E248｜一个“催发货”AI要跑通260步，和阿里瓴羊朋新宇聊聊中国式FDE

【彭新宇】哈啰泓君。

【彭新宇】用一句话来说的话，它其实在企业服务的范畴里面，我们叫企业级增长的agent。那我们的核心还是去帮助企业做消费流通。

【彭新宇】这个国内也在关注，但是如果换一个名字，就能够去工资升级，这个不符合企业逻辑，不符合市场逻辑。那其实看到背后的本质还是一个东西缺，这类人才的稀缺，他才用这个溢价空间，换这个发展的时间买。那稀缺什么东西？那原来这部分人做运维，就是这个系统就是这样子，我是保证它的健康运转者，但如果没有做任何变化，他凭什么会要去溢价？那今天我们看到的如果要做得好FDE，其实刚才讲的就三个能力：第一个它是要有AI的锐度；第二个是要有行业的深度；第三个它是有数据的宽度。那这三类结合在一起的，它能够做到今天这套系统运行的，不是说它今天是不是在正常运行，而是说它今天的运行是不是按照我的业务目标，是在往好的地方做，还是变差，好的地方我怎么让它更好，差的地方我怎么干预它，我怎么调教它。这个角色是原来仅仅做运维做不到的，必须要运维至上，能做到对业务理解，对数据的理解，让我能调整一些不管是技能的调整，数据的语料的上下文在调整，包括一些memory的管理。那其实这些工作是原来做传统交付是不存在的，或者它不会遇到的问题，所以这是最大的差别。

【彭新宇】最终我觉得本质的变化是，原来是交付功能，变成一个交付一个效果。如果从AI这个大的优化效果看三个方向：第一个是与业务结果为导向，我们要找到这个对的问题很重要，那这个问题一定是一个有业务目标、业务数字和业务过往历史记录的，如果用AI的视角来讲，它能构建一个测评集，构建一个指标体系。第二个呢就以企业数据为基座，其实今天我们如何能够构建一个企业数据，能够通过agent调用大模型的能力，既能够去保护隐私，又能够去发挥大模型最大的智能的上限。第三件事情呢，以岗位标杆为预设，为什么我们会去定义首席客服的agent，以及最佳投手的agent，最佳销冠的agent，其实是我们把这些在这个企业里面，它的岗位标杆作为agent的预设。

【嘉宾】它起步可能就是一个工作五年十年的这么一个投手或者客服。所以我们今天，虽然它的名词叫FD，它叫什么，其实我们有一个很传统的词，就叫CSM客户成功。我们希望的客户成功，最终是对业务的结果好一点，更好一点，我们叫better and better。所以我理解这一轮，我们在说到FDE，跟我们去做这种企业级的部署的时候，跟之前的几轮的根本区别，就是说，它是有结果的，它的结果能验证。不管我们说成本的削减，或者是效率的提升，或者是新业务的拓展，相当于是以结果为导向的变化，就是它确实对企业有帮助。对，而且是以企业的业务增长结果，可度量的结果。其实在企业侧和个人侧最大的不一样是，在企业侧的话，用AI是希望能够找到重复的工作，我今天用AI，最高性价比和最高效率去解决它。那个人可能是找到AI的上限，我能突破我的边界，那企业很多是要去约束边界。

【嘉宾】那2C其实可能大家经常听到一个词，需要新奇特，那这就是我是个人的体验，让我眼前一亮的。但是用完了以后过了一周两周，你就会变成稀松平常了。那其实对企业侧来讲是另外一个词，叫多快好省，那其实它是有个比较，比较是一定是有个参照系的。这个例子我们帮助一些客户，比如说其中有做一些3C数码的，它其中有一个环节叫催发货。它有三类不同的处理方式：第一种是比如说我买了两台空调，但是你只发了一台，所有客户打电话过来我要催，这个流程就是我要去核查我的订单，然后去过库房，然后再去派单去发；第二类是催配件，我买了空调，我忘了发一个配件了，原来的客户流程，再去找到配件仓库，然后我们再发出去；那第三个，还有一种叫催发货，我买了一台空调，确实收到了，你当初不是和我说，给我赠一个电饭煲吗？那为什么没有送到？像就这么一个催发货的环节，最后客户收获这个环节，大概有260多步。

【嘉宾】对，内部的流程。可能有的是内部系统，有的是外部系统，比如有的是店商，它跨多个平台，有的是在京东，有的是在淘宝，有的是在不同的地方。对，有些配件，可能客户还要下单。

【嘉宾】这个200多步的背后，其实它能覆盖95%以上的，可能有5%，可能会一些新的东西进来。但这个95%，我要去熟悉这个流程，我要去新招客服，培训客服，我要去上岗他，考核他，其实这些是非常有确定的标准的。那我如何快速地去让客户能拿到货，以及让客户满意的拿到货，我们让客户不投诉，以及让客户不去要投诉，为了不要赔款。这样的客户，比如说我们通过我们销售的Agent，客户的Agent，以及和Agent1这样的结合。我昨天正好和同事，我们还在去复盘一些test。我们在其中有一家，他要超越他现在的一些传统的机器，其实我们发现，上线开始，就比他传统的机器效果也好。昨天我们在看到说，也已经逼近了超出了人类最好的状态的平均水平了。

【嘉宾】所以能够看到这样的工作在企业里都是普遍的存在，它有边界，同时它今天是有大量的重复才发生。所以我们把这些情况在企业里归类这么三类的场景：第一类是哪里耗人最多的，比如说这种打电话接电话投诉的；第二个，哪里耗钱最多的，有些地方可能是赔款退单，有些地方是营销投放，有些地方可能是我要花素材的各种的试验；第三个，就是哪里耗时最多的，比如说我们经常会打电话给客户说我为什么没有到，一般的可能说不好意思我帮你查一下，我们查了半天没查到以后说我晚点给你打电话，一般是一小时为单位，或者天为单位。那这些都是对客户来讲就是耐心，你有的超过一个小时可能我就退了。其实不是说所有的场景我今天都会用刚才讲的业务结果导向能做得到的，一定是这个业务结果它非常具体可以度量的，耗钱最多、耗时最多、耗人最多的地方。

【嘉宾】我们有一支队伍就是CSM这个队伍。比如说我们在中国这个线上销售，其实淘宝天猫是非常大的一个体量的存在。那其实我们这些人和这些客户的陪伴的经验，都是多年来在这个平台上陪着这些客户去成长，所以我们自己能够有一套最好的SOP，比如说缺货或者是售后的这么一个业务流程的理解。就今天AI的实施可能和原来传统的软件的实施最大的一个对它的理解不一样是，我们把软件实施我们交付套系统，其实AI的实施如果类比交付套系统可能还欠缺一点，其实它是我们新雇一个员工。所以我这里的比如说这个客服或者是这个营销或者是等等的销售，它默认就有技能。

【嘉宾】它会自动处理，自动能够拿到你在市场上招聘一个5到10年的员工的水平。你进到你的公司以后，你只要给它权限，给它目标，给它裁量权，那它就可以去工作了。而不是说，你今天是给你的同事买了一套系统，买了一套工具，我们上来，这个人就是会干活的，你只要给它权限。这两者就是有本质差异。

【嘉宾】对，那我们刚刚提到的，就比如说催发货的这样一个场景，假设一个标准的电商企业，它需要雇佣多少个AI员工？这个是根据它的体量来的。比如说销售金额的2到3个点，3到5个点，各个企业不一样几个点，成本是给客服。那我们今天用AI，在同样效果之上的同等结果，才能去说这个事情是一个work的。

【嘉宾】是，这就是今天我们说里面，我们说第二条，以企业数据治理为基础，这个很关键。比如说，这里雇佣一个工作五到十年的这么个员工，但是进来以后，你的企业的这些基础的信息、数据库你都是乱的，那这个人进去也是傻眼。所以我们雇佣这个员工，比如说这些大企业，他有自己的数据，工作就是要去帮他梳理和治理他的企业数据，如何让这个data for agent。那我们在帮一家企业，他是在多个电商平台，淘宝、天猫、京东或者是在抖音去做投流，他发现他有好几个投手，但是投手和投手之间天壤之别。其实发现内部做复盘总结，我们进去发现，我们把这几个投手过往三个月的投放的行为做了一个分析。我们发现做最好的一个投手，他在三个月里做了超过一万次的价格调整；那做得一般的投手，大概在三个月，你就算一百天好了，做了一百多次，一个投手其中一天大概做一次左右的操作；那那个投手可能一天平均做一百次操作。那这个差异，你如果靠人去学，其实靠老师傅带新徒弟，你很难去学。这就是发挥今天AI的工程，能够去做自我学习，做进化。如果把这件事情理解成为工作的几个基本的元素，第一个是学习，就是数据采集，第二个就是建模，第三个就是执行。

【嘉宾】第四个就是迭代，只是第一件事情。往往原来很多的经验说，这个事情是我有经验，其实很多的经验，它一定是有它存在的场景，这个场景一定有局限性。那只有什么情况下它没有局限性？就是把你过往三个月所有的行为，我们能够有一个数字化的度量和学习。基于这个学习背后，那AI一定比人，能够对你的行为的总结、提炼和发现，更加全面和深刻。所以我们把这些东西，今天成为我这个Agent，这个数字员工的技能之一，成为它未来能够用每天新的对话、处理的异常信息、Bad case、Good case，能够去做进化，这样的话形成这么一个工作模式。所以在结合，其实发现像这样的环境是通用的，但是每一家工作的细节是不同的。那这个环境，正好就是我们这套Azure 1，能够去从你的数据收集，到模型建模，就工作的那个SQL的这些数据完了以后，你的工作的建模、执行任务的推进，最后你能够做到进化的接待，所以这部分是通用的。

【嘉宾】这里面其实所有的操作其实都是人在做的，只是它可能借助一些工具，但是那个行为就是物理上的。

【嘉宾】对，国内最大的SaaS平台就是这几大电商平台，那这几大平台它已经是最大公约数了。大家在下面的素材啊、价格啊、系统啊、数据啊，已经标准化了，所以这部分已经占了这个企业所有投手80%的数据准备和系统学习的能力。所以这部分东西，是AI站在这一个巨人的肩膀上，工作的基础是非常重要的。只是我们在内，比如说中国没有一个独立的SaaS公司，只是中国的平台企业承载了SaaS公司的能力。所以这些能力，我们今天在AI时代，它是可以被利用，被发挥的价值更大的。

【嘉宾】如果用传统的生产要素来讲，生产资料、生产力和生产关系，现在这个阶段大家都是在生产资料上的能力提升，有更好的算力、更好的智能，能够让个人生产力的边界变得更大。但是我觉得未来提升的就是能够通过AI制造新的生产力，比如说，我就是一个全天候24小时的投手和服务人员。我觉得这个时间先后不可能永远有绝对的竞争优势。在这个实现拐口、在这个实现拐口之下，谁能够建得更好，拥有和运行自己的数字员工，在企业侧为增长做服务，我觉得这个可能就是领先的。第二个呢，能让它持续能领先一点点的是，我就还是要回到企业自己核心的生产资料。不管是过去的时代，还是今天AI时代，最大的企业生产资料就是数字化。这部分还是有蛮大的文章。大家经常会看到，我们建数据平台可能给内部看数用，那今天的数据系统我们给AI用，你建的好坏在这里是有差异的。

【嘉宾】对，其实好也是一个相对的嘛。其实对于企业来讲，我觉得还是一个比较可以度量的，就是你落到具体的业务效果上来，能不能有正的经济效应。今天看下来，交付完一个agent，或者说交付完一个系统，才刚开始。你的企业真正实际上这些数据员工能上岗工作，为你接单接流程，为你推进工作任务，这是开始，这两个是不一样的。原来是数据平台交付完，这条系统就结束了。今天在这里是交付完以后，你用起来，用好坏，最终是用业务结果来买单。

【嘉宾】从我们所服务的客户和接触的客户来讲，我觉得是有结构性的差异的。做得比较前的，可能是数字化基础比较好的，就类似原来在电商、在互联网积累比较好的。

【嘉宾】那还有一类的，就是一些大的鞋，它本身内部原来的IT，新鲜化做的比较好的。

【嘉宾】那可能用另外一句话讲，其实大部分的企业，真的做出效果，它不过去讲的。今天可能是企业和2C不一样，2C是一个新的功能，好的功能，它立马就会让全联下知道。对企业社，它只要这个效果，它持续在用，那其实这个就是好的，最终是用结果来买单。

【嘉宾】对，这是个好问题。那这两者都有，那目前我们看到的，进展顺利的是至上而下的。涉及生产关系的问题，至上而下是，这个业务的一号位，它能决定既有IT费用，又有业务费用，那它才能够去算转账。今天如果自相而上的话，我们就遇到，反向的一例子，曾经遇到一个客户，他的某一个业务部门，他想做业务的agent，但是他今年没有预算，但是他的IT团队有预算，但是今天这个IT团队，可能和这个业务之间，是不同的部门。我们就在这个过程中发现，需要通过我们这个业务方案，去设计技能满足IT的先进性，要满足业务的效果，其实发现这个生产关系，满难去弄的。因为可能IT要的先进性，不一定是业务要的效果，业务要的效果，可能今天不一定是最先进的。那今天反向成功的是，我们遇到的是，有的企业，可能是比较传统的企业，或者制造业，他的一号位董事长，就非常明确，我今天必须要去拥保AI，要去拥好AI，用在哪里。比如说，他选定一个销售端，从哪个区域开始，至上而下。那至上而下以后，发现他的财务IT，以及他的销售线都冻起来，生产关系重新发生了变化以后，那业务的这个销售agent，他从一个区域，就形成一个很快速，能够去推动的一个局面。

【嘉宾】这是个好问题，也是一个我们的优势。原来45年的时间，我们帮助了大几百家，到上千家的，从大型的客户，部署了数据平台，所以本身，原来部署数据平台，就是已经帮到数据，做了治理，做了打通。所以基于这些平台之上，就涨业务，今天就是一个水稻渠成的事情。那今天可能遇到一些新的企业，构建agent的过程中，他要花很多的代价，还是要在下面，构建今天企业。

【嘉宾】接着数据的管理和清洗的这些能力。但是我们因为原来积累了投入的大客户就好几百家，他本身就原来持续在数据平台上做数据积累，基于这个上面就长这些应用就比较方便。

【嘉宾】商业模式来讲基本上就这么两大类。一种是按照工时收费，就是工作量嘛。第二个逻辑呢，就是按效果逻辑。第一种是比如说刚才讲的客服，他原来是五百人要去接管他的一年的生意的这个服务。那今天我们用同样是五百人的价格，比如说有个八折九折的投入，能做到你原来一样的效果，就是我们叫做按照成本、人力成本替代的转化逻辑。第二种呢，比如说做营销、做投手、这些增长，那原来你的转化率比如说是百分之二十，做到你原来人工转化率之上的部分，我们做分层，这么两大类。

【嘉宾】肯定是有的，而且是连续续费或者连续在服务中的客户。这个客户其实，我们首先默认的是所有的做生意，他比我聪明。今天他能算得过来这个账，他一定才能去做履约和服务的，不要去默认我们想去能够比客户更加聪明，或者是我们去包装一些东西，让客户能够觉得基于这个包装议价。那我们原来有个词叫POC，其实今天叫MVP，可能不需要去做概念论证，因为你今天我是一个数字人在这里，你上来就能体验就能用了。那最终是要基于他家的业务单元、他家的数据单元，能做一个最小价值验证。客户这种验收通过，OK，那你就继续用，这种才是一个比较互信和有持续性、连续性的这样一个服务方式。

【嘉宾】又长又久的系统交付的工程，就今天这些信息化工程，那能够把原来企业的工作流、数据流，包括企业的上下游，我们把这些工作区间能够标准化下来。那同时，因为今天有了自主进化，所以呢，这些在面向不同的客户、回答问题的过程中，它就能做到个性化。所以对于AI的领域来讲，它可能更多是用标准化的方式去解决个性化的问题，因为既然定制化，就很难去做个性化。

【嘉宾】其实定制就是，你去问它企业里面的每个人，它的流程可能都不一样，你最终需要做内部叫企业流程培训，完了以后，你这套系统才能上上去。那今天分数里是什么呢？你把潜在在企业真实在工作的这些人的行为、你们的数据，通过数据最终帮它表达：你这个企业最好的销冠是什么工作的？你这个企业最好的投手是什么工作的？那这个工作，是不是你希望覆盖到所有的人的？那如果是这个是一个参照系的话，那可能和原来的似是而非的标准，这是本质的差异。

【嘉宾】我们现在已经很少去做企业专有的软件，我们还是聚焦我要在企业里面增长的问题。增长的问题就是，最终我一定是用数据能度量。当然，我们也遇到一些客户也会说，希望明年买我们一千个人天的投入，那其实这种方式，我觉得在企业侧也要发生变化。那未来，人天是什么？就是，这就定制嘛，比如说，我一开发一个功能，要一百天，它估算它可能我……

【嘉宾】大概有十个系统，或者是有100个功能，它可能自己算下来差不多要1000个人天的时间才能开发完成，所以它会去找我们，或找市面上的一些公司说，你能不能帮我来开发一下。那这个开发其实对我们来讲，完全是一个从零到一，从养鸡场到养鸡到下蛋到炒蛋，所有都是干完。对我来讲，对我们来讲边际效益都是非常低的事情。所以我们反而是说，今天你是聚焦就是在做销售、做客服、做营销，那基于这些场景之下的问题，可能我们去解。

【嘉宾】对，Palantir其实它有一个前提是，纳福尼的企业它原来都是有机做的，它是去帮客户去找出有价值的问题，而不是去帮客户去实现它给我列出来的长长的100个功能需求，这两个本质的差别。我们现在交付和服务中的客户时，我们进到客户里面，可能和企业的CEO、业务总裁，到下面的一线人员，我们都要去做交流、做访谈，最终是和他一起先找到他公司里面这个阶段，在销售侧，或者在营销侧，或者有些是可能在他业务增长侧，最有价值的问题。那这问题最终还是回归到我们所擅长的，作为他的业务的增长，就是三类：要么是销售的增长，要么是你今天营销的ROI的增长，要么是你今天客服本身的服务人效的ROI的增长。其实我们在中国这样的企业和这样的客户群体非常大，所以我们今天不是说每一个企业我都能服务，而是说我们找到企业里面。

【嘉宾】有每个这样问题的场景，我们能够提供服务。你们是一个垂直，一个赛道，一个赛道的做，基本上通过一些典型的客户场景，把一条赛道打通。是，如果具体来讲，它可能也是一些行业专属的。

【嘉宾】其实这个使用的方式是标准的，比如说大家都会接个数字员工，比如说刚才讲的那个投手，它其实帮我每天采集市面上的竞品也好，同类企业也好，它发了新品、新的价格，从采集数据、分析数据、做决策，然后调整自己的策略，就是这个方法是标准的。但是每个微调，可能每个行业有些行业它的转化力不一样，比如说有的行业可能转化率20%，有些品可能在不同的渠道转化率不一样。这些地方可能我们没有办法说有一个标准的，今天说一定给你提升10倍、5倍的，还是根据数据来，根据你过往的，你在不同的平台、不同的时间、不同的促销期，你的效果怎么样。我们做一个分析，然后我们做一个MVP，我们做AB Test，这样一些比较以后，我觉得当下这个阶段可能也在试。对很多企业来讲，今天其实在这里的投入肯定是需要能拿到更高额的一些回报。所以我们会有这样的企业，我们愿意做一些尝试，比如说有的叫对赌。今天其实我们不叫赌，还是叫做测评，有这么一个测评，我的试算就类似于模型的水位线一样，我能够去拉到什么一个水位线。这个我觉得今天对智能体和今天企业的是一个很好的方式。

【嘉宾】是的，我们有一家制造业，它原来有很多线下的渠道，各个省代，各个销售人员，就服务各种的经销商。

【嘉宾】而且这些人员最大的一个麻烦可能约束，就是他的上班的时长和客户的时长。即使在一个区域，他一天拜访可能他手上大概有二三个客户，但是他如果按照拜访一天只能两到三家，那先去哪家后去哪家，这是一个时间规划的问题。第二件事情是我见了这个人，我应该是和他propose什么东西，以及和他交流什么话题，以及这个话题最终可能和我。第三个是没有和这个人沟通完了以后，他可能有些要执行的任务，可能不是我预设的，但是可能有一系列的一些动作。这个动作可能和他的内部的OA系统要去录入，其实原来这件事情想想都是靠的人类的。今天我们帮助这个企业，是从一个省的试点开始。这个试点原来是一个最落后的销售的区域，那在今年的上半年那个省变成了最先进的。你想想这些过程能帮助，但是缺少一个销售的AI，能够把它从事前事中事后都能穿起来。前面的路线规划，中间的我要去做哪些客户见面的材料准备，以及准备完了以后我的商机和我系统怎么录入打通，如何去推荐到我后面的内部相应的其他人员跟进。原来这个销售可能每天花一半的时间在做材料准备，可能晚上大概花两个小时，直接销售大大的提高。而且它的最终结果就是那个省拿到那公司的销冠。

【嘉宾】我们从企业的销售来看，其实就这么简单可以理解三大类：售前、售中、售后。那售前其实就是营销，售中就是销售，售后就是客服。其实你售前再看，它也是这么三大类：投前做预算分配，做渠道分析，做人群挖掘；投中、投后做复盘，做渠道筛选，渠道优化。你看这几件事情其实背后都是数据AI能够肉眼就能看得到，能在这里能够去提供很大的价值的，只是这个怎么穿起来。你再看售中，销售也是这么三件事情：新客、新购、转化上。哪里有新客，哪些新客变成新购，所以你看到会有什么市价呀、市占呀。

【嘉宾】市穿呀，一堆的，都是让你的新客变入，我的新的购买用户，都是会让你能够更好对我的产品有理解。那我要把这个市的机会给谁？这里你看到，都是有数据加AI的机会，能够去找到在企业私域的信息化、数据的范围之内，能变得出来最好的，或者是能够去规划出来最好的策略。你看客服也有这么几类的可以抽象，交付履约，比如说我买一个东西，什么时候上门安装；第二个是售后投诉，我买的东西刚刚讲，催发货呀，缺了个角啊，如何让我来继续提供服务。其实这几大板块往下拆解和理解，其实我们今天这几类agent，就是基于这些，最佳投诉、最佳销售、最佳客服作息的这样的一些人设，去做agent的设置。同时我预置了这样的一些agent，他有一个比如说工作五到十年，或者是一个本科生的水平，或者硕士生的水平的这么个人。那今天进到那些企业来干嘛呢？你需要有企业的资产给他去打理，这个资产就是那些和资金赔偿的上限啊，给他这个权限，那你在理企业就能工作。为什么说我们说营销、销售和客服是这样理解的？是因为站在企业的生意的逻辑来看，这几个角色是在每个企业都存在的，最大工业数的岗位。那这些岗位是能看到，通过数据加skill，能最大化的把它变成agent，能够去自动上岗、自主进化的体系。

【嘉宾】那我们提供的agent的服务方式呢，如果简单来讲，就是4加X，4个预设好的agent，加上X。这个X是企业的数据资产，和企业的上下文管理。那4是分别的4个呢，一个叫营销，一个叫销售，一个叫客服，另外一个是运营。我们这个agent呢，就是在这个行业里面，能做到5到10年的工作技能人，叫做最佳岛位的时间的预设。然后同时X，就是顾了一个这样的人进去以后，他什么样的权限，什么样的企业的数据，什么样的企业的审批权限，和资金的管用的权限。所以这个地位的X，就是我们需要去和企业一起去梳理、去治理，以及在原来他有的企业的平台之上，那就做一些数据资产管理的，能够让前面的agent更好上岗、更好工作。

【嘉宾】哇，

【嘉宾】这个还是一个好问题，我觉得我们讲起来很容易，但是其实做下来蛮难的。特别是在新的技术革命的开始，有人相信，有人怀疑，有人在不断的摇摆嘛。所以我们做这件事情可能花了一年多，可能讲起来两句话讲完，核心的是这个企业整个的组织上的关系，解放思想很重要。先去熟悉工作岗位，这个花了可能是比较大的时间，可能占了三分之一不止。完了以后才是去做建模。那后面呢，我们同样花了大概三分之一的时间在教练团。因为我们有这样的Agent出来以后，并不代表他今天就完完全全是一个优秀的投手，或者优秀的一个销售。所以我们有一个AI的导师团，那我们要去调教他。就前面的学习和中间调教加起来，花了三分之二的时间。那另外其实真的实施执行和系统的上线，反而是快的。

【嘉宾】前面的话就是说，能看到跑得快的是至上而下的跑得比较快。但是我们惊喜地看到，我们做了几个成功的企业，有部分的企业其实CEO或者董事长做了最多的一件事情，是动员思维的转型。所以我们有一位董事长，他一年在企业内部给他的全员和管理干部培训，自己做董事长学习AI去讲课，超过15场。他说我先学会，我再给员工讲，那员工才能去理解我的思想，才能用好这些系统。所以我觉得思维转型是非常难的事情。但是惊喜地看到是说，这些员工原来担心的，其实大家都在互联网谈了一个词，就是人会被替代掉吗？其实发现在企业侧，不是这个样子。其实企业侧我们觉得，同样会形成螺旋进化。比如说IT的团队这些成员，原来在数字化时代是非常有竞争力的。我觉得在这个AI时代，它是更加有竞争力。它首先它的Base是了解AI，或者是用AI的工具，是有技术背景的，所以它上手快。同时，只要它往业务再走一点点，它可能就是企业内部的FDE。它能比我们这些外人，找到更多企业的痛点，就是耗钱最多、耗时最多、耗人最多的地方。找到这一点去雇佣和训练这样的Agent上岗，那它的价值就更大。所以这些人，

【嘉宾】可以先往上走，另外第二点，可以就往下走。你如果今天去和你对抗，你可以对抗一个工具，或者对抗一个项目，但是你对抗不了这个趋势。但是我们看到，这个董事长一年培训了十场，然后发现，它的财务、它的IT，还有它原来渠道的一些销售的负责人，那慢慢变成了一个叫做帮助客户成长的这样的一些导师也好，这么一个角色。这个角色，其实我把它泛称为是企业内部的FD。我觉得往培训的上面走，这不仅是有巨大的机会。

【嘉宾】当然。今天他可能不是自己去上岗做真正的一线的接线，或者是处理投诉的人，他是这个客服AI Agent团队的管理者。他去每天做异常处理，每天晚上的复盘，一样他要去做总结，他要去做任务派发，新技能的让这些AI Agent去学习。那这个人，他整个的成长路径，就不是原来说我去处理100个更刁难的问题，而是如何让我这10个跟着我的AI Agent，能够去覆盖原来超乎我工作量和工作能力范围之内的工作。我觉得他们的工作性质跟工作方向发生了变化，可能以前从一个执行的职位，变成了带着一群AI Agent管理他们的职位。

【嘉宾】对，我们举一个Agent上岗的例子。我们在一家企业，其实不是说今天部署系统立马就切换上去，我们是大概一周的时间。原来我们可能有个词叫做灰度，能给我多少流量，或者给我多少的客户量，或者是导进来，我们不是这样子。我们是第一天，我们切晚上零点到两点，客户的数据进来，因为这个时间是客户需求最少的时候或者低谷，这样的话即使我的第一天上去有什么问题，那影响面是可控的。那基于第一天的工作上岗以后，我要去做评审，做分析。

【嘉宾】再做一些调整，第二天的时候，我就改他的上岗时间，是从下午的12点到下午的2点，这个时候是这一天工作最高峰时刻。我们并不是抽高峰时刻里面给10分之1的流量，我们要在这个时间段权断了流量，只有权量我们才知道你异常的边界。那同样，我复盘你在最高峰的表现，哪些有毛刺，哪些有你客户投诉炸毛的，哪些是你处理得比别人好的，那我就去做一些调整。第三天，可能我会放大到8个小时，以此类推，到一周的时间，让它变成一个能够符合我整个企业设定的参照系。这个参照系可能是它最好的作息，要么是今天内部比如说最优秀员工的一个标准。这个过程其实要把它测试、运转、跑起来，然后在这个过程中不断修正，其实还是需要花很多的时间，有一轮轮的反馈的。

【嘉宾】对。

【嘉宾】对，我们做法不是一个人，而是一个组织。要一个人有这样的全才非常难，而且这个人的宽度和时间就非常受限化了。那说，我们基本上分这么三类：一类呢，我们叫BA，以业务结果为导向的BA，最终是对客服流程，本身有200多步流程，我们怎么能编排，或者怎么样的颗粒度，这个客服处理这个是最佳的一个方式。他能够去找出最好的AI的工作模式出来，设定出一个比较科学的数据标准去做评测。其实他是偏业务，像美妆啊，家电啊，家具啊，还有宠物啊，汽车啊，这些专家，今天就是在咱们这个组织里面工作的一员。第二类人呢，我们叫做AI架构师，今天把那业务问题要翻译成为用什么尺寸的模型，以及什么环节我应该要去人工干预，什么环节应该要去用机器接管。这个AI架构，这一波人可能他的视角是，今天对新的模型、新的训练的进化的一些能力，他能有足够的掌握，他可能就是在AI进化的最前线，最新的资讯、最新的产品他都要去能快速地上手，快速地能给出结论。

【嘉宾】并且快速地知道我这个业务应该体会什么样的一个解决方案。第三类呢，才是首席客服、首席销冠。那这类人他是能够把前面的幼稚问题变成了这个agent以后，在过程中能够去参与到调教他。那这个调教这里面呢，我们的角色会变得弱一点，会退后，会在客户侧呢去挑选出来他客户里面最好的这几个角色，能够去组成这个AI的专家团，或者AI的教练团，或者企业内部未来大的企业，或者是原来平台化做得比较好的IT能力和基础能比较好的企业。那这几种角色他内部应该都会要具备。可能在这个阶段，那通过我们的方式，能够去快速地知道，很像你们所在的这个行业里面，最好的水平是什么样子，能少走弯路。

【嘉宾】没错。对于一号位来讲，他就关注我要么收入增长，要么利润增长。其实我们只是在今天AI的这个时代之下，用agent的这个方式去让他理解，这个事情能满足他的收入增长，或者利润增长，或者人效增长的诉求。所以不是说我们用有一套什么样的方式去说服谁，而且这里面找到大家共同想往那个方向，就是一拍即合的东西。我们说最难的是你把你的东西装在别人脑袋里面，那今天是正好当脑袋有这样的发展的诉求、期望、动力，那我们在这个过程中去帮你的动力更快的能看见，更快的我们叫做MVP，能让他想到的、看到的结合起来。所以我们像刚才讲的那个企业的董事长，是因为他讲的这些东西，我们的团队进去以后，快速地通过今天AI工具，他的董事长就给他们的团队说了一个很具象的词，就是说没看到之前我不知道我要什么，但是这个就是我想要的。

【嘉宾】一个他脑子里面的产品。

【嘉宾】这个天壤之别。以前人家都在讲怎么用、能不能用，现在直接跳过，问什么时候开始帮我用上。

【嘉宾】就在今年春节之后。这波DeepSeek出来以后，以及后面的 Manus，包括现在各种产品，慢慢能够让原来大家关注的AI都在模型参数、跑分上，到今天能够看到它执行任务了。那对企业来讲，还是回到刚才那三个指标。哪里耗人最多，就琢磨能不能帮我提高人效；哪里耗时最多，能不能帮我提高速度；哪里耗钱最多，能不能帮我提高投资回报率。所以企业家是最聪明和最务实的一批人。

【嘉宾】这个是普遍存在。就拿我们自己举例好了，我们在Q1结束的时候，其中有一个AI的项目收入可能300万，但投入了1200万。但是我们慢慢到这个季度结束，基本上能看到就会打平掉。所以前期投入还是有的。但是今天，正是因为我们反而设计出来这样的Agent，不是让你对token敏感，而是关注你背后能解决的问题。还是那句话，你算得过来账，背后用什么 token 其实对大公司老板来讲他是不会care的。而且有些时候我们看到很多问题在客户侧，他并不是模型先进性的问题，他可能就是刚才讲的最后一公里的企业上下文、企业的数据规不规范、企业的数据好不好用，这些问题确实是要用最好的这个大模型。那今天……

【嘉宾】反而我们是把这些降低，降低它本身就不属于它应该要去判断的范畴之内。今天我买个电脑，在行业里面还会去说，我关注我电脑的CPU、我的芯片、我的内存嘛，企业也一样的，我觉得它一定是关注能够给我带来的那个账我算得清楚就OK了。我们希望在这一场，通过我们的实验去帮助客户，雇一个客服机器人，或者是客服agent，或者是自检agent，或者是电商投流agent，那他算是算账的。背后你用什么模型、什么方式，可能这是留给我们团队的。我们的技术能力做到多好，就是我们未来的利润的空间和你成长的空间。

【嘉宾】所有的阿里云平台的模型我们都在用。但是对于客户来讲，其实你是阿里系的模型，还是今天开源的，像Kimi这些，在我们阿里云平台都有这样的模型。那这样的模型，我们反而是用这样的场景来去帮客户挑选，在什么场景下用什么模型，对你的性价比最高，可能我们对模型不会有执念。

【嘉宾】对，你其实谈到的问题就是说怎么部署的问题。那其实部署，我觉得分两类，一类叫做系统部署，一类叫做模型部署。那今天我们这些agent，你就把它简单理解成一个系统。一个系统可以在我阿里云上、公有云上，也可以在你企业自己的环境里面部署，那这是没问题的。第二个呢，是模型部署。那模型部署呢，我们发现大部分人是混淆的。一两年前，下载一个开源的去部署，有企业在这样干，是因为模型的智能需要去做后训练。今天其实模型已经强到没有人在再去提后训练这件事情。第二个是，比如说今天将开源的大尺寸，不管是我们阿里的大尺寸的模型，还是像今天Kimi这样的模型，都是两点几TB的参数，那有没有算过这个账，如果你要去部署这样模型，你没有一个

【嘉宾】几千万的私有化部署的头目可能几千万，新的先进模型都还打不住，所以这个成本没有算过。第一个是需不需要，第二个是成本耗不耗得起。所以这个模型适不适，我觉得这个事情，为了更多的会交给像这样的agent，他去选择在什么场景下用什么样的模型。大家还有一个问题，比如就是如果我不部署模型，我是不是这些数据就给了你大模型公司了，就部署才能把这个数据留在我的内部。那其实今天我们用agent，大模型对话，大模型并不会吸你这些数据，而且这些数据可能对大模型来讲它是污染。但是真正说能够去收集采集的是编程的web coding这样的agent，像ChatGPT你和它对话，它是能够去采集这样的数据。它是为了让你更好地去优化。对，这个是ChatGPT C端产品的一个默认设置，当然大家也可以关闭用于数据训练的这个按钮。那今天你的客服agent、你的销售agent、你的营销agent，这些agent可以部署在你家里，部署在你的环境里面，你可全可控，所以呢在系统这层可以管控你的数据安全、数据的合规性。那在模型这层呢，我觉得还是今天在市面上要用你最符合的模型和性价比匹配你、解决你问题的模型，是最优的方案。

【嘉宾】综合来看，今天模型的能力已经很强大，强大到很多用AI已经有一些效果了，所以大家不用事事都用最好的模型。反而是现在在一个拼效率的阶段，就拼谁的运营效率更高。

【嘉宾】是，我觉得刚才这个话题，在2B这次不是模型的先进性，而是它和业务场景比较多快好省，可以用最好的模型，这些地方唯有收益那我就做。但我们今天可能是用一个适中的模型，能解决你场景，原来对比下来就能达到很好效果。

【嘉宾】它是一个风险因素，还是一个利好因素？它是会增加你们的工作量，还是说这个其实还OK？目前还OK。如果还用了我这条Agent，我一定是在稳定地绑定这个模型，是确定的，而不是说随着升级它就自动升级，而是要经过人工确认的。比如说我们一个员工上岗，还是要经过刚才那个阶段的验证，只是这个时间会缩短。但目前，如果没有客户或者是我们主动升级的情况下，它还是用原来那个方式去工作，是保证效果最稳妥的。今天一定是我们测试到这个模型带来了足够的理由去升级，在这个过程中，我觉得这也是FD在里面的关键作用，我们要去测试，要去对比效果，再去做升级的方案。而且升级方案可能并不是一个API级别的切换，在企业这一侧，它就绑定了很多企业的流程、权限，包括企业内部管理的边界。看起来切换很容易，但其实在企业这一侧，它其实要的是稳定的工作输出。

【嘉宾】先说企业，再说这个角色吧。那像在前面的信息化阶段，有Salesforce、有SAP这样的企业，其实它已经奠定了很多的工作流，以及奠定了很多的数据标准。那在中国，其实在这一块是缺乏的，所以我们在做FD大部分做交付。为什么现在交付？但是每一家都没有一个比较平稳的地基，所以我就先做地基。所以这个交付就陷到了我们从第一天打桩、盖楼，再到上面装修，一系列事情都要去看完，这是我觉得本身的基础是不一样的。第二个呢，才是说今天美国的企业和中国的企业，其实付费习惯也不一样，你们在硅谷应该是很直观的。

【嘉宾】这些团队，如果说仅仅是交付的话，那其实他内部也是能做的。那为什么你在这里能做出比较好的价值？那这里会遇到一个市场稀缺和一个市场饱和的问题。所以这个可能一种是系统的环境，一种是人才的环境，这两个不具备完全的Apple的Apple的隔壁形态。第二个是说这个角色，这里的人的工作有什么不一样。那在硅谷，那其实这些人传统的这种SaaS，还有像Facebook、Google这种互联网平台，可能在中国其实像淘宝天猫、企业微信，他们要去更多地站在客户视角，怎么去利用已有的互联网平台去工作。传统如果仅仅做一个功能基层的交付，那他会落到需求的比对上。那今天如果是从互联网平台出来的人做这些事情，他就有天生的优势。那如何懂流量和懂互联网的运作方式，如何懂互联网之间的这些门道，这个是不一样的。

【嘉宾】对，其实我们没有AI这个词之前，其实我们干的这个事情可能就是和我刚才讲的描述的AI就往这个方向去的，并没有今天原来五年前就一直有这么一个团队就叫CSM。所以这个团队只是我们围绕着原来是客户成功，是今天有了AI来然后把AI纳管进来，我们如何继续让客户成功。我觉得我没有数据，所以我没法对比说比它好还是比它不好。但是我们这几年一直在这样做，但是我们越来越能感受到，其实最终是用客户的订单、客户的续费来去对你表达你做得好不好，所以目前我们看下来说还不错。

【嘉宾】好问题，我想一下。

【嘉宾】抽象层面可能就三个东西，一个叫做人，哪些人，不管是客户、特别人，还是我们自己的。

【嘉宾】员工层面的人，是能够去更好地、更快地从AI里面冒出来。在内部我们每个月会有一期叫做AI最佳实践的员工座谈会、员工的分享，但我们希望能快速地去找到或者去帮助这样一些同学们能冒出来，能够去成长。客户侧我们也是一样，所以客户侧我们每个月都有一期，或者每年去同学会，希望能找到这个行业里面头头脑脑的，过去一年发展成长和蜕变最好的这些人能去交流。我觉得人是所有的这些事情的前提和根基。

【嘉宾】第二个呢是事。事情呢，这里我觉得是智能上的事情，我们得找到在这个智能上的事情。比如说我们最近在做的这些客户啊、营销啊、销售啊这样的事情，我觉得找到这样的事情。现在讲的有些例子，其实都是一些客户和我们讲的，或者是客户和其他的客户讲，再反馈到我们这儿来的。

【嘉宾】第三个就是局，局是局面，这里局面就AI的格局，AI的发展的局势，以及今天Agent的一些进化的局势。这里面有技术侧的，有工程侧的，有在模型侧的，可能有在业务价值侧的，所以总结下来的可能关键人、事、局。

【嘉宾】我们也在尝试，其实我们不知道最好，所以我觉得应该要招得更好，只能Battle & Battle。所以现在我们能看的就这么三类的结合：一类是懂技术的；第二类还是要了解业务的，要么技术往业务走，要么业务往技术走。目前看下来技术往业务走可能难度更低一点。业务呢，可能我们不要是个全才，可能是个专才。你要么去把一个营销多平台或者单平台做得很好，要么是你把一个行业里面的克服的各种边边角角、流程理得更透，所以我们这里……

【嘉宾】有不少的这种客座专家呀、营销专家呀这样的角色。第三个呢，我觉得还是懂数据。其实懂数据并不代表说我天天看报表，而是你看了报表，至少在你脑里面，我觉得有几个东西。第一个，同比，你看这个数据，你看到同比这个是健康与否，如果只是给个粗数据说今天我增长180万，但这是好还是坏不知道。第二个呢，我们叫做对比，你是和自己对比，还是和竞对对比，和另外一个品牌对比，还是和你自己家的另外一个产品对比。第三个呢，我们叫做占比，你虽然做了180万，这个市场上你是万分之一，还是说十分之一，但你的模式就会不一样。

【嘉宾】那最终可能落到AI这一侧，我们也是要让AI有这样的能力。你有这样的能力，才会有这样的判断；有这样的判断，它才会有这样的策略；它的执行才会慢慢变成信号。为什么要数据？数据就是给了一个参照性，就给了一个靶子，这个靶子就是一个设定目标，你不断地超越它，那这个数据就成为你的一个拐手杖。综合来讲，今天就要懂AI吧，对AI的锐度，懂业务的深度，还有数据的宽度。

【嘉宾】是，我觉得这是自然进化的规律，也是AI进化，我觉得你逃不开。刚才你说了一个词，数据科学家，其实我们在十几年前，我们在国内，我们也用这样的词去定义。其实后面我们改了一下，把后面家去掉，因为在国内这个语境里面，数据科学家就非常神圣的一个开头。所以我们叫做数据科学，数据科学是讲究方法科学，不是你的人的位置，这是不一样的。科学的方法和科学的工作方法，那落到你的业务场景里面，那这个数据科学才是有方法业务价值的。

【嘉宾】我觉得图试业和图壁不一样，图试业可能去做一些创新，那可能今天没有差别。但是图壁来讲，你的行业经验、脉络，还是有壁垒有价值的。那只是这个价值呢，原来可能是十年他学会了，今天你有可能一年或两年你能掌握。对于当下的这些年轻人，其实我们如何能站在别人的肩膀之上去成长，而不是从零开始去学习，那这种新的工作方式和工作习惯可能会让你人与人之间产生新的差异。

【嘉宾】我觉得特别像AI for Science，就很多做不到的嘛。但是今天我觉得回到企业侧，就两个方向，一个是加AI，一个是AI加嘛。加AI就是我们自己也帮助不少的企业上线了一些系统，用一些工具，比如说我们的数据分析的工具，数据治理的工具，还有一些风控的工具。那这些工具今天加了AI以后，它的效率效益最终回到效果上来，它会有一个增值。那这种现在也不少的企业还在这个方向上去发力，我觉得这个是非常有必要的，不能一口吃一个胖子嘛。而且有些系统，特别是对一些工具型的系统，SaaS型的系统，并不是这些系统没有价值，特别是在这个阶段，这些有些软件的工具，它的价值会重新分配了。只是原来这个软件，我必须要打开这个软件的首页，录个影进去我才能使用，那是人用的。今天可能这些系统，它可能是给AI用，它可能不需要人登录，所以呢它的价值会重新分配，那这些系统还是有效的，这是加AI的方式去用它。第二种叫AI加，谋定的是我在那么一个领域，我要真的是要重新用AI的方式去改造它，去定义它。比如说我刚才讲的AI客服，AI营销，AI导购，AI投手，这类的地方呢，反而是回归到企业本质，哪里耗人耗钱耗时最多的地方，那这些地方是容易去探索AI加的方式的。

【嘉宾】好好，谢谢。

【嘉宾】好好，谢谢泓君。