企业级Agent攻坚实录：从落地难点到生态突破

随着Agent元年步入中场阶段，那个被业界视为最“难啃”的企业级Agent，如今进展如何？

一个显而易见的趋势是，该领域并未涌现过多花哨的新概念。面对是否第一时间部署Agent的决策，许多企业仍在试探与观望中徘徊——毕竟，这是一个不会单纯为“技术炫技”买单的务实群体。

但与此同时，关键的转折点正在悄然来临。

时空智能科技企业千寻位置，在上线了首位数字员工后，正式发出了第一张AI“工牌”。自今年3月与瓴羊合作开发智能客服Agent以来，千寻位置便启动了对Agent的长期效能考核。

让这位智能客服成功“转正”的关键绩效指标包括：回答准确率达到80%，回答完备率达到50%。这意味着，如今有一半的客服咨询都能无需人工介入、由Agent自主解决。

强大的学习能力、一人分饰多角的服务效率、以及推动员工积极协同AI迭代的“人效释放”，这些都是千寻位置在Agent落地过程中收获的切实价值。

2025年，千寻位置计划与瓴羊持续深化合作，预计孵化8个以上的AI员工。这也表明，当前的数字员工不仅可用，而且正变得越来越好用。

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深入业务场景而被打破。过去那些落地难、见效慢的数字化愿景，也因此首次具备了规模化实现的可能。

“Agent时代，当大模型的算力成本达到某个临界点时，会出现显著的杠杆效应，促使企业愿意投入。但在此之前，需要精准的判断与持续的坚持。”阿里云智能集团瓴羊副总裁林永钦向36氪指出。这家阿里旗下的企业服务公司，已准备好继续攻克“最难”的挑战。

01. 企业级Agent，为何如此艰难？

打造企业级Agent，究竟难在何处？

表层现象是，推动企业从“被动接受”转向“主动拥抱”Agent，远比想象中困难。

“无论是过去的SaaS还是今天的Agent，企业在考虑引入与付费时遵循的原则其实一致：ToB Agent必须深度嵌入企业的决策与运营流程，不能因技术门槛降低而盲目尝试。”阿里云智能集团瓴羊副总裁林永钦强调。

阿里云智能集团瓴羊副总裁 林永钦

林永钦表示，企业比C端用户对待新技术更务实和冷静。在新技术出现时，企业最关心三点：价值、成本与安全性。这三个方面的边界模糊，也造成了企业对于Agent落地的诸多顾虑。

企业拥抱Agent并非为了追逐技术潮流，核心诉求是获得稳定、可量化的效率提升。因此，在瓴羊看来，企业级Agent比拼的不只是技术，更是对场景的深刻理解与选择。

今年7月以来，两个多月内，瓴羊陆续发布了三批企业级Agent，覆盖客服、数据分析、营销等高需求高频场景，并交出了实战成果。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能力体系提升至平台级。

作为阿里系数智化企服厂商，瓴羊Agent产品的面世时间并不算早。相比已“让子弹飞了大半年”的通用Agent，瓴羊后发制人的底气，源于对场景的吃透与做深。

2023年底，瓴羊团队就开始在客服、营销等具体领域，探索基础模型下Agent的能力验证，并在持续尝试与反馈中着手构建平台。直到今年下半年，感受到Agent逐渐步入主流并涌现出适宜的价值场景，客户需求开始迸发，瓴羊通过单点客户共创验证了产品落地效果，才选择正式发布Agent产品，寻求更广泛的价值验证。

“ToB领域很多时候讲究的不是入局早晚，而是产品落地的深度。所以在早期争抢时间窗口的过程中，我们始终在判断最适合向外拓展的时机。”林永钦认为，瓴羊Agent的发布与迭代节奏之所以从容，源于在概念兴起、价值认知尚存迷雾的阶段，瓴羊凭借多年场景洞察力，选择与企业客户站在一起，例如先从私域数据规范打磨，规避了企业落地Agent的安全隐患。

如果说ToC Agent是内容与办公效率的锦上添花，ToB Agent则更像是雪中送炭。让AI优化企业经营中的低效环节，如同“治病”，需先去除病根，再通过不同手段让机体恢复稳健活力。

这也是企业级Agent成为“最难啃骨头”的深层原因：

第一，相比C端应用，企业场景业务链条长、场景割裂，且非标准化场景过多，单一Agent难以解决全部问题。例如，完整客服流程可能涉及咨询、下单、售后、物流等多个断点，若Agent不能与现有业务系统打通形成闭环，价值便无法凸显。

第二，数据资产低效、结构化成本高。数据是Agent的燃料，但企业内部数据往往分散、孤立、参差不齐。想用好Agent，必须先投入大量成本进行数据治理与整合，而这正是许多企业的短板。

第三，安全稳定是企业接受新技术落地的底线。过去两年AI布局中，不少企业发现，许多Agent产品演示效果亮眼，在实际业务中却可能出现响应延迟、判断失误、系统崩溃等问题。一个时好时坏的Agent不仅无法提升效率，还会带来业务风险。

正因如此，瓴羊将AgentOne打造为企业落地AI应用的第一站，提供全链路Agent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，缩短落地周期。

02. “务实”的Agent，如何塑造价值？

为何同样的问题，许多Agent厂商解决不佳？瓴羊做对了什么？

这家公司的壁垒，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、阿里生态优势与务实产品化能力结合，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”者，便已用好一半AI。团队层面，瓴羊源自阿里数据中台，本就是在企业数据智能实战中成长起来的，血液里刻着对企业数据的技术积淀。

正如朋新宇在2025云栖大会所言：“企业有数据不等于有好的数据，企业数据就像积木，若无数码图纸，仍拼不出任何建筑。好的数据代表的是有结构、有逻辑的数据。”智能底座必须根植于优质数据。许多企业为应用AI，投入大量成本精力进行数据治理。以数据“起家”的瓴羊，正是目前少数能帮助企业跨越这一挑战门槛的服务商。

“可观察到，企业中的那些‘死数据’，以及此前被认为ROI不高的数据，都获得了更多价值提升，甚至能够被量化或变现。”林永钦指出，此前多平台经营的企业处理图片等原始数据，往往仅通过单平台查看。但引入Agent后，这些企业更希望统一处理格式，让AI更好理解数据语言。换言之，务实的Agent促使企业更聚焦数据价值。

在数据分析场景，瓴羊发布了问数Agent、解读Agent等一系列智能体，目前正应用于牧原肉食等百家不同领域客户，这展现了企业级Agent的价值潜力。

相比许多从软件与生产力工具转型做Agent的厂商，瓴羊常被客户评价为“务实”的AI应用厂商：不夸大能力，不制造焦虑，而是聚焦解决真实业务场景中“有数据可依、有效果可依”的普适性需求。

第二点，在于瓴羊的场景理解，为数据智能找到了具体“跳板”。这正是朋新宇强调的企业级Agent所需的“强场景”。

“人力密集与数据密集之处，皆是未来人与AI共生共进之地。”朋新宇表示，企业级Agent三大要素的提炼，逻辑源于瓴羊从众多客户复杂业务链中提取的价值共性。

以客户复星旅文为例。这家旅游文化集团痛点在于服务链条极长，客户需求高度个性化且触点分散。针对此，他们通过阿里通义千问大模型与瓴羊AgentOne平台，构建了全场景AI度假智能体AI G.O，以每日24小时、低于1.5秒的即时响应，将大量重复性、标准化工作交给Agent，释放人力至更有温度的服务中。

面对中国企业日益增长的个性化需求，瓴羊AgentOne平台的重要价值在于，它让企业能自主搭建个性化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。复星旅文正是典型体现。在与瓴羊合作初步验证Agent服务价值后，复星基于AgentOne平台进一步打造了专属IP形象AI智能体，并结合行业大模型定向优化。整个过程仅耗时约90天即上线，既体现了平台赋能的快速交付，也在追求效率时兼顾了品牌个性化与系统稳定性。最终，该智能体有效驱动了客户体验升级与全域复购率实质增长。

牧原肉食亦如此。这家行业巨头与瓴羊的合作，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省、拥有10家子公司、覆盖近80区域的头部企业，牧原肉食经营管理高度依赖数据驱动。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者达千人。而每场会议决策基础，是一份超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。

数据背后，是数十人分析师团队持续将海量数据转化为决策依据。但随着业务规模扩大，传统方式难以支撑“服务到每一子公司、每一区域负责人”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，正是击穿此痛点的关键。该Agent将企业成熟经营分析框架与专家经验算法化、模型化，构建“报告Agent+问数Agent”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管理逻辑与分析路径。

智能小Q不仅帮助牧原肉食将销售管理效率提升80%、减少50%无效会议争执，更实现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，推动企业从“不可控的经验驱动”迈向“可预见增长”。

由此可见，瓴羊战略并非急于争夺单领域标杆客户，而是从千行百业中寻找并验证那些具有普适性、可落地的企业需求，打磨垂直场景，从共性中降低复杂度，让AgentOne成为AI应用的“第一站”。

03. 赋能AI进化，生态如何协同？

瓴羊第三重不可忽视的价值，源于阿里的强大生态。

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

此外，阿里业务板块中本就有丰富的数据与场景可供验证，为瓴羊打开思路。瓴羊与店小蜜的合作便是一例。店小蜜针对电商场景中基于不同业务的售前至售中后需求，表现更为垂直。瓴羊的合作方案，是将与店小蜜场景相关的能力提炼，打包成整体解决方案，让客户享受阿里云算力基础。能力融合后，店小蜜与瓴羊共同服务了海信等客户。

多方优势集合，构建了坚不可摧的生态。

天猫新品创新中心（TMIC）亦是如此。因淘天长期积累大量服装趋势数据，且拥有通用大模型与数据隐私环境，非常适合搭建Agent。瓴羊便与其合作，结合丰富的淘天电商商家数据，在AgentOne平台上推出新品创新Agent，帮助服饰品牌紧抓流行趋势、快速推出应季款式并上架。

瓴羊能更好解决企业数据孤岛问题，不只因自身产品技术能力，还有生态的开放性与整合性，让瓴羊AgentOne占据得天独厚的生态位。

这也解释了为何瓴羊在破解企业数据孤岛问题上更具优势。它并非孤立平台，而是能调动“肌肉”与“关节”的智能中枢。

以智能客服场景为例，看似“平常”的概念，实则隐藏复杂逻辑。比如客服退款环节，对消费者而言点击退款、拿到退款似乎结束，但对企业来说，根据订单不同状态和相应止损行为、是否影响销售的判断，可能出现数十环节与各种客服应对方案。因此退货客服自动化程度仍较低。

同时，为销售止损，人工客服常需在沟通中承担消费者情绪发泄的心理压力。出于服务与沟通目的，在此节点引入AI可解决许多细节效率问题，同时让客服人员工作更健康。

小模型时代的智能客服，是根据人预设问题生成问答机器人，虽解决局部任务自动化，但泛化能力差，且无法自我迭代。而大模型带来的变化在于智能化的“举一反三”，与小模型工具组合的落地能力，也让人们看到未来Agent在部分业务场景实现全局自动化的可能性。

从当前应用阶段与想象力看，瓴羊将企业级Agent分为三层：

第一层是“会思考”，结合大模型能力与知识库的智能问答属此范畴。

第二层是能落地执行，思考后做规划，通过调用工具闭环完成任务。

第三层，Agent不仅能自动执行，还具备自我进化与迭代能力。

这种演进类似人类，有了“大脑”与“手脚”后，再基于任务历史不断修正成长。目前，企业级Agent处于第二阶段，故需选定最适合领域，判断Agent如何最大化发挥AI价值。

未来，随着Agent跃迁，一些走在智能化前沿的企业将成为“超级公司”。据瓴羊与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，在超级公司中，AI将从根本革新生产方式、深度融入组织架构各环节。这意味着未来竞争不再是单部门或产品竞争，而是人机协作与生态协同的整体效率。

企业应像有机体般与用户交互，而瓴羊正试图成为连接这一切的“神经系统”。