繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

當AI開始對結果負責:從百融智能看企業級智能體的落地路徑

2026-09-30 07:08

  企業開始用新的方式衡量AI。

  過去兩年,市場的注意力更多集中在模型參數、榜單排名和通用能力上。隨着智能體進入業務流程,企業需要回答的問題變得更加具體:AI能夠承擔什麼工作,能否穩定完成任務,投入能否轉化為可持續的業務回報?

  Gartner曾在報告中提出,到2026年底,40%的企業級應用將集成任務型AI智能體。但應用的不斷滲透,並不意味着規模化落地已經完成。麥肯錫《2025年全球人工智能調查》顯示,23%的受訪者表示所在組織正在至少一個業務職能中擴大智能體部署,另有39%表示已開始試驗。即使在擴大部署的組織中,多數也僅涉及一至兩個職能。

  這揭示出企業級AI正在跨越的一道門檻:不僅取決於模型,也取決於業務流程、交付體系和商業模式能否同步調整。

  百融智能(6608.HK)的實踐,為觀察這一變化提供了一個樣本。據介紹,目前百融智能已部署超過20萬名硅基員工,在證券、保險、航空、物流等行業承擔具體工作,並以AICC為切入口,探索企業級智能體的規模化落地路徑。

  企業正在重新定義AI的交付標準

  百融智能將擁有明確崗位、能夠調用企業系統、獨立完成任務並接受結果考覈的智能體稱為「硅基員工」。硅基員工帶來的變化,首先發生在企業購買和使用AI的方式上。

  當AI主要承擔內容生成、信息檢索等輔助任務時,企業關注的是工具能否幫助員工節省時間。當AI開始處理客户諮詢、調用業務系統、推進工單流轉,評價標準就需要進一步延伸:交付單位由一個軟件功能,逐漸轉向一項能夠驗收的工作。

  從百融的應用實踐看,硅基員工目前主要圍繞三類能力展開:通過文字或語音完成自然交互,處理文檔、音頻、視頻和圖片等非結構化信息,以及圍繞業務目標編排流程、選擇動作並持續糾偏。三類能力結合,纔有可能把一次對話轉化為一項完整服務。

  例如,客户詢問物流進度,AI需要覈實訂單信息、識別異常狀態、判斷處理路徑,並在權限範圍內調用系統推進后續操作。即理解問題只是AI執行任務的起點,能否將問題有效解決纔是崗位能力的體現。

  這一變化也讓企業積累的知識和經驗有了新的使用方式。過去,一套成熟的服務方法往往依附於員工個人,而在智能體時代,標準化的知識、流程和操作規則將可能被沉澱為可重複調用的工作能力。

  但這並非接入模型就能自動實現。對於傳統企業而言,從邊界清晰、結果可衡量的崗位切入,在真實生產環境中檢驗質量、成本和穩定性,是一條更具可操作性的轉型路徑。

  AICC將成為生產驗證的重要場景

  根據Gartner於今年8月發佈的一項調查報告,受訪企業客服與支持部門的整體預算僅增長2%,但AI相關支出卻增長了38%,顯示出企業正在加大對客服AI的投入。

  客服場景也具備相對明確的驗證條件:業務量較大、反饋及時、服務標準可以量化。正是基於這一場景特徵,百融智能將AICC作為跨行業規模化落地的重要突破口。

  百融智能認為,生產級AICC需要把交互理解與業務執行連接起來。AI既要識別用户在説什麼,也要判斷下一步應該做什麼,最終將任務閉環。

  例如,在某頭部物流企業的實際服務中,一位用户圍繞幾雙襪子的發貨問題,與硅基客服連續溝通了20多分鍾。用户表述生活化、信息零散,訴求也在對話中不斷變化。AI需要追問購買平臺、識別訂單狀態,逐步推進處理。

  長通話雖不等同於服務效果,但它呈現了真實業務的一項要求:系統必須在信息不完整、話題發生變化的情況下,持續保持對任務的理解。而單靠預設話術,很難窮盡這類交互。

  這也解釋了企業級語音智能體的工程門檻。電話音頻條件、環境噪聲、口音差異、實時打斷和多輪對話,都會影響識別與決策,同時模型推理的響應速度、成本和準確性,則共同決定系統能否長期運行。

  為此,百融智能搭建了包括自研BR-Voice語音多模態大模型、主動引導式對話大模型和文檔理解大模型在內的技術底座,並配套通信軟交換、高併發調度、錄音質檢、企業知識庫及業務系統對接等能力。前沿部署工程師(FDE)團隊進入客户現場,梳理服務標準、系統接口和操作規則,將模型能力轉化為可運行、可驗收的工作流。

  在物流行業,公司中標某頭部企業后,硅基客服上線承接查件諮詢、派件異常和投訴反饋等呼入業務,上線不足一個月,單日處理量已超過1.5萬通。

  從行業角度看,實現客户的跨行業複製,關鍵在於強化可複用的能力,並釐清哪些環節必須重新適配。百融智能認為,語音交互、調度和質檢等共性能力可以構成基礎,而行業知識、服務規則和系統權限仍需按場景配置。兩者之間的配合效率,決定了智能體能否從單個項目走向規模化交付。

  AI商業模式進入重估期

  當智能體能夠承擔完整任務,AI商用模式也在進入重估期。傳統軟件通常按系統、模塊或席位收費,客户獲得使用權后,還需要配置人員、改造流程和持續運營,才能將軟件能力轉化為業務產出。智能體進入執行環節后,技術服務商開始具備圍繞任務完成情況計費的條件。

  海外市場已經出現相關實踐。客户服務平臺Intercom的公開定價顯示,其Fin AI Agent按「結果」(outcome)計費,標價為每個結果0.99美元;結果的具體認定包括客户確認問題解決、回覆后未繼續求助,或完成約定工作流等情形。

  這一實踐表明,行業開始將收費單位從軟件使用權延伸至服務產出。百融智能提出的RaaS,即「結果即服務」,同樣圍繞這一變化展開。在AICC場景中,可以在服務質量達到約定標準的前提下,按照成功完成且無需轉人工的有效通話或工單收費;在能夠促成交易的場景中,也可以根據實際業務結果分潤。針對不同客户的部署需求,還可以採用按硅基員工崗位和規模收費等方式。

  其中,按有效任務或業務成果計費,將服務商的收入與交付效果更直接地聯繫起來。這對其提出了更高要求。因此,企業級AI的競爭,也在向持續運營能力延伸。一次成功演示只能證明技術具備可能性,而能否在大規模業務中保持交付質量,並讓每項任務的收入覆蓋相應成本,才決定商業模式能否成立。

  按照這一邏輯,百融智能關注的指標除了收入和利潤,還包括AI實際承接的業務量、任務完成率、轉人工比例和長期運行穩定性,以及客户驗證效果后是否擴容、成熟能力能否以更低成本遷移至相鄰客户和行業。

  公司目前重點拓展的物流、航空、券商、銀行、運營商和保險等行業,普遍具有大量面向終端用户的交互需求,業務體系較成熟,服務指標也相對清晰。這為「標杆驗證—擴大部署—能力複製」的路徑提供了基礎。

  當硅基員工進入組織,管理能力成為規模化條件

  在硅基員工部署規模擴大后,企業面臨的問題會進一步延伸到組織層面——如何建立高效的人機協作生態?

  微軟《2025年工作趨勢指數》提出「人類—智能體比例」(human-agent ratio),討論組織應如何配置人與智能體,既擴大工作能力,又保留必要的人類判斷。報告將AI在組織中的演進概括為從個人助手,到參與團隊的數字同事,再到由人設定方向、智能體執行完整流程的不同階段。

  百融智能以「硅碳比」觀察這一變化。據介紹,公司內部這一比例已超過150∶1。但這一指標並不等同於人員替代率,而是用於觀察組織藉助AI擴大管理半徑和交付能力的程度。

  百融智能現已搭建起「硅基員工之家」,將硅基員工的崗位、身份、培訓、考覈、調度、審計和退出納入統一管理。這種管理能力也是智能體規模化落地的前提。當大量智能體並行運行時,同類偏差可能被快速放大,因而需要同步建設有效的管理機制。

  百融智能認為,未來的AI產業競爭,將越來越多地在真實業務的交付結果中展開。因此,如何把不斷進步的模型能力,轉化為企業能夠持續使用、衡量和購買的生產能力,將是決勝關鍵。         (資訊)

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。