7.6
深览指数
商业微博·晚点LatePost··AI 生成
让企业客户愿意掏钱的 AI 到底长什么样？
本文通过专访瓴羊CEO朋新宇，深入分析了企业级AI Agent的落地路径：不是提供通用工具，而是直接交付能扛KPI的“AI员工”，聚焦营销、销售、客服等与增长直接挂钩的环节。文章核心观点是，企业愿意为“多快好省”的结果付费，而非“新奇特”的技术；同时，由于中国企业的数据与系统基础薄弱，很难直接复制美国Palantir的模式，需要从数据治理、系统改造等基础工作做起。适合关注ToB AI商业化、企业服务转型的从业者阅读。原文 ↗
核心观点
- ▍企业级AI Agent的成功路径不是提供通用工具，而是直接交付能承担具体岗位、接受业务指标考核的“AI员工”，并聚焦于营销、销售、客服等直接影响企业增长的环节。
- ▍由于中国企业普遍缺乏标准化的数据与系统基础，中国很难直接复制Palantir的“服务驱动”模式，需要从数据治理、系统改造等基础工作做起，先“养鸡”才能“煎鸡蛋”。
- 01瓴羊的AI投手帮助某母婴品牌的投放ROI提升了20%；一家家电品牌使用其AI客服后，售前咨询准确率从60%提升至90%以上。
- 02瓴羊的FDE（前沿部署工程师）团队在为雅迪服务时，驻场24天，横跨十几个部门，做了78场访谈，最终上线后热线机器人解决率从20%提升至42%，平均通话时长从6分钟缩短至4分钟。
- 03瓴羊的AI员工（如AI运营、营销、客服）是开箱即用的成品员工，企业只需三步即可“雇佣”，并授权其进行店铺运营、投放管理、客户回访等任务。
- 04瓴羊选择从营销、销售、客服等环节切入，因为这是“最耗人、最耗钱、最耗时”的重复性场景，且ROI可直接衡量。
- 05瓴羊的收费模式正在从“交付系统即收费”转向“达到约定效果后再收费”，具体有按坐席、按单次营销活动、按促销周期等多种方式。
- 06朋新宇认为，企业客户判断AI产品是否有效的标准是“多快好省”，并需要能够用数字衡量的结果，而非追求新功能和炫酷的技术体验。
反方 / 局限
- — 中国企业的系统、数据和业务流程差异巨大，FDE（前沿部署工程师）需要从第一行数据、第一个流程开始重建，这与美国企业已有标准化系统基础的情况不同，导致中国很难直接复制Palantir模式。
- — ToB AI Agent的普及速度远慢于Coding工具，需要“一个客户一个客户积累”，不会像消费产品一样突然爆发。
18 分钟 · 4 卡片 · 10 资料
读原文 →