AI真正的“硬仗”，是对增长负责 - 爱游戏体育

过去一年，企业级AI领域出现了一个显著变化：它不再只是工具，而是以员工身份融入岗位。

在联合利华，一名销售人员在拜访餐厅推销调味品前，会先与AI销售同事进行模拟演练。面对厨师长，AI能指导如何讨论口味和出品；面对老板，则聚焦成本和经营。客户可能提出的问题及应对方式，AI会结合餐厅状况、产品资料和过往业务知识，提前模拟整场对话。过去，这些判断大多依赖优秀销售的个人经验；如今，它们被拆解成AI可学习和执行的流程。

类似的变化也发生在岚图、光明、百雀羚等企业。AI员工开始真正进入业务流程：有的负责营销，有的做销售，有的参与企划。它们承担明确任务，甚至直接接受转化率、销售额、留存等指标考核——这正是AI员工与过去AI助手的根本区别。当AI开始对结果负责，企业对它的要求也随之改变。

部署这些AI员工的是阿里云智能集团旗下的瓴羊，一家专注于增长的企业级Agent品牌。其自研平台AgentOne为企业打造深入工作流、可实际上岗的AI员工，覆盖核心经营环节。在今年9月的云栖大会上，瓴羊用这些AI员工的成绩单回应了一个行业难题：既然各行各业都已用AI提效，为何预期的增长爆发未能同步到来？

01. 优秀的AI员工应具备哪些特征？

效率一词在AI叙事中已占据三年主导地位。但在今年云栖大会的演讲中，阿里云智能集团副总裁、瓴羊CEO朋新宇决定换一个主角。他的判断是：AI革命始于效率，但终于增长。

麦肯锡2025年全球调研显示，88%的受访组织已在至少一个业务职能使用AI，但能将5%以上EBIT归因于AI的企业，连续两年维持在6%左右。个人生产率因AI大幅提升的组织占比80%，而EBIT因此受益的企业仅有37%。朋新宇在演讲中引用了一个历史参照：工业革命初期，人类每工时效率提升了26倍，但爆发的是产能而非利润。每次技术革命早期，都存在效率先行、增长滞后的周期。然而，效率是过程指标，增长才是结果指标。AI对企业真正的价值在于增长，省下的时间必须重新投入业务才能转化为收入。

在AI时代，将效率转化为增长的最大障碍是企业级AI未能真正融入组织流程。要让AI接入流程并真正运行，需要它转变身份：从工位上的问答助手，变为流程中的员工。那么，在数字员工概念已存在十年以上、AI企业普及率足够高的今天，优秀的AI员工究竟应具备哪些特征？

过去三年，行业衡量AI的标准集中在模型能力：参数规模、基准测试成绩、对话流畅度。这套标准适用于定义工具，描述了工具的实用维度，但无法让AI直接参与经营结果的变化。朋新宇在云栖大会上提到一个案例：一位做稀土生意的小老板，企业规模约两亿、有二十名销售，开口就问部署最新模型要多少钱。朋新宇报出千万级起步的价格后，对方愣住了，解释自己只需让二十名销售找到客户、提高转化，最终扩至百人。朋新宇告诉他，他需要的是一个懂销售的对话助手，大模型无法提供这些。

在这种强调工具、脱离业务的环境下，瓴羊换了一套AI考核标准，核心维度是岗位需求。也就是说，一个优秀的AI员工应能挂靠真实岗位，完成一段业务流程，并像人一样接受KPI考核。在瓴羊看来，这套标准的落地主要依靠组装三样东西：Data for AI、Agent、FDE。其中，Data是血肉与记忆：企业高质量数据经过治理，变为AI可理解的语义，形成长期数据资产；Agent是躯壳与技能：负责执行、决策和交付结果；FDE是带教与岗位设计：将仅存在于员工经验中的隐性知识，抽象为AI可标准化执行的流程。

开头提到的联合利华调味品销售业务，正是三者协同工作的结果。为何面对厨师长和老板需用两套不同话术？客户说“贵”时，究竟是觉得贵还是未理解产品价值？何时该继续推产品，何时应换话题？过去，这些判断多存于优秀销售脑中，销售离职后经验也随之流失。FDE的任务是将销售拜访录音、品类资料、消费者评价和竞品信息与联合利华业务知识结合，构建一个庞大的食物知识引擎。基于此，AI销售员工会针对每家餐厅和关键人物，生成个性化陪练剧本，涵盖客户背景、沟通路径、产品推荐、竞品比较及常见异议回应。这套体系包含可沉淀的回路，每项关键信息和推理结论都可追溯来源、沉淀为知识，经验由此从个人能力变为可学习、可复用的组织能力。在联合利华，数据先被治理成知识，知识再回到销售现场。瓴羊将这条链路概括为两句话：Data for AI，把数据建成知识；AI for Business，让知识创造增长。

02. 增长发生在经营现场

企业中的AI目前分布在不同层面：有的在对话框里仅回答问题；有的在办公软件中处理文件流程；还有的已打通数据、进入业务系统。瓴羊将这三类AI用法分为三层，从浅到深依次为Chat（对话）、Work（办公）、Business（经营）。分层的标准是AI与企业数据和业务结果的距离。Chat解决“能否知道”的问题，数据来自公域，价值停留在体验改善和成本节约；Work解决“能否做完”的问题，价值在于人效和组织效率提升。行业已有对应这两层的AI产品层出不穷。

然而，在距离业务最近的Business层，基本是一片无人深空。它解决增长问题，直接指向收入、转化和留存。企业真正的增长从这一层产生，瓴羊在一众AI服务商中保持独特站位，正是因为它从成立之初就立足于此。价值的上升伴随着投入与门槛的同步上升：数据越深入企业经营，权限、风险和治理问题越复杂，构成了企业级Agent与通用Agent的天壤之别。根据瓴羊的落地经验，让数据成为Agent可理解的知识共需四步：接入与管理，实时准确获取数据；加工与治理，统一字段、口径和业务定义；知识化生产，将员工经验中的隐性知识转为语义和规则；服务化调用，通过API和MCP让Agent能调数据、执行任务。

岚图的AI员工经营现场在用户营销。两千万用户的线索池中，有人刚看过车型配置，有人咨询过金融政策，有人试驾后沉默许久。过去一条覆盖七大车系的推送，从圈选人群到配置上线需12到24小时。与瓴羊合作后，团队将流程拆给智能圈人、人群洞察、方案策划、内容生成、画布编排等营销Agent各自完成，3小时内全量上线。数据显示，岚图用户运营效率提升3倍，策略点击率相对提升15%，存量暂败线索激活率提升20%，线索到订单转化率对比提升20%。飞鹤的经营现场在渠道。2600余名经销商、约6.7万个零售网点，过去一份省级经营管报从整理到产出需3天，看到问题时处理窗口已过；如今区域经理当天即可看到辖区经营情况，管报产出缩至1小时。

瓴羊将这组能力概括为三个词：能干、能信、能打。能干指AI员工深度融入企业业务链路和行业知识，端到端完成从规划到执行的完整任务，不靠一步步喂指令；能信要求输出可追溯、可核验，背后是十几年数据治理沉淀和企业级安全架构；能打意味着将AI员工考核直接绑定GMV、ROI、锁单率、投产比等业务指标，用业务结果验收。同时，AI员工上岗并不代表人类退出流程。岚图团队的经验是，涉及品牌口径、业务合规和策略判断的部分继续保留人工审核；AI负责高频、重复的执行与初步研判，人类负责把握方向、检查风险，并根据实际反馈调整下一轮运营。真人运营团队省下的时间，花在策略是否合理、内容是否贴近用户等更需人类创意与经验决策的问题上。

放眼全球，企业级AI领域基本朝着同一方向：让AI交付从软件席位变为业务结果。Salesforce的Agentforce按解决次数计费，ARR已达12亿美元，同比涨205%；HubSpot将智能体标为按活付钱的商品，一次解决、一条线索各有定价；微软在席位订阅外叠加用量计费，产品内置agent ROI追踪；ServiceNow的Agent部署九个月增长约九倍。早在这些全球企服巨头之前，瓴羊的AI员工已更进一步，打破按软件授权或人头结算的传统模式，改为按实际业务效果结算。例如瓴羊AI客服，售前转化量、售后服务量和满意度直接进入计费口径。据统计，某些企业客户的支付成本已降至原来的五到六成。

03. 下半场从“上场”开始

方向和共识已明确，剩下的问题是执行层面：谁有能力将AI员工送入经营现场？Gartner预测到2026年，企业将放弃60%缺乏AI-ready数据支撑的AI项目；同期对1203名数据管理负责人的调查中，63%的组织不确定自己是否有正确的数据管理实践。数据治理是拿到未来入场券的关键。放眼国内，企业级数据治理这张门票，瓴羊已持有多年，使其在AI增长方面拥有先天优势。

这家公司从阿里巴巴服务企业的常年实践中成长起来，拥有十几年企业级数据治理经验，处理的是中国最复杂的商业数据：交易、营销、供应链中的治理问题都在此体系中被反复验证。围绕营销、销售、客服、运营四个核心经营场景，瓴羊已形成成体系的Agent产品线，并有一支FDE团队专门负责将方法论带入客户现场。背靠阿里云是另一层支撑：瓴羊的服务链条背后有阿里云和Qwen大模型作为基础设施底座，在阿里云的全球算力和企业级安全架构长期托底下，FDE团队和数据治理才能无技术负担地完成落地。

星星充电的场站推荐已在真实业务中运行。用户在千问App中用一句话说明充电需求，系统理解距离、空闲桩、快充、价格等约束，返回推荐结果。负责此事的场站推荐Agent不属于营销、销售、客服、运营中的任何一类。瓴羊将这种没有现成岗位编号、结合客户真实需求和场景的角色称为X员工。在刚结束的云栖大会上，为了让更多企业直面AI带来的真实业务结果，瓴羊推出了“AI员工7日上场计划”：免费提供FDE一日诊断、价值15万的Credit资源包等。企业从明确业务问题出发，让AI员工在真实数据和任务中接受检验。七天后，企业将获得一份“AI员工上岗报告”，说明该场景是否值得扩大、哪些数据需治理、AI员工上岗后应背什么KPI。

此前，一家约150家门店的企业已跑通此路径。首轮实战完成110余项经营指标的语义化梳理，覆盖5个经营板块，向50余个账号开放。原本靠人工查表、反复核对才能回答的经营问题，现在可用自然语言直接查询。企业过去落地AI，大多是将自行车换成机动车，但仍跑在陆地，很少在这么早的阶段就“试飞”。但判断企业级AI的标准已发生巨变。朋新宇在今年云栖大会上为企业指出的方向很简单：问AI要增长，向AI要好的增长。这也意味着，一个真实岗位交付的经营数字，才是企业级AI的下半场。