Agent元年赛程过半，最“难啃”的企业级Agent，怎么样了？

一个直观的趋势是，这个领域并没有涌现太多花哨的新概念。在是否要第一时间落地Agent的问题面前，不少企业仍在试探与观望中徘徊，毕竟，这是一个不会为“炫技”买单的群体。

但与此同时，关键转折点也正在到来。

上线了1号数字员工的时空智能科技公司千寻位置，正式发出了第一张AI“工牌”。自从今年3月和瓴羊合作开发了一款智能客服Agent以后，千寻位置就开始了对Agent的长期考核。

让智能客服“转正”成功的KPI包括：回答准确率达到80%，回答完备率达到50%。也就是说，现在有一半的客服咨询都能不转接人工客服、自主解决问题。

超高的学习能力、一人分饰多角的客服效率、让员工积极推动AI迭代的“释放人效”，这些都是千寻位置在Agent落地过程中感受到的切实好处。

2025年，千寻位置预计和瓴羊持续合作，计划孵化8个以上的AI员工。这也说明，现在的数字员工不只是可用，而且是变得越来越好用了。

大模型能力虽强，却难以直接切入企业的具体需求。这一僵局，正随着企业级Agent的深入场景而被打破。过去那些落地难、见效慢的数字化愿景，也因此首次具备了大规模落地的现实可能。

“Agent时代，你会发现大模型的算力成本达到某个临界值的时候，会出现一个杠杆效应，让企业愿意为此而投入。但在此之前，需要判断与坚持。”

阿里云智能集团瓴羊副总裁林永钦告诉36氪，这家阿里旗下的企服公司，已经做好了准备继续做“最难”的事。

01. 企业级Agent，为什么难？

做企业级Agent，难在哪儿？

表层现象是，想推动企业从“被动接受”到“主动拥抱”Agent，比想象中的难。

“无论是过去的SaaS还是今天的Agent，企业在考虑引入与付费的时候遵循的原则其实都是一样的，ToB Agent要深度嵌入企业的决策与运营流程，不能因为技术门槛低就开始盲目尝试。” 

阿里云智能集团瓴羊副总裁 林永钦

林永钦说，企业比C端用户对待新生事物的态度更务实和冷静。在新技术诞生的时候，企业最关心的是三点：价值、成本、安全性。

这三个方面的边界模糊，也造成了企业对于Agent应用落地的诸多顾虑。

企业拥抱Agent并不是为了追赶技术潮流，核心诉求是获得稳定、可量化的效率提升。因此，在瓴羊的眼中，企业级Agent要拼的不只是技术，更是对于场景的选择和深刻理解。

今年7月以来，两个多月的时间里，瓴羊陆续发布了三批企业级Agent，覆盖客服、数据分析、营销等几个强需求的高频场景，也交出了“真刀真枪”的答卷。

今年云栖大会上，瓴羊又发布了企业级AI智能体服务平台AgentOne，将Agent的能力和体系升维到了平台级。

作为阿里系的数智化企服厂商，瓴羊Agent产品的面世时间其实并不算早。相比已经“让子弹飞了”大半年的通用Agent来说，瓴羊后发制人的路径和“勇气”，来自于要把场景吃透、做深。

2023年底，瓴羊团队就开始在客服、营销这些具象的领域，探索基础模型下Agent的能力能不能跑出一些效果，并且在不断的尝试和反馈中开始着手构建平台。

直到今年下半年，感受到逐渐步入主流视野的Agent已经拥有了一些适合切入的价值场景，客户对于Agent的需求也开始迸发，瓴羊在和单个客户的共创中验证出了产品的落地效果，所以选择了正式把Agent产品发布出来，寻求更多的价值验证。

“To B领域很多时候讲究的不是谁入局得早，谁入局得晚，而是产品落地的深度。所以在早期大家都去抢时间的过程中，我们其实仍然在判断最适合向外去拓展的时间窗口。”

林永钦认为，瓴羊Agent的发布与迭代节奏之所以能够从容不迫，概念刚刚兴起、价值认知尚且存在迷雾的阶段，瓴羊以其多年的场景洞察力和敏锐嗅觉，第一时间选择了和企业客户站在一起，比如先从私域数据去规范和打磨，规避了企业落地Agent的安全隐患。

如果说ToC Agent是在内容与办公效率上的锦上添花，ToB Agent则更像是雪中送炭。让AI去优化企业经营中的低效环节，就像“治病”一样，先去除病根，才能通过不同的手段让身体获得更稳定的力量。

这也是企业级Agent成为了“最难啃的骨头”的几个深层原因：

第一，相比C端应用来说，企业场景的业务链条长、场景割裂，且非标准化的场景过多，单一Agent解决不了全部问题。例如，一个完整的客服过程可能涉及咨询、下单、售后、物流等多个断点，如果Agent不能与现有的业务系统打通形成闭环，价值也得不到显著提升。

第二，数据资产低效、结构化成本高。数据是Agent的燃料，但企业内部的数据往往是分散的、孤立的、参差不齐的。想要用好Agent。必须先投入大量成本进行数据治理与整合，而这恰恰是许多企业的短板。

第三，安全稳定是企业接受新技术落地的底线。在过去两年对AI的布局中，不少企业已经发现，许多Agent产品的演示效果非常亮眼，在实际业务场景中却可能会出现响应延迟、判断失误、系统崩溃等问题。一个时好时坏的Agent不仅提升不了效率，还会带来业务风险。

正因如此，瓴羊将AgentOne打造成了企业落地AI应用的第一站，提供了全链路Agent的开发工作空间，支持Agent的搭建、评测、分析、调优与部署，通过对接企业现有系统，可以缩短落地周期。

02. “实诚”的Agent，长什么样？

为什么同样的问题，许多Agent厂商解决不好？瓴羊做对了什么事？

这家公司做的壁垒，在于告别了“拿着锤子找钉子”的技术导向阶段。将其行业Know-how、得天独厚的阿里生态与务实的产品化能力相结合，形成了难以快速复制的综合解决方案。

在阿里云智能集团瓴羊CEO朋新宇看来，构建企业级Agent有一个黄金公式：大模型×好数据×强场景。 

阿里云智能集团瓴羊CEO朋新宇

因此，能“读好数”的人，就已经用好了一半AI。团队方面，瓴羊源自阿里数据中台，本来就是在企业数据智能的实战中成长起来的，血液里刻着对企业数据的技术积淀。

正如朋新宇在2025云栖大会提到：“企业有数据不等于有好的数据，企业数据就像积木一样，有很多积木没有图纸，还是拼不出来任何建筑。好的数据代表的是有结构、有逻辑的数据。”

而智能底座必须要根植于好的数据。所以很多企业为了用AI，投入了大量成本和精力进行数据治理。数据“起家”的瓴羊则是目前为数不多能够帮助企业跨越这一挑战门槛的供应商。

“能观察到，企业中的那些‘死数据’，还有一些之前被认为ROI不高的数据，都得到了更多价值提升，能够被量化甚至变现了。”

林永钦表示，此前多平台经营的企业处理图片中原始数据，也只会通过单个平台去看。但在Agent引入以后，这些企业都更希望能有一个统一的处理格式，让AI能够更好地理解数据语言。

也就是说，务实的Agent能够帮助企业更关注数据的价值。

在数据分析场景下，瓴羊发布了问数Agent、解读Agent等一系列智能体，目前正在应用于牧原肉食等不同领域的百家企业客户，这就是企业级Agent的价值潜力所在。

比起很多从软件和生产力工具转型做Agent的厂商，瓴羊也被许多客户评价为“实诚”的AI应用厂商：不夸大能力，不制造焦虑，而是聚焦于解决真实业务场景中的“有数据可依、有效果可依”的普适性需求。

第二点，是因为瓴羊的场景理解，为数据智能找到了一个个具体的“跳板”。这也就是朋新宇所说的企业级Agent需要的“强场景”。

“人力密集的地方、数据密集的地方，都是未来人可以和AI共生共进的地方。”朋新宇表示，之所以会把企业级Agent抽象为关键的三点要素，经验和逻辑来自于瓴羊从很多企业客户链路复杂的业务中，提取出了价值的共性。

以瓴羊的客户复星旅文为例。这家旅游文化集团面临的痛点，在于其服务链条极长，客户需求高度个性化且触点分散。针对这个问题，他们通过阿里通义千问大模型和瓴羊AgentOne平台，构建了全场景AI度假智能体AI G.O，以每天24小时、低于1.5秒的即时响应，将大量重复性、标准化的工作交给了Agent，把人工释放到更有温度的服务中去。

面对中国企业日益增长的个性化、定制化需求，瓴羊AgentOne平台的一个重要价值在于，它让企业能够自主搭建个性化的AI工作流与企业形象等，从而快速响应业务变化，提升差异化竞争力。复星旅文正是这一能力的典型体现。在与瓴羊合作初步验证了Agent的服务价值后，复星基于AgentOne平台进一步打造了专属IP形象的AI智能体，并结合行业大模型进行了定向优化。

整个过程仅耗时约90天即完成上线，不仅体现了平台赋能下的快速交付能力，也在追求速度的同时兼顾了品牌个性化与系统稳定性。最终，这一智能体有效驱动了客户体验升级与全域复购率的实质增长。

牧原肉食也是如此。这家行业巨头与瓴羊的合作案例，深刻诠释了企业级Agent在极端复杂业务场景下的不可替代性。

作为横跨22个省份、拥有10家子公司、覆盖近80个区域的头部企业，牧原肉食的经营管理体系高度依赖数据驱动。其内部每周召开近百场销售与管理会议，仅周度管理大会同时在线的有千人。而每一场会议的决策基础，是一份超过100页的数据分析PPT，涵盖销售进度、利润达成、品类表现、客户分析等全方位经营视图。

数据的背后，是一个数十人的分析师团队在马不停蹄地将海量数据转化为决策依据。但随着业务规模持续扩大，传统方式已难以支撑“服务到每一家子公司、每一位区域负责人”的精细化运营目标。数据响应慢、报告产出周期长、分析标准不统一，成为制约管理效率与战略落地的关键瓶颈。

瓴羊的“超级数据分析师”智能小Q，正是击穿这一痛点的关键。这一Agent将企业成熟的经营分析框架与专家经验算法化、模型化，构建起“报告Agent+问数Agent”的双引擎架构。系统上线后，原本依赖人工耗时数日的分析报告，如今可在30分钟内自动生成，并精准遵循企业特有的管理逻辑与分析路径。

智能小Q的存在，不仅帮助牧原肉食将销售管理效率提升了80%、减少了50%的无效会议争执，更实现了90%业务场景的自助查询覆盖。通过AI实时挖掘客户风险与商机，牧原肉食构建了从目标制定到执行追踪的数字化闭环，推动企业实现从“不可控的经验驱动”到“可预见增长”的跨越。

由此可见，瓴羊的战略并非急于争夺单个领域内的标杆客户，而是从千行百业寻找并验证那些具有普适性的、可落地的企业需求，打磨垂直场景，从共性中减少复杂度，让AgentOne作为AI应用的“第一站”。

03. 让AI会思考，还差什么？

瓴羊第三个不可忽视的价值，来自于阿里的强生态。

阿里云作为全栈AI服务商，平台上的所有面向B端的解决方案绝非孤立存在，而是能够与生态内的其他产品无缝集成，共同塑造端到端的闭环解决方案，也极大降低了企业部署单一智能化产品的复杂度。

另外，在阿里的业务板块中，本身就有一些丰富的数据和场景是值得验证的，能够为打瓴羊开思路。瓴羊和店小蜜的合作就是一个很好的案例。

店小蜜所针对的也是电商场景中基于不同业务的需求，只不过在售前到售中后的阶段，表现地更加垂直。瓴羊的合作方案，是把和店小蜜场景相关的能力提炼出来，打包成整体的解决方案，让客户能够享受到阿里云的算力基础。在能力融合了以后，店小蜜和瓴羊共同服务了海信。

几方优势的集合就构建了一个坚不可摧的生态。

天猫新品创新中心（TMIC）也是如此。因为淘天长期以来积累了大量关于服装趋势的数据，且拥有通用大模型和数据隐私的环境，非常适合搭建Agent，瓴羊就与其合作，结合丰富的淘天电商商家数据，在AgentOne平台上推出了新品创新Agent，帮助服饰品牌紧抓流行趋势、快速推出应季款式并且快速上架。

瓴羊能更好地解决企业中的数据孤岛问题，不只是自身的产品技术能力，还有生态的开放性和整合性，让瓴羊AgentOne拥有得天独厚的生态位，

这也解释了为何瓴羊在破解企业数据孤岛的问题上更有优势。它不是一个孤立的平台，而是能够调动“肌肉”与“关节”的智能中枢。

举智能客服场景为例，看似“稀松平常”的概念，实则隐藏着非常复杂的逻辑。比如客服退款的环节，对于消费者来说点击退款、拿到退款好像就结束了，但对于企业来说，根据订单不同的状态和相应的止损行为、是否影响销售的判断，可能会出现几十个环节和各种不同的客服应对方案。所以退货客服的自动化程度目前还是很低的。

与此同时，为了销售止损，很多时候人工客服都需要承担在沟通中被消费者发泄情绪的心理压力。出于服务和沟通的目的，在这个节点上引入AI也可以解决很多细节上的效率问题，同时让客服工作人员的工作更健康。

小模型时代的智能客服，是根据人提前预设好的问题生成一个问答机器人，虽然也解决了局部任务的自动化问题，但泛化的能力非常差，而且不可能出现自我迭代。而大模型带来的变化在于智能化的“举一反三”，和小模型工具组合起来的落地能力，也让人们看到了未来Agent在部分业务场景中实现全局自动化的可能性。

从当下的应用阶段和想象力来看，瓴羊把企业级Agent分为三个层级。

第一个层级是“会思考”，结合大模型能力和知识库的智能问答基本就停留在这个范畴。

第二个层级是能够落地执行，思考后做规划，通过调用工具闭环执行任务。

第三个层级，Agent不仅会自动执行，还有自我进化和迭代的能力。

这种演进过程和人类是一样的，有了“大脑”和“手脚”之后，再基于过去的任务历史不断去修正和成长。目前，企业级Agent处在第二个阶段，所以需要选定最适合的领域，判断Agent在这些领域里如何才能最大化发挥AI的价值。

未来，随着Agent的跃迁，一些跑在智能化前沿的企业也将成为“超级公司”。根据瓴羊和阿里云研究院联合发布的《AI超级公司：企业进化与价值重塑》白皮书，在一家超级公司里，AI将从根本上革新产业的生产方式、深度融入组织架构的各个环节。那么也就代表着，未来的竞争也不会再是单个部门或者产品的竞争，而是人机协作和生态协同的整体效率。

企业应该像一个有机体一样与用户交互，而瓴羊正试图成为连接这一切的“神经系统”。