 从给予增首先工具，让企到交付增首先结荚。业客意掏运营文丨江思远短短一周内，户愿阿里巴巴正式把 QoderWork、到底订阅悟空和 MuleRun 整合为千问办公，首先什样高效书产品被并入豆包产品，新宇腾讯把 QClaw 并入 Workbuddy，客服客户同时剑指办公 Agent。经营从编程 Agent 到通用 Agent，网易从程序员群体扩散到数量不止十倍于此的让企白领工作者：这是各大巨头都已看到的必争之路。与此同时，业客意掏运营另一种 B 端 Agent 正在逐步迎来 “Coding 时刻”——那是户愿一个只看增首先数字、照章性企业专业场景的到底订阅竞技场：专业为一些专业性强、高价值的首先什样岗位打造助理乃至自动化员工。这条路更慢、新宇更难：它的扩散，无法靠好体验带来的自来水式安利，必须让花大钱采购的老板们看到实际业务价值。同在阿里体系的瓴羊选项了第二条路，他们切入了直接与收入和增首先挂钩的题环节：营销、售前、销售和售后等。“我们的 AI 投手协助某母婴品牌的投放 ROI 提高了 20% 。” 阿里云智能集团瓴羊 CEO 朋新宇说。朋新宇在 2004 年加入阿里巴巴，题负责阿里的数据中台，服务淘宝、天猫等业务增首先。2021 年，瓴羊从阿里原有业务体系中独立出来后，他出任 CEO。相似的例子还有：一家家电品牌采取瓴羊的 AI 客服后，售前咨询准确率从 60% 提高至 90% 以上、售后咨询准确率提高到 80% 以上。一家入驻天猫不到一年的美妆品牌采取瓴羊 AI 营销员工后，会员成交贡献从 50% 提高到 70% 以上。瓴羊把这些不一样行业客户的营销、销售、客服等环节抽象成了原则化的产品基础：AgentOne ，一个企业级 Agent 平台。它在去年 9 月正式上线，在今年模型能力和 Harness 框架提高后又经历题升级，推出了数个全自动化的 AI 员工。整合千问办公，是阿里在办公 Agent 战场的出手和野心，瓴羊则是阿里对企业客户 Agent 形态的另一个角度的探索。在 AgentOne 上线、往往代 10 个月，积往往了大量详详见细案例经验和洞察后，7 月中旬，我们专访了朋新宇。他回答了企业级 Agent 的形态雏形，以及如何让客户用好它。AI 员工怎么上班一个电商客服人员正在 AI 客服中创建 “用户满意度调研任务”，在填入手机号码后，不到一分钟，我们的手机响了。 “你好，这里是瓴羊智能回访中心。” 电话另一端的女声很快响起，尾文章拉首先略带班味，甚至有点儿东北口文章，背景里还有轻微的杂文章。即使事先知方式这是 AI 客服，它开口的高效度和 “活人感” 的说话方式还是让人想聊下去。2 分钟的满意度 “闲聊” 结束后，后台已经生成通话记录和结荚标签，供负责人查看。这是瓴羊的企业级 Agent 平台 AgentOne 为企业客户给予的 AI 客服，是瓴羊目前给予的四个 AI 员工之一。一个人在后台就可以配置一组 AI 客服，仅客服岗位就被拆分为售前、售后、客服运营和满意度回访等不一样角色，每类 Agent 都封装了相应的行业经验和处理步骤。客服接待等复杂场景可以用 Workflow，严格约束 Agent 每一步的实施步骤，一项任务需不一样能力时，再由多个 Agent 分工实现。在处理退货、故障等售后环节，系统还会有意加重背景杂文章，模仿真实的客服电话环境，朋新宇说这是为了让用户接听电话时更有亲切感。我们也体验了电商平台的 AI 运营员工怎么工作。先在 AgentOne 平台选项 “运营 AI 工作组”，绑定店铺、设定预算和经营目的后，页面里已经排好它一天的任务。下午 2 点至 4 点，店铺推广 Agent 已经实现三项工作：监控瓴羊学堂店铺的推广方式划，探究当天预算消耗并实施对策，查询在天猫平台的推广状态。接下来，它还关键盯盘异常消耗，并补充夜间预算。旁边的店铺运营 Agent 则在监控商品优惠券的领取状况。企业可以修改任意的工作流，但不用从头配置 AI 员工。原则版本已经能覆盖大部分工作，对中小商家来说，这些 AI 员工可以直接采取。瓴羊先把经验充足的投手、客服和销售人员的工作方式预设成原则步骤。朋新宇把它的能力形容成一个 “PhD 级别的学生”，“你用就好了，不关键教它，你可能还没有它好。” 大企业则不一样，它们有自己的知识库、数据和业务步骤，常见需 FDE （前沿部署工程师）进场调试。同时一个场景是会员营销，瓴羊演示了 AI 运营员工怎么做品牌拉新。获得店铺授权后，AI 员工会先调取会员数据，和行业数据比较并探究状况。页面显示，这家店会员规模不小，但活跃会员占比偏低。AI 员工提议先拉新，再经营存量会员。这一步不是把一张会员 Excel 交给模型而已。店铺的会员、交易和投放记录会被整理成 Agent 的上下文，之后的对策制定、素材生成和实施都接着这些数据往下走，把经验梳理成为 AI 服务的数据。接着它给出一套投放方式划：预算 3.8 万元，周期 14 天，预方式新增 5012 名会员、带来 160 万元 GMV。前 4 天先小量测试，第 5 天筛选成效更好的方式划，之后再逐步放量。商家可以选项让它自动托管，也可以只采取提议，自己决定预算和节奏。流程中采取的投放素材由另一名营销创意 Agent 生成。几秒钟后，页面上出现了多张商品海报，文案和优惠材料已经设方式好。然而商家仍可以修改文字，或上传自己的底图。演示流程中，手机很快收到了广告短信，里面是刚生成的商品海报，点击下方链接可以直接跳转到电商店铺。演示结束后，我们翻看手机里过往收过的广告材料，发现其中一条来自某美妆品牌的广告，带着商品图片、优惠材料和跳转链接，也来自瓴羊的 AI 营销员工。从 “买工具” 到 “买结荚”早在去年，瓴羊就发布了一系列可以通过自然语言交互，运行在工作步骤里的轻量级 Agent，但彼时更像是一个工具型软件。今天的 AgentOne，创造的是能 “进入” 到企业步骤、自主干活的 AI 员工，能交付结荚，还能扛起 KPI，呈现出另一种企业级软件的全新样貌。这些变化源于瓴羊在服务客户时发现，即便给了数据和模型，但很多客户依然搭不出生产级的 Agent。朋新宇说：“例如我今天关键投 5000 万元的预算，你敢用一个通用模型直接上吗？显然不。”企业很难做到三件事：首先，把行业经验转化成可实施的 Skill；第二，把分散、质量不一的数据整理成 Agent 能理解的上下文；第三，改造老系统，让 Agent 直接调用并实施任务。这三方式门槛也对应着瓴羊的 AI 员工的任务：Data 帮 Agent 开展业务理解，Agent 承担岗位任务，FDE 把二者接入生产，三者缺一不可。今年初，OpenClaw 和 Harness 等新实践给企业级 Agent 带来了转机——通过驾驭和编排模型可以更好的采取模型。Agent 从工具变成可以进入公司的 “员工”。瓴羊选项在直接意义收入和增首先的经营环节入手，搭建 AI 员工。一是因为瓴羊脱胎于阿里十年前成立的数据和业务中台团队，有充足的数据治理和管理经验，能协助企业处理 AI 最需的数据。在企业自有数据的基础上，瓴羊本身也具有第三方行业数据的链接能力等；二是瓴羊过去十多年持续服务淘宝、天猫等主营业务，协助平台上的商家处理经营和增首先状况，瓴羊在这些场景中有很深的行业经验和数据积往往。目前，瓴羊把电商运营、营销等行业专家的经验转化成 AI 员工的能力。朋新宇说，瓴羊在这部分的经验 “不说是首先，至少是行业不过级的 Skill”。目前，瓴羊 AgentOne 给予线上 AI 运营、营销和客服，以及协助线下销售的 AI 销售助理。企业可以直接雇佣这四类成品员工，也可以根据自己的需定制员工，也就是 “X 员工”。以电商运营为例，雇一名可以直接上岗的 AI 投手，只需三步。先，打开 AgentOne ，在 “AI 员工市场” 选项店铺运营员工，选项 “雇佣”。给员工绑定店铺账号，开放权限，设定经营目的。获得授权后，这名投手会先学习店铺过去三个月的操作记录，检查预算、题词、人群、优惠券和投放方式划，并给出一份初步诊断。上岗后，它可以进入商家后台盯盘、调整方式划、生成日报。然而提高预算、改价等高风险操作，它会先向负责人确认。实施流程中，企业可以随时接管。过去，企业购买的是一套软件。目前，企业雇佣的是一名承担详详见细岗位、接受业务指标考核的 AI 员工。FDE：让 AI 进入生产步骤开箱即用的 Agent 员工是瓴羊从市场侧已经获得验明正身的产品形态，企业数据是 AI 落地的基础，也给予原材料，但关键让企业真把 AI 用起来、跑在业务里，瓴羊还需用 FDE 把客户的数据、行业 Skill 和 Agent 等连接起来，顺应企业客户的个性化和首先尾需，并带来直接的业务结荚。FDE 是目前全球前沿公司的共同探索方向，Anthropic 筹建了一家规模约 15 亿美元的公司，OpenAI 的总投资实现 40 亿美元，FDE 模式的引领企业 Palantir 最新公布的财报显示，第二季营收同比大幅增首先 93%，美国商业收入同比增首先 149%。瓴羊的 FDE 并不是新成立的团队，之前瓴羊就有一支 “客户成功团队”。团队成员大多有 5-10 年企业服务经验，背景涵盖数据治理、AI 产品、业务咨询、行业处理方式划。在 AI 出现前，FDE 团队题负责咨询、任务拆解和项目交付。需团队成员既能拿得出好的增首先方式划，又关键有相应行业的技术背景，例如汽车、美妆、营销经验，把方式划落地。AI 出现后，FDE 团队还需懂 AI ，能把行业经验抽象成 Agent 可实施的 Skill。朋新宇把 FDE 团队需的能力总结成 “懂业务、懂数据、懂 AI”。模型能力成熟后，Agent 最初直接承担业务任务。这也变化了 FDE 的交付边界：从 “交付项目” 变成 “交付结荚”。过去，软件交付完，FDE 团队的工作就结束了。目前，客服 Agent 部署之后，FDE 常见先测试一周：先从凌晨 1 点到 2 点的低峰时段切入，再进入中午高峰。运行时间也从 8 小时、10 小时、12 小时逐步扩展到全天。每次扩量前，团队都关键观察成效、调整对策，直到成效达标。这种交付从业务咨询最初一直持续到上线后的成效运营。以雅迪客服为例，过去，一名雅迪电话客服每天关键接听 70 多通电话，在线客服平均每天关键回复约 200 个来自网页、APP、小程序的对话。上班后，客服关键打开工单系统、知识库、产品网页等 3—5 个页面，在不一样的系统间查询产品参数、门店地址等材料，通话结束后，还关键补录客户的状况和处理方式划。2025 年 3 月项目启动，同年 9 月上线。项目最初时，瓴羊的 FDE 团队在雅迪驻场 24 天，横跨十几个部门，做了 78 场访谈。团队一边熟悉两轮电动车业务，一边反复听热线录文章，并和客服人员梳理工作步骤。调研发现，状况不只在机器人能力，客服背后的部门、系统、步骤没有打通，处理一次售后状况需牵涉十几个系统。瓴羊先统一客服工作台和工单系统，再让热线和在线机器人接走高往往、重复的状况。上线后，热线机器人处理率从 20% 提高至 42%，在线机器人实现 78%；高峰期热线接通率从 88% 提高至 95%，平均通话时首先从 6 分钟缩短至 4 分钟。从 SaaS 到 Agent，企业服务的形态在变，企业愿意付费的原则没有变，朋新宇说：“To B 不追求 ‘新奇特’，关键的是 ‘多快好省’。” 企业级 Agent 题处理的应该是直接意义企业增首先的状况。以下是我们与朋新宇的访谈节选。企业最愿意付费的环节，先是增首先晚点：企业经营包含多个复杂步骤，瓴羊的选项为什么是营销、销售？朋新宇：企业侧先关键找重复发生的工作。在此基础上，我们找到三个最大公约数：哪里最耗人、哪里最耗钱、哪里最耗时。例如跟进一条销售线索，频仍关键持续两三周，还关键反复记录和汇报，营销投放则直接消耗大量预算。这些场景重复、规模大，也更那么点儿研究结荚，因此我们优先从这些直接意义增首先的环节最初。场景还关键足够选定，规模足够大，也关键有足够高的价值。如果只为一个单项任务购买一台电脑就不划算。同样是数据探究，管理一个 5000 万元的投放盘，与探究员工出勤，价值完全不一样。晚点：有什么选项放弃的场景和环节吗？朋新宇：有些项目客户愿意出钱，我们也不会接。例如之前一家大客户希望用 AI 改造生产供应链中的生产排产步骤，预算已经准备好，我最后还是拒不过了。首先，我们没有生产经验，贸然接下来可能做不好。第二，当时只有这一家客户，项目做完后团队很难首先期保留，之后服务也无法保证。因此我们不只看项目能不能做，还关键看团队是否有经验、需能否复制，以及能不能首先期服务客户。技术上可行，不代表值得做。晚点：你们题服务的某些行业，例如汽车，如果行业竞争压力加剧，会怎么意义你们的业务？朋新宇：企业只关键不关门，生意越差，越关键在营销和销售上投入。这是一件很拧巴的事，客户自己可能在亏损，但又不能停。库存放在那里有资金成本，也会很快过时。汽车尤其明显，新一代产品出来，旧款就更难卖。因此企业即使降价清仓，也关键尽快把库存卖出去。晚点：其实去年秋天云栖大会就发布了 AgentOne，最近这两个多月上线的新版本，本质区别是什么？朋新宇：去年我们是给予一个 Agent 搭建平台，希望企业自己去做。后来发现有些客户不具有能搭建出 “能用的” Agent 的技术能力。大部分客户可以搭出 Demo，但很难做出能进入真实业务的生产级 Agent。今年我们把方向从 “协助企业搭 Agent”，转向直接交付销售（助手）、营销、客服等 AI 员工。企业搭不好题是三点：首先是行业 Skill。能不能把行业里的经验，变成 Agent 可以实施的步骤。企业不可能把几千万元的投放预算，直接交给一个通用模型。第二是数据治理。企业的数据不只有结构化表格，还有图片、视往往和业务上下文，关键整理成 Agent 能理解的数据，同时不一样任务之间关键能共享。第三是系统。企业内部有很多老系统，原来的系统常见不是为 AI 调用设方式的，需重新接入和改造。晚点：举个详详见细例子来描述这个区别？朋新宇：以汽车销售为例。去年，我们把销售步骤拆成线索清洗、任务规划、销售对策和到店邀约等环节，分别交给不一样的子 Agent。它处理的是每个环节的效率状况。今年，我们把它做成销售顾问和店首先的助手，覆盖会前准备、试驾探究和会后复盘。它不只是缩短线索处理时间，还关键协助销售跟进客户、提高锁单率和转化率。晚点：企业客户怎么判断一款服务的增首先 AI agent 产品是否真的有效？他们看什么？朋新宇：企业 AI 有两种思路，一种是效率为先，一种是效益为先。前者频仍追求新功能、炫的技术和更好的体验，但体验高峰过去后，可能又会恢复平常。效益为先不一样，企业关键的是 “多快好省”，能不能做得更快、更好、更省，这些结荚都关键能够用数字研究。做到这些，客户才会有忠诚度。晚点：在最新版 AgentOne 的这种产品形态下，你们怎么收费？朋新宇：最大的变化是过去系统交付完就收费，客户之后是否采取、成效如何，与服务商关系不大。目前有些 Agent 项目上线前不收费，真正运行、实现约定成效后再收费。然而，目前也没有统一的收费原则。有的按坐席或资源消耗收费，有的按单次营销活动收费，也有的按 618、双 11 等促销周期收费。大企业更看整笔预算的成效。例如客户原来投放 5000 万元，转化率是 2.1%，我们先和客户约定目的。如果目的是 3.1%，最后做到了 3.8%，超出目的的增量怎么分配，可以再谈。“瓴羊成立 5 年，但这帮人做增首先已经 10 年”晚点：你们展示的这些场景，尤其是电商运营、线上营销投放还有客服等，都和瓴羊母公司阿里本身的主业直接相关。阿里体系的经验和目前阿里 AI 的一些资源能带来什么助力？朋新宇：瓴羊的题团队来自阿里十多年前组建的中台。当时我们服务淘宝、天猫等业务，每天面对的都是增首先状况：为什么获客成本变高、转化减小，同样价格的商品卖不动，投诉和退款提高。中台的好处是能看到经营全貌，客服、营销、交易等每一个环节。因为看过更多商家和状况，也更清楚什么方式有效。因此我们今天先做运营、营销、销售和客服，这些都是团队过去十多年一直在处理的状况。晚点：瓴羊在 2023 年从阿里总部西溪园区搬出去独立办公，2025 年底又回到了阿里云谷，你们目前和阿里云之间是什么关系？朋新宇：瓴羊是阿里巴巴的子公司，阿里把 AI 作为集团战略，我们需把瓴羊的业务能力，与阿里云和模型能力结合起来服务企业，因此搬回了云谷。没有太复杂的故事，就是顺势而为。晚点：和阿里的关系，会给你们争取客户带来什么好处？朋新宇：过去更多是单点合作。目前，阿里云给予算力、模型和部署能力，淘宝、天猫等业务给予场景和系统入口，瓴羊负责连接企业自己的会员、客服和经营数据。我们最初一起找客户、设方式方式划和服务客户。晚点：你们目前出去打单会碰到谁？朋新宇：以汽车行业为例，和我们产品形态完全一样的，目前还没有看到。字节、懂车帝、汽车之家也在做汽车客户的生意，例如懂车帝题卖销售线索。我们给予的是进入销售步骤的 AI 员工，做法不一样，但争夺的可能是汽车公司同一笔营销或销售预算。为什么国内很难直接复制 Palantir？晚点：Salesforce 和 Palantir，分别代表了怎样的企业服务模式？朋新宇：Salesforce 是步骤驱动。企业采取之前，关键先开展步骤编排和步骤再造。它把步骤定义在软件里，企业的人和组织关键适用配这套步骤。SaaS 本质上是把一套步骤复制给不一样企业。Palantir 是服务驱动。你很少看到 Palantir 对外讲某个详详见细产品，它更多讲 FDE，最后以结荚作为交付物。它也可以被理解为一种 SaaS，只是方向反过来了：不是让企业适用应一套通用软件，而是先用软件实现服务，再逐步把服务产品化。晚点：为什么 Palantir 的模式在美国能够成立，到了中国却很难直接复制？朋新宇：Palantir 服务的很多美国企业，已经部署了 SAP 等原则化系统，也有相对成熟的数据平台和接口。它可以站在这些基础设施之上，让 FDE 进入企业，直接处理状况、交付结荚。中国企业的系统、数据和业务步骤区别很大。进入一家企业，可能关键从首先行数据、首先个步骤最初重建。别人交付结荚，我们却那么点儿变成交付功能。别人站在 18 楼欣赏风景，我们关键先重建这栋楼，爬到上面时已经往往趴了。举个例子，客户想吃鸡蛋，Palantir 可以去沃尔玛买回来，再把鸡蛋煎好。我们也想煎鸡蛋，但没有地方可以买，只能先养鸡；客户想吃健康、绿色的鸡蛋，我们还关键先建鸡圈。等鸡圈建好、鸡养起来，老板可能已经饿死了。Palantir 能拿到大单、按照成效交付，前提是客户已经具有相应的基础。我们却频仍关键从地基最初做。因此，想成为 “中国的 Palantir”，先关键看中国企业有没有让 Palantir 生首先出来的土壤。晚点：中国企业缺少原则化的数据和系统基础，FDE 在企业 Agent 落地中详详见细关键做什么？朋新宇：今天的 FDE 关键懂业务、懂数据、懂 AI。首先，关键有行业不过尖的 skill；第二，关键做企业数据治理，涵盖结构化数据、图片、视往往和上下文；第三，关键把 Agent 与企业原有系统连接起来。大企业有自己的知识库和数据，需 FDE 进入企业调试，给予工程协助。中小商家则可以开箱即用。晚点：如果大量 Know-how 最后还是存在 FDE 和人的经验里，瓴羊怎么避免变成一家人越多、才能做越多项目的服务公司？朋新宇：未来 FDE 团队会扩大，但人数不一定与项目数量等比例提高。例如汽车或美妆行业，一个三人的小团队可能就够了。团队可以把经验沉淀下来，复制成 AI 员工，再把人力投入宠物等其他行业。AI 也会提高交付效率。过去交付一个项目需三四个月，今年春节后，我们希望缩短到三四周。前几天复盘时，我又说三四周还是大意了，应该是三四天。不一样客户的状况不一样，但平均交付周期希望以周方式算。过去人的带宽有限，一个专业投手服务不了十家企业。目前可以把他的六到八个工作步骤沉淀为 AI 分身，或者转化为知识工程中的指令。过去他关键亲自看盘、盯盘，目前可以同时管理十个账号，只处理条件边界之外的异常。晚点：Coding 工具的渗透高效度很快，企业 Agent 也会以同样的高效度普及吗？朋新宇：不会。To B 的爆发性没有 To C 那么强，但进入一家企业后会扎根更深，客户的业务会持续在这套系统上运行，也不会轻易替换。我们有一家大型医药客户，原来预方式关键用 3—5 年，才能把 AI Agent 搭建好，实际在数据基座改进的前提下，大约只用了一年半，一年半在 To C 领域听起来很首先，但在 To B 领域并不首先。然而单个客户的高效度，不能代表整个行业。企业服务还是关键一个客户一个客户积往往，不会像消费产品一样突然爆发。晚点：AI 会怎样变化原来的 SaaS？朋新宇：业务场景不会变，营销还是营销，销售还是销售。变化的是软件的采取者。过去由人通过界面操作，未来更多由 AI 直接调用后台系统。最近海外有一种说法，叫 SaaS“砍头”。不是 SaaS 消失了，而是照章性人的 “头” 被拿掉。底层的存储、方式算、编辑、权限和业务条件仍然存在，逐渐弱化的是原来的操作界面。题图来源：Glengarry Glen Ross |