不用發工資的AI員工，開始托管商家生意了

作者丨江上酒

編輯丨滄浪客

把500套景德鎮茶具賣去洛杉磯，得花多大功夫？

在傳統電商模式下，這套流程走下來，至少要牽扯到資金換算、海關報關、國際物流、海外營銷、業財核算五個環節。想要做成這筆生意，不僅要耗時數周，還要組建5至7人的團隊，不僅費時，更費錢。

可在今年的WAIC大會上，各種Agent的落地應用讓商家看到了更多“增效”的可能。比如同樣是上面的場景，借助明心數智Agent，商家只需輸入一句經營目標，就會有5個AI助手分別領走任務，并在30分鐘內完成拆解和派單，協作效率大大提升。

WAIC大會現場，明心數智Agent

明心數智給商家帶來的增效并非個例，在今年的WAIC大會上，共有30余款Agent展品參展，曾經需要一個團隊協同推進的工作，現在一個人加一套AI就能啟動。“一人公司”的時代，或許真的要到來了。

而且據派代觀察，最新這批面向商家的Agent，早已不局限于改標題、寫文案、做圖片這類外圍工作，而是轉而深入客服、投放、后臺等更深層的運營場景，全方位托管了商家的工作。

那么在市面上的Agent中，有哪些是商家能直接上手用的？用Agent去講笑到底靠不靠譜？不用發工資的“AI員工”，真的能幫商家降本增效嗎？

商家不是沒工具

而是跟進不及時

其實在商家的日常經營中，錢往往都是在不經意間流失的。

比如客服回復不及時，顧客就跑去了別家；售后漏跟了工單，退款和差評一塊來；投手投放出了問題，等到發現的時候，預算基本都燒完了。

這些看起來都是很小的動作，但釀成的后果卻是非常嚴重的：客戶流失、退款差評、空燒預算。

需求來了以后不能及時接住，問題出現了不能及時止損，即使是經驗再豐富的運營人員，也很難保證工作中不出錯。

而這，正是Agent的價值所在。

就以客服場景為例，傳統智能客服的功能傾向于“調出答案”。消費者問尺碼，客服調取預設的話術；消費者詢問活動，系統就調取預設好的活動信息。

但對于復雜的對話，例如消費者想要客服推薦商品，或提出訴求，詢問哪款產品能夠滿足，傳統智能客服通常無法應對。

如今在Agent客服模式下，會話的承接效果要優秀得多。在用戶詢問時，AI客服可以捕捉關鍵詞，生成更貼合消費者需求的回復；甚至當消費者詢問的商品暫無庫存時，AI客服還可以推薦類似產品，以千人千面的回復方式，最大程度上促成成交。

而上述這些功能，在阿里的“AI店小蜜”中都已經有了比較成熟的落地場景，不僅可以聚合訂單、工單和聊天信息，承擔售前咨詢的功能，甚至可以智能跟進部分售后處理場景，大幅減少因回復不及時造成的漏單和投訴。

AI店小蜜，可以承接更多元的客服場景

再比如，在廣告投放的場景里，Agent也起到了越來越重要的作用。

廣告投放最怕什么？怕的是投錯、空燒。半夜計劃出現了異常，運營第二天才發現，可這時候預算往往都燒完了，運營再想補救也于事無補，白白花掉了預算。

但現在，有了AI監控以后，運營的神經可以不用那么緊繃了。比如微盟的“天啟”可以匯總多個平臺的數據和操作，且支持批量建立廣告，并能夠自動生成投放報表、識別異常，大幅提高了異常發現效率。

據微盟披露，這套系統可減少80%以上人工重復操作，讓廣告搭建效率提升85%。不過在派代看來，它更落地的價值，是讓異常更早暴露、讓投手少做重復操作，減少因失誤帶來的額外成本，也算是變相的“降本增效”。

微盟的“天啟”，據稱可以減少80%的重復操作

除了線上場景以外，派代發現，在線下商家的促銷中，Agent也給出了一些全新的解決方案。

比如支付寶商家經營智能體“曉雨”，就可以智能分析門店客流、商品和會員情況，再調用“千店千策Agent”生成差異化方案，并繼續完成營銷配置、補貼承接和流量分發。

借助“碰一下”功能，“曉雨”能獲得更全面的門店信息

此前，門店的客流、商品、會員結構各不相同，而總部往往只能統一發券，結果客流本來就高的店拿走補貼，真正缺客的店依然沒人；臨期商品還壓在倉里，發出去的卻是另一類優惠券。

而在“曉雨”的幫助下，總部可以更輕易地掌握門店具體的銷售情況，判斷哪些門店需要重點發券，哪些靠日常客流就可以走貨，從而提高折扣券的利用效率。

從以上幾個場景中不難看出，在本屆WAIC大會上，平臺推出的Agent都在指向一個方向：深入商家的運營層。

之前的AI產品，只是幫商家起個標題、寫個文案、做個頭圖，頂多算是幫助商家“提效”，而這輪Agent產品，直接能幫助商家在運營層面上“降本”。

而在可預見的未來，這也將是平臺Agent升級的主要路線。

平臺做Agent

爭的不只是工具市場

平臺為什么要爭先恐后地做Agent？因為新一輪的搶商家戰爭，已經悄悄開啟了。

之前商家用通用大模型提效時，它們可以幫商家分析一份銷售報表，也能建議“庫存積壓的時候應該降價”，但建議說完，商家還得自己打開后臺，找到商品，手動改價。

能給建議卻不能動手，是商家用通用AI做經營最大的瓶頸，但平臺去做Agent，邏輯就完全不一樣了。拿支付寶的“曉雨”來說，它能分析完門店數據之后，接著配置活動、承接補貼、分發流量，中間不需要商家再手動操作一遍。

平臺要的恰恰是這些，讓一站式服務越來越便捷，降低商家經營的操作難度，從而加強商家對平臺的粘性。

而它做得到這些，不是因為模型比別人聰明，而是因為“碰一下”終端沉淀的支付流水、會員畫像、商品數據和到店流量，本來就在支付寶的系統里，數據在手，Agent才看得見哪家門店缺客、哪個商品動銷慢、哪張券該發給誰。

阿里的邏輯也類似，AI店小蜜能聯動客服、訂單和工單，不是因為它比ChatGPT更懂售后，而是因為這三個系統本身就長在體系內，訂單狀態、物流節點、歷史對話全部打通，Agent處理一筆售后不需要來回切系統。

而微盟的天啟能同時管理四個平臺的廣告，是因為微盟的SaaS后臺已經和騰訊、抖音、快手、小紅書做了接口對接，但如果換成通用AI，連登錄這些后臺的權限都沒有，使用起來的體感肯定是不一樣的。

所以這一輪Agent競爭，表面上看是AI能力之爭，從底層看是誰的經營基礎設施更深。數據越完整、接口越開放、行業經驗越厚，Agent能接走的流程就越多。

平臺對經營的介入程度更深了，但對商家來說，既有便利，也有代價。

一個Agent越深入地調用某個平臺的數據和接口，商家對這個平臺的依賴就越強。今天在A平臺上跑通了客服和投放，明天想換到B平臺，數據能不能帶走？流程規則能不能復用？目前沒有一家平臺給出明確的遷移方案。

每款產品都在強調“一站式”，但商家的生意往往不只在一個站里，所以到底要不要用Agent，用到多深，還需要商家自己權衡。

工具提效80%

不等于費用降低了80%

WAIC上，幾乎每款Agent都帶著一組效率數字：提效80%、搭建效率提升85%、人工初篩工作量下降80%。

數字來自廠商測試環境或標桿客戶，很亮眼，但商家一定要清楚，效率和利潤是兩回事，Agent的提效明顯，并不完全等同于商家花得更少。

Agent要調用訂單、商品、會員和客服數據，前提是數據干凈、格式統一、系統接口開放，而數據整理和系統改造要花多少錢，廠商的效率數字里從來不提。

派代還注意到，目前多數產品的公開報道中沒有給出統一定價，部分產品仍處于內測或企業定制階段，普通商家注冊后能不能直接使用，目前也要打上一個問號。

除了準入門檻外，Agent帶來的潛在風險也是不能忽視的。

AI寫錯一段文案，改掉就行，損失通常相對有限；但Agent錯誤地修改了價格、多退了一筆款、廣告預算投偏了方向、報關歸類填錯了編碼，那么每一筆都是真金白銀的經營損失。

Agent之所以有價值，正是因為它們能“替商家把流程做完”；但“做完”也意味著一旦做錯，損失直接發生在執行環節，糾正的難度和代價都更高。

效率數字好看，但商家真正需要驗證的是：接入Agent之后，省下的人力和挽回的訂單，能不能覆蓋掉軟件費、接口費、審核成本和出錯帶來的損失。

換句話說，Agent確實幫助商家提效了，也幫助商家節省人力成本了，但它的穩定性到底有沒有保證？失誤率高不高？這些仍需更長時間檢驗。

所以對商家來說，如果想要嘗試接入Agent，最穩妥的做法是由淺入深，先在一個流程里跑出真實數據，再慢慢把Agent擴展到整個系統。

比如常規客服應答、線索初篩、廣告批量搭建或采購清單整理，試跑前記錄首次響應時間、轉人工率、有效線索成本、錯誤率，等到跑滿一個完整業務周期后，再用同一組指標對比，看Agent到底改善了什么、多花了什么。

像退款、改價、付款和重大投放這類敏感操作，先不放手，等核心流程驗證穩定之后再逐步開放權限。

雖然AI員工不需要工資，但接入要花錢，維護要花錢，犯錯更要花錢。所以，要不要用AI員工，不取決于它在展臺上演示了多快，而取決于它夠不夠穩定、失誤率高不高。

畢竟，只有經過反復實踐、讓商家獲得足夠的安全感，商家才會放心地把生意交給這些AI員工打理。