AI Agent的手，伸挺快

很多人还没有感受到真正变化。大部分情况下，只用大模型衍生工具，解决基础工作，比如：文案润色，总结框架，生成图片，制作导图等。

按照场景，我把一个人工作分为内部、外部两种。

• 内部工作：指在公司工作范围内应该干的。类似有，做私域运营，每天要用SCRM工具管理客户，群发消息，进行1对1维护。
• 外部工作：指要从外部获取信息和资源的事。如，学习新知识，上网搜东西，从打开浏览器查资料，下载资料再到做文件，这一系列动作就是外部工作。

现在AI Agent正在重构内部和外部工作流程，别不信。

01

我举个例子：

下面这张图片比较明显。微信群中，朋友提到一个词：靠谱。于是，我左键点击一下唤起AI，直接让它帮我查找靠谱的意思、谁提出的、有哪些具体含义。

《截图：PC版微信与AI Agent丝滑联动效果》

当然，这是AI Agent工作流的一个环节。它还能帮我解释、总结、翻译、生成周报，制定OKR，甚至提取关键词做成思维导图，编写短视频脚本。

最关键还有，不仅局限在微信聊天场景下，浏览网页看新闻，看视频时一样受用。

很明显，从点击左键到搜索，再到调用工具内的应用，然后，这些应用还能链接到其他外部工具，四步走，AI Agent已经完成整个外部流程。

再来说说内部。

内部工作最烦什么？我觉得用一个词来形容是：冗余。什么是冗余？重复、无聊，不必要的劳动和无效的流程。

昨天一个用SCRM工具的朋友跟我吐槽：

我觉得，SCRM公司很愚蠢，用企微批量管理用户很正常，但问题是，分类打标签后，每次群发给客户的信息不一样，我得用外部AI编辑好文案，然后上传保存。

AI时代，就不能接个大模型，根据原有信息一键生成吗？而且，每天编辑，每次都差不多的工作，人效也低。

嗯，完全可以理解。你做过图片吗？或者，批量修改过图片中的内容吗？如果没有，站在电商设计师的角度想想，他们最头疼什么？

前不久，我设计一些东西，发现部分软件真的很笨拙，一次操作不能形成自动化，无法直接复制到下一张图片上，造成我每一个都要重复。

上述问题AI相关公司在解决。我知道墨见MoLook完全能自动生成，把要求给它，它帮你做，还能自动整理归类图片文件，MasterGO也可以，钉钉AI市场助理，也有不少产品围绕内部端到端场景展开。

所以，种种变化让我意识到，内部工作流程也在被重构，AI Agent技术可以被视为新物质大爆发，这并非随口一说。

02

不信，我们看看国外。人工智能在美国一直领先。

技术、实际应用都做得很好。几个著名例子是微软的AutoGen、OpenAI的GPTs，还有一些专业领域应用，比如：编程助手Devin、客服专用的Agent4和零售行业的Regie.AI。

担心你不了解，我做一下简单科普。

AutoGen，模拟程序员、设计师，通过聊天解决各种任务；OpenAI的GPTs多数人应该比较熟悉，你创建一个ChatGPT，让它专门学习新技能，主攻某个模块的任务，类似掼蛋、棋牌游戏，或教孩子学数学等。

Devin针对编程场景，能处理千个复杂工程中的决策点，还能持续学习，并修正过程中的错误；Agent4专注客服赛道，能够理解人类说了啥，提供个性化服务。

最后是Regie.AI，它解决销售自动化问题，能生成个性化营销邮件，和销售场景中所用的内容，大大提高营销推广效率。

因为国外高速发展，国内科技公司才加入这种趋势。

之前投资圈有个流行说法：

十个AI应用里，五个是办公Agent，三个是AIGC（AI生成内容）。剩下两个，我总结为，针对外部工作流程的打通。所以，国内发展也相当内卷。

我们可以看到，钉钉、百度智能云、字节跳动都在推动这一切。钉钉AI PaaS提供模型训练、模型调度、插件开发三个层次的平台，主要针对企业大模型的定制和优化。

百度智能云的千帆有三个维度：一是知识库，二是办公和电商的B端专业服务，三是个人应用助理的C端场景。字节跳动不用多说，大力出奇迹，各种各样的都有。

除大厂外，我还看到不少初创公司也在做AI Agent。比如，面壁智能推出的XAgent、清华大学联合北邮推出的AgentVerse、ChatDev等，这些在GitHub上都可以体验到。

因此，国内Agent发展很快。

金字塔模型听过吗？平台能力就像金字塔底座，一旦底座完善，剩下B端、C端应用层构建，只不过是时间问题。不过，现阶段看，国内Agent发展还没有达到真正潜力爆发时刻。

为什么呢？

虽然国内AI Agent领域大家都在说：开发智能体。

实际上，我调研后发现，大多所谓的智能体，只是简单的聊天机器人，不具备反思、规划、情境感知的能力。而这些恰好是高级AI Agent的核心能力。

一个真正的AI Agent，应该能够围绕某个目标，不断根据我的对话和要求，记住某些细节，并调整为我喜欢的方式。

前天，Chat GPT4o上线，我体验了一下，发现一个细节，后台会学习并保存我说过的「记住、立刻、NO」相关的语句。即便删除聊天记录，它依然会按照我以前告诉过它的话和我沟通，这也许是国内大模型应用下一步会有的。

目前，我最看好的三个产品是钉钉AI助理、豆包和扣子（KOZE）；钉钉AI助理主要针对公司内部流程优化，豆包更偏向C端场景，比如文本生成、知识问答、推理计算。

而扣子呢？偏向开发平台。让每个人自己创建机器人。

与国外Dify等AI初创公司相比，三个产品无疑是国内AI Agent市场领先者。至于Kimi Chat推出的Kimi 也在针对个人外部场景，但从底座能力和现有客户群上看，似乎没有几家有优势。

因此，这场技术变革，用新物种大爆发来形容，一点都不为过，这种由硅基生命（AI Agents）引领的类似大爆发，跟生物进化相似，会不断演变，变得更复杂、更强大。

03

进化意味着淘汰，我觉得AI Agent正在重塑B端公司。

想想看，很多公司依赖钉钉、飞书这样的全能平台。这些平台集成打卡、考勤、业务流程审批、OA、ERP、CRM等功能，甚至，有些B2B公司软件还能解决C端场景的问题。

拿我熟悉的来说：

SCRM产品不仅能针对C端做客户管理，还可以针对B端做线索管理。低代码平台可以做表格管理，还能用表格做项目协同。

所有功能都集中在一个平台上，用户不用频繁切换，可以搞定所有工作，这种设计让用户体验更流畅，成本更低，效率更高。所以，未来单独的企业软件会越来越少，毕竟没人愿意在多个软件之间来回切换，这样既低效又费钱。

另外，AI Agent正在淘汰一些软件。淘汰哪些呢？

1. 单机数据分析类

数据是第四生产要素，很值钱，但有些传统数据分析软件没联网，还要人工输入。之前，结果过一些偏中高客单产品的公司，如：医美、教育机构。

它们会采用CRM系统管理获客线索，这些CRM系统要将线索存档，但不能清理数据，销售人员一个个回访后，还要将回访信息再手动打上标签输入系统中，淘汰概率蛮大。

因为从哪个平台获客，就用哪个平台的CRM，追踪后，回填上，AI完全能自动处理数据，完全不用那么繁琐。当然，这不是绝对的。

2. 轻咨询服务类

什么是轻咨询服务类？像常见的Gartner、Forrester、IDC、Bain & Company，国内相似的我就不提了，这些公司给中小企业、大公司提供市场分析、技术研究，帮助企业做数据决策，它们可能会被替代。

注意，是替代。为什么呢？原因很简单，像抖音、阿里这些公司，它们有天然数据优势，基于优势自己也衍生出不少数据中台。而且，平台数据比第三方抓取的更精准。

另外，随着发展，它们也开始加入AI智能化功能，所以，传统轻咨询服务软件被淘汰的概率比较大。

值得一提的还有传统教育软件，像提供题库、学习资源、在线辅导、以及语言培训的，只要涉及到标准化，都有可能面临被AI技术替代可能。

一个通俗的例子是：

过去，孩子们要死记硬背大量知识点，这是古典记忆流晶体教育法；而现在，他们更多地通过理解因果关系、解决实际问题来学习。

你想想看，未来的孩子们，会不会更少地进行死记硬背的学习？取而代之的，会不会是个性化教育和实时反馈答疑？

所以，大公司做平台，让AI Agent不断推动企业软件向集中化、一站式服务转型，这样，反而促进了软件行业的发展，提高了公司业务和智能化的效率。

04

不过，这一切不会很快到来。因为有三个问题：

第一，AI Agent依赖的大模型更新和改进很复杂，需要大量时间和金钱。

第二，数据是个大问题，大模型要不断获取大量数据，而专业数据不容易获取。

昨天字节发布会，把模型商用价格压到行业最低，说明了什么？虽然有很多考虑因素，但绝对离不开一条：用更多金钱换信息资源，抓紧推进模型在各种场景下的使用。

第三，APP接口（API）对AI Agent来说非常重要。

为什么呢？

可以想象一下，一个Agent要完成一套复杂的工作流，背后要调动很多数据、应用和程序。

就像你去餐厅点餐，不用知道厨师怎么做菜的，菜就能送到你面前；API像菜单，集合所有请求和服务，让不同的软件可以互相交流和合作。

如果Agent没有足够多的API，很难让工作流顺畅进行，但现实是，尽管现在网站、APP有自己的API，它们在Agent场景下却不够多，接口也不标准，也就限制了AI Agent的功能。

如果没有统一底层开发框架，技术团队开发每一个AI Agent时，必须从头开始设计和实现各种功能，就要消耗大量时间、精力。

字节、阿里、百度大公司做AI Agent平台恰巧有一定好处：统一底层开发框架，提供更多共享服务和功能，不仅解决数据处理、模型训练、监控部署的问题，还打通了各个系统之间的接口。

值得一提还有，当大平台把AI Agent平台搭建好后，中小型软件服务商，利用对特定业务场景理解的优势，开发出更符合一线需求的AI Agent，反而能提高AI Agent的质量。

比如：

一家专注医疗领域的中小软件服务上，可以利用大平台的基础框架，开发出一个能根据患者病历、症状提供个性化建议的AI Agent，不仅满足了医生、患者的需求，还提高了就诊效率。

问题是，迭代需要时间。大公司建设AI Agent平台能力还不健全，更别说细分赛道，技术迭代背后是创业者认知的迭代，这要多次尝试和改进。

很显然，这一切不会很快到来。

不过，大模型在B2B领域占主导地位毋庸置疑，趋势也越来越明显。那么，B2B公司只能束手无策吗？未必。我觉得有两点：

1）精明的，深耕细分行业

我们看到，像阿里、字节等巨头虽然在AI技术上很强大，但可能没有时间去深入研究每一个特定行业，理解细分行业，反而是中小企业趁机发展的关键。

何为精明？有句话叫「埋头苦干，也要抬头看天」。我见过太多埋头苦干，不知道看天的中小软件的创业者，他们即便抬头，也不知道天在哪。

因为缺少两个思维：一，生态位思维，二，平台思维。大部分软件公司只关注客户，不关注平台，也不关注生态位，不知道做的软件上下游是谁。有时候，打败的真不是同行，而是上下游。

2）走窄门，找大哥抱大腿

有句古话说：打不过，就加入，能利用现有资源、平台发展自己也是不错选择，现在钉钉、百度智能云、字节把舞台搭好，必定需要唱戏的人。

前不久，他们又搞Agent大赛，又搞开发激励的，为了什么？还不是想快速开发和部署AI Agent；如果此时，你能洞察到一些机会，与时俱进，反而是一种明智选择。

这方面，对个人也算一种机会。搭建轻量级工作流，并不需要懂太多技术，网上教程实在学不会，就让AI手把手教你。

总结而言

不做外部场景，就做内部。

比尔·盖茨预测，未来5年，AI Agent将大行其道，每个人都会拥有智能体，生活也将彻底改变，你期待这一天吗？

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！