编辑 | 铅笔道 邹蔚 王方
刚刚结束的 2026 世界人工智能大会上，超过 1100 家企业集中展示 AI 产品。但全行业都在追问：AI 什么时候能像人一样走路，为人类赚钱？
这并不是一个遥远的话题。因为，第一批帮企业赚钱的 Agent，已经出现了。
铅笔道观察发现，这批有赚钱能力的 Agent，并不在热闹的人形机器人中，而是藏在销售和客服系统里。
以容联云为代表的企业 Agent 服务商，正在跑通一条路：让销售客服 Agent 正式上岗，为结果负责。
比如让一名员工可以同时管理 10 个 Agent；Voice Agent 每天处理约 2 万通会话；让一批私域运营 Agent 已经管理 8 万名客户，带来月度约 120 万元 GMV，增幅约 87%。
这和过去两年的 AI 故事，已经完全不同。
过去，企业购买 AI，主要是为了降本增效：少写几份报告、少整理一些资料、少安排几名客服。至于 AI 究竟创造了多少订单、带来了多少收入，往往说不清楚。
值得关注的是：第一批有赚钱能力的，为什么是销售、客服 Agent？它们究竟怎样帮企业赚钱？当 AI 开始为经营结果负责，企业的组织方式又会发生什么变化？
Agent 们的普遍困境
晚上 11 点，一家企业的客服中心，员工已经陆续下班，但客服智能体还在运转：整理当天的通话记录、提取客户标签、分析投诉风险。
第二天的经营会上，负责人展示了 Agent 完成的任务数量：生成了多少份报告，处理了多少条会话，识别了多少个关键词。
但依然无法回避一个关键问题：这些加班一夜的智能体，究竟增加了多少订单？带来了多少收入？
这正是当前企业 Agent 最普遍的困境：干了很多工作，但不一定有可衡量的业绩成果。
世界人工智能大会某分会场，容联云产研中心副总经理唐兴才，援引了一组现实数据：全球已有约 88% 的企业部署或使用了 Agent，但真正从中获得明确业务价值的企业不到 10%。
问题出在哪里？是大模型能力不行，还是使用方式不对？在唐兴才眼里，答案更接近后者。
在唐兴才看来，很多企业的问题是：Agent 虽然做了不少工作，但只参与了业务链条中的一小段：把 Agent 当成一个新增功能，让它生成内容、整理信息、辅助员工，却没有改变原有业务流程，也没有把订单、转化率、复购率等经营指标交给它。
因此，企业能统计 Agent 完成了多少任务，却很难判断它究竟带来了多少收入。
按照 Agent 参与业务的深度，唐兴才将其分为四个阶段。
第一阶段，Agent 只完成一个单点动作。人给出指令，AI 完成总结通话、提取标签、生成回复等单点工作。
第二阶段，它可以独立完成一项任务。企业可以把一项相对完整的任务交给 AI，例如分析过去 30 天的客户通话，从中识别投诉风险或遗漏的销售机会。
第三阶段，它开始与员工协作，参与一段业务流程；一个人可以同时管理多个 Agent，AI 与员工共同完成业务流程。
到了第四阶段，Agent 能够对结果负责。企业把一个业务目标交给 Agent，它自主调用数据、执行任务、判断结果并完成交付。
前三个阶段，Agent" 会做事 "，第四个阶段，Agent 才开始 " 拿结果 "。
第一批帮客户赚钱的 Agent
但在今年，已经有一批 Agent，走到了第四个阶段：帮客户批量赚钱。它就是销售、客服 Agent。
容联云告诉铅笔道，有 3 个业务场景，Agent 的赚钱效应，已经比较普遍。
以汽车销售为例，以前消费者留下购车线索时，往往同时咨询多个品牌。过去，这些线索需要经过分配，再由销售逐一拨打，首次联系可能要等几个小时。
Agent 可以把这段时间压缩到几分钟：线索进入系统后，立即询问预算、意向车型等，再将高意向客户转给销售。
在这个场景中，Agent 不必比金牌销售更会卖车。它只要足够快，就能减少客户在等待中流失。
客服岗位的差距更直接。
容联云披露，一名人工座席每天工作 8 小时，通常处理 150-300 通电话，月成本约 5000 — 8000 元；Agent 可以持续工作，单日处理任务超过 2 万，测算月成本约 2000 — 3000 元。
过去，客服需要查资料、翻工单、背话术、填写记录。Agent 接入后，可以在客户来电时自动调取历史信息、生成回复建议，通话结束后自动填写工单。人工主要负责审核和处理复杂问题。
私域运营则体现了 Agent 的规模优势。
以前，一名运营人员通常最多只能维护大几百名用户。在容联云披露的一个大健康案例中，Agent 参与管理约 8 万名私域客户，月度 GMV 约 120 万元，GMV 增幅约 87%。
例如，一名用户购买了三个月用量的鱼油。Agent 可以根据购买时间主动回访，询问使用效果，解答问题，并在合适的时间推动复购。人工一次只能服务一个人，Agent 可以同时维护成千上万条客户关系。
这三个场景最先跑通，核心原因是：销售、客服和运营 Agent，离客户、订单和收入最近。
其次，这些岗位工作量大、动作重复，而且结果能直接算成钱。
对于企业来说，这笔成本账比较好算：过去，业务量增长 10 倍，几乎只有一个办法——扩增 5-10 倍的员工；而现在，可以使用 10 倍的 Agent，增加的仅仅是算力和调用成本。
于是，销售、客服岗位，最早跑出一批有商业价值的 Agent。
AI 重写销售客服系统
Agent 赚钱，AI 怎么做到的？大约分为几个维度。
第一步：批量执行，把客户触达速度和覆盖规模做上去。
容联云产研中心副总经理唐兴才介绍，在其语音营销场景中，一名员工可以同时管理 3 个、5 个甚至 10 个 Voice Agent。人工不再逐个拨打电话，而是观察多个 Agent 与客户的实时对话，在关键时刻接管。
也就是说，Agent 可以通过扩大服务数量、加快响应速度，提高订单的转化率。
第二步：分层协作，让不同问题交给不同角色处理。
在世界人工智能大会某分论坛，容联云大模型产品负责人彭波，现场展示了一套多 Agent 协作流程：标准问题先由 "AI 专员 " 处理；客户提出复杂异议后，系统切换至权限更高的 "AI 主管 "；如果问题仍然无法解决，再转交人工坐席。
不同 Agent 拥有不同职责、权限和话术策略。AI 负责高频、重复的前置沟通，人工集中处理复杂判断、关键谈判和异常情况。
据彭波披露，目前类似的 Voice Agent 每天在线处理约 2 万通会话，整体对话完成率约为 90% — 94%。
也就是说，Agent 可以通过分层协作：简单问题由 AI 专员批量处理，复杂问题由 AI 主管继续推进，关键客户再交给人工，尽量避免客户在中途流失，从而提高订单转化率。
第三步：围绕经营目标持续运营，而不是只联系客户一次。
彭波介绍，企业可以直接把复购率、销售额等经营目标交给 Agent。Agent 再结合会员、商品和交易数据，自动制定并执行客户运营策略。
以鱼油为例，一名客户购买了三个月的用量。传统运营可能等产品快用完时统一发送促销信息；Agent 则可以在使用一个半月左右，根据购买记录、聊天内容和用户反馈先询问效果，再决定提供知识、解答问题，还是推动复购。
目前，该案例管理约 8 万名私域客户，月度 GMV 约 120 万元，GMV 增幅约 87%；相关人机协作方案已经在十余个大健康品牌中落地。
简单来说，Agent 赚钱靠三件事：联系更多客户、服务好每一个客户、持续经营老客户，最终把更多沟通变成订单。
AI 上岗的真正标志：为结果负责
过去几十年，企业软件的核心逻辑是 " 卖工具 "：按照账号数、功能模块、订阅周期收费。
而现在，Agent 的评价标准已经发生变化。
过去企业关注语音识别准确率、响应速度等技术指标；而未来，更重要的是订单转化率、客户满意度、运营效率和收入贡献。
更具体地说：企业购买 Agent，可能更关注结果。
比如一个销售 Agent 带来了多少有效线索，一个客服 Agent 减少了多少客户流失，一个运营 Agent 提升了多少复购。
当然，这种 " 为结果负责 "，并不是完全替代人工，而是与人协作。
麦肯锡曾测算，生成式 AI 有望自动化约 60%-70% 的员工工作时间，但更多体现为任务自动化，而非完全替代岗位。
容联云告诉铅笔道，在部分业务场景中，Agent 已经达到优秀人工约 70%-80% 的水平，但复杂情绪处理、非标准问题判断和高风险决策，仍需要人工参与。
这意味着，未来企业竞争的核心，不一定是谁拥有更多员工，而是谁拥有更高效的人机协作体系。
过去，企业通过招聘更多销售、客服和运营人员扩大业务规模；未来，企业可能通过部署更多 AI 专员、AI 主管和 AI 运营人员，提高组织的服务能力和增长效率。
Agent 真正改变的，不只是一个岗位的工作方式，而是企业生产力的组织方式。
当 AI 开始承担目标、执行任务，并用业务结果证明价值时，它就不再只是软件里的一个功能，而成为企业新的数字员工。
- END -
本文由铅笔道原创，如需转载请联系铅笔道微信：penresarch
