企业管理软件公司Workday Inc.今日宣布,Sana for Workday已在全球范围内正式发布,为用户提供人工智能驱动的知识发现和工作自动化功能。
为了通过AI驱动的企业知识和培训工具扩展公司平台,Workday于2025年11月以11亿美元收购了Sana Labs AB。
今日发布还推出了全新的Sana Self-Service Agent智能体,具备超过300项技能,可为客户处理人力资源和财务任务。该工具与Sana Enterprise一同推出,后者提供超越Workday本身的AI功能,用于编排和组织企业系统及应用程序。
员工可以通过统一的仪表板访问新体验,在一个地方提问、触发工作流程并与平台协作。公司表示,这将成为新的工作方式——用对话式体验取代传统的菜单和导航。
"AI只有在连接到可信、确定性系统时才能在企业中发挥作用,而这种混合架构正是Workday正在构建的,"联合创始人兼首席执行官Aneel Bhusri表示。
Aneel进一步解释说,新推出的Sana将弥合大多数内部AI工具之间的差距,这些工具存在于孤岛中,无法轻松与企业系统之外的第三方应用程序连接。通过Sana,企业团队可以共享与他们操作的核心系统相同的数据、合规环境和业务规则。
使用Sana Enterprise,团队可以使用智能体来发现和连接常用的生产力应用程序,如Gmail、Google Drive、Jira、Notion、Microsoft Outlook、Slack、Salesforce和SharePoint来完成工作。此次发布的目标是为员工和客户提供"活跃"和具有思考能力的智能体,超越独立的助手和副驾驶,使其能够跨多个系统采取行动。
它们可以在设定边界内发现公司知识和Workday数据并对其采取行动,同时使用他们最熟悉的工具。例如,员工可以询问"更新我的家庭住址并显示它如何影响我的税表和福利?"或"将Acme Inc.合同价值更新为43.1万美元。"
除了简单任务外,AI智能体还可以将知识转化为即用型仪表板、摘要和文档,使知识易于理解。智能体还可以在后台将复杂目标分解为分步任务,从而实现工作流程自动化。例如,员工可以询问"设置一个月度工作流程来检查我的电子邮件收件箱中的收据,对照政策检查它们,并在提交前发送报告供我批准。"
"Sana是我们拥有的最接近超级智能同事的东西,"Workday AI高级副总裁兼总经理Joel Hellermark表示。"它能看到你在Workday中组织的全貌,知道要触及哪些系统,并能协调它们之间的步骤。"
Sana for Workday和Sana Self-Service Agent智能体今日在全球范围内向Workday客户开放,无需等待,通过公司的Flex积分提供,无需额外许可证。
公司表示客户已经显示出成果。多家公司已经试点了新的Sana AI驱动工作流程,包括食品制造商Berner Food and Beverage LLC、餐食配送提供商Cheffelo AB、AI驱动的医疗保健管理平台Televox Software Inc.以及人力资源咨询公司The Josh Bersin Co.。
"我们已经从'我们能自动化这一个任务吗?'转变为'如果我们假设Sana能处理80%的执行工作,整个流程应该如何运作?'"Televox市场推广负责人Alexander Bergstrom表示。
Q&A
Q1:Sana for Workday是什么?有什么主要功能?
A:Sana for Workday是Workday公司推出的AI知识发现和工作自动化平台。它具备超过300项技能,可处理人力资源和财务任务,通过对话式体验替代传统菜单导航,连接Gmail、Slack等常用应用程序,将知识转化为仪表板和文档。
Q2:Workday为什么要收购Sana Labs?
A:Workday于2025年11月以11亿美元收购Sana Labs AB,目的是通过AI驱动的企业知识和培训工具扩展公司平台,弥合内部AI工具之间的差距,让企业团队能够共享相同的数据、合规环境和业务规则。
Q3:Sana智能体能够完成哪些复杂任务?
A:Sana智能体可以跨多个系统采取行动,例如更新员工住址并显示对税表和福利的影响、设置月度工作流程自动检查邮件收据并生成报告。它能将复杂目标分解为分步任务,实现工作流程自动化,被称为最接近超级智能同事的工具。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。