OpenAI Presence 正式亮相：從賣模型轉向提供託管式 AI 基建

核心功能

Presence 將企業在嚴謹治理下運行生產級 Agent 所需的一切功能整合在一起 ：

• 政策與標準作業流程（SOPs）： 企業可定義 Agent 能做什麼、何時需要核准、何時必須交由真人處理。
• 護欄（Guardrails）： 封鎖高風險動作——例如限制 Agent 能查詢哪些資料庫，或規範其與客戶的互動方式 。
• 核准動作（Approved actions）： 僅允許預先設定的動作（如查詢資訊、更新系統、完成交易）。
• 模擬與評估工具： 上線前，團隊可針對常見請求、邊緣案例及高風險情境進行測試。自動評分工具會檢查 Agent 是否達成正確結果、遵循政策、正確使用工具，並在必要時適時升級 。
• Codex 驅動的改進迴圈： 上線後，實際的對話紀錄與升級事件會揭露 Agent 的不足之處。Codex 會提出更新建議（例如調整指令集），團隊測試核准後即可套用，形成「量測 → 改進 → 上線」的持續循環 。在 OpenAI 自身的部署中，這個迴圈在短短 10 天內就將需要人工介入的比例降低了 15 個百分點 。
• 人工升級路徑： 當政策、風險或工作流程需要人類判斷時，提供結構化的背景交接機制 。
• 受控的版本發布、監控與回退： 新版本會分階段發布，並可根據生產環境的數據進行回退 。

Presence 目前支援語音與文字聊天兩種渠道，適用於客戶支援、外撥銷售及內部流程等即時對話場景 。

OpenAI 自家客服專線的成果

OpenAI 使用 Presence 來驅動其英文電話客服專線 1-888-GPT-0090。該 Agent 能處理開放式的客戶需求、驗證來電者身份、運用帳戶背景資訊，並執行核准的動作。在數週內，它便達到或超越了用來評估一線真人客服品質的基準。目前，該 Agent 能在無需人工協助的情況下，解決 75% 的進線問題 。

早期企業客戶

這三家目前均為設計夥伴或早期評估用戶，尚未大規模導入生產環境 。

上市資訊與定價

Presence 目前處於有限度公開供應（limited GA） 階段，屬於受管部署服務 。這不是一個自助服務產品。關鍵資訊如下：

• 能否取得取決於工作流程契合度、導入準備度，以及當前的交付能量 。
• OpenAI 的前線部署工程師與特定系統整合商會與每位客戶直接合作，透過一系列受管流程進行：範疇界定、系統整合、安全審查、模擬測試、分階段上線與監控 。
• 定價按客戶與每次部署個別報價，未公開。英國《The Register》將其描述為「貼近實戰的價格」（boots-on-the-ground prices），反映了其顧問式的交付模式 。
• 此產品與 ChatGPT Workspace Agents 不同——Presence Agent 是由 OpenAI 團隊協助設定與部署，而非透過工作區介面自行建立 。

在 OpenAI 整體企業策略中的定位

Presence 標誌著 OpenAI 從銷售模型與 API 代幣，轉向銷售已部署、受管理的 AI 基礎設施的明確策略轉變 。以下跡象證實了這一點：

• 從模型供應商到服務整合商。 Presence 將政策、護欄、評估工具與 Codex 改進迴圈整合在單一平台中，複製了聯絡中心中介軟體廠商所提供的全套服務 。OpenAI 實質上是在與系統整合商及 CCaaS 平台競爭，而不僅是其他模型供應商。
• 親力親為的交付模式。 OpenAI 為每位 Presence 客戶指派前線部署工程師，產品是透過受管的顧問服務來交付，而非透過自助儀表板 。《The Register》將此舉形容為 OpenAI「嘗試顧問服務路線」。
• 與 OpenAI Deployment Company 的連結。 2026 年 5 月，OpenAI 與 18 個創始夥伴（包括 BBVA）共同成立了「OpenAI Deployment Company」（DeployCo），這是一個擁有超過 40 億美元資金、專注於企業部署服務的機構 。Presence 正是這項策略的產品化展現。
• 跨客戶的學習效益。 OpenAI 表示，「每次部署所獲得的通用洞察，都會反饋給持續的研究與產品開發，隨著時間推移改善所有客戶的產品」。這使得每一次部署都成為數據與改進的護城河。
• 企業承諾持續加碼。 同一週，BBVA 將 ChatGPT Enterprise 部署至其全球 12 萬名員工 ，而 OpenAI 的企業產品線現在還包括了 Frontier（跨系統 Agent） 與 AgentKit（開發者工具）——其中 Presence 是觸及最高、治理要求最嚴格的一層。

簡而言之，Presence 是 OpenAI 的一場賭注：企業願意支付溢價，並非為了換取一個更聰明的模型，而是為了一個可靠、可控、能持續改進的 Agent 系統，而且這個系統還內建了 OpenAI 工程師的支援與機構學習的成果 。