，它不知道这是含税金额还是不含税，是开票口径还是发货口径，含不含运费。
它能写出一条语法完全正确的 SQL，跑出结果，然后给你一个数。
那个数可能刚好能用，也可能离真实的差三十万。
爱分析在《2026 中国企业智能体平台竞争力榜单》里写过一句话，我觉得是目前对这个问题描述最准的：
> 智能体能够生成 SQL 并查询数据库，却可能选错数据表和计算口径，最终得到业务上错误的答案。
Teradata 做过一次调研，说 77% 的企业，能直接供 AI 调用的标准化数据不足 20%。这句话说的就是这个——数据是有，但没有被整理成"AI 拿去就能用"的状态。
Gartner 的预测更直接：到 2026 年，会有 60% 缺乏 AI-ready 数据的 AI 项目被放弃。
它说的不是模型不行，是数据没准备好。
而这件事，靠再换一个更强的模型解决不了。模型的 SQL 写得再好，也变不出"这家公司的毛利怎么算"。
第三件：能用，不等于敢用
前两件是效率问题，这一件是责任问题。
一旦 WorkBuddy 真的能读生产库，IT 部门会立刻问三个问题：
它会不会改我的数据？谁在查？查了什么？
如果走的是开源 MCP Server 那套配置，这三个问题都不好答。账号密码明文写在配置文件里，等于每个配过的人电脑上都有一份生产库的钥匙；很多工具还带执行接口，能跑的不只是 SELECT；调用日志在客户端本地，出了事追不到人。
数据量大的公司还会多问一句：数据出不出企业？
所以"能用"和"敢让它在会上用"之间，还隔着一层。
那"少了它"缺的到底是哪一层
把上面三件事摆在一起，缺的那一层就很清楚了：它不是又一个 AI，是 AI 底下那层数据。
安捷AI 数据底座做的是这一段：
接得进来。18 种主流数据库，从 SQL Server、Oracle 到信创环境里的达梦、人大金仓、瀚高；钉钉、飞书、金蝶云星空、用友这些应用能接；一直躺在 Excel 里的业务台账也能直接进来。对接用友和星空还有预置数据模板，不用写代码重新配置。
对得上。每张表、每个字段写业务说明和同义词，一处维护。JE 后面写上"含税金额"，"毛利"这个词定义清楚从哪一步开始算。员工换个说法问，答案一样。
供得出去。输出是标准 MCP 协议的数据服务，从接入、加工、语义到供数，一条链路已经走通。数据接一次，接入和口径都留在这一层，不跟某一家 AI 绑定。
管得住。取数是只读的，产品不提供写入能力。每个 AI 客户端一把独立密钥，绑到一个执行用户——AI 能看到什么，等于这个人在系统里有什么权限。行权限、列权限、字段脱敏都能配，单次返回行数有上限。每次调用都留痕、可审计，谁在什么时候调了什么数据，查得到。支持本地部署，数据库不用对公网开放。
四件事，前两件决定它好不好用，后两件决定 IT 敢不敢签字。
它替换不了 WorkBuddy，也不需要替换。WorkBuddy 负责把活干完，它负责让 AI 看见的东西，是人整理过的。
怎么判断你缺不缺这一层
不用做评估，问自己三个问题就行。
第一，公司最常用的十张表，有几个字段的注释是能让新同事看懂的？
如果大多数注释是空的，或者写着"金额（元）"，那 AI 一样看不懂。
第二，"毛利率"这个词，在公司里有几种算法？
如果财务、销售、老板各算各的，那不管换哪个 AI，问出来的结果都会有人不认。
第三，IT 部门能说清楚"昨天谁通过 AI 查了什么数据"吗？
如果说不清，那就还没到能给业务部门放开用的时候。
三个问题里有两个答不上来，缺的就是这一层。三个都答得上来，那你大概率已经不需要它了——这种情况很少，但确实有。
最后说一句可能不太顺耳的：
WorkBuddy 这一类工具真正的价值，是让"问一句话就拿到结果"变成可能。但它拿到什么结果，取决于喂给它的是什么。
工具这一侧，2026 年已经卷得差不多了。真正拉开差距的，是每家公司自己那堆数据，有没有被整理成 AI 能算的样子。
这件事没法外包给模型。