一通客服来电要 13 美元，企业智能体能压到 1 美元以下

算上人工和系统，客服中心处理一通来电通常要花约 13 美元。Bret Taylor 说，用上 AI 之后，这个成本可以远低于 1 美元。一场对话的价格降了一个数量级，这可不是四舍五入的小误差：它决定了哪些品牌还愿意和客户对话，也决定了对话的频率。能从中拿到好处的，是手里客户多的公司，而不是理论多的公司。

即使以硅谷的标准看，Taylor 的履历也格外耀眼。他参与打造过谷歌地图，担任过 Facebook 的首席技术官，做过 Salesforce 的联席首席执行官，还担任过推特董事会主席，现在则是 OpenAI 的董事长。2023 年，他和 Clay Bavor 一起创办了 Sierra，只做一件事：打造面向客户、带有企业自身品牌形象的智能体。Sonos 和 SiriusXM 的智能体已经上线。在 No Priors 节目里，Sarah Guo 和 Elad Gil 请他从智能体的定义聊起，一路聊到商业模式，以及人们接下来会用哪些设备与之对话。

Taylor 先泼了一盆冷水：“智能体”这个词，在学术界和产业界的含义并不相同。学术上的定义很宽，指能自主推理、自主行动的软件，词源来自“能动性”（agency）。这么宽的定义，让这个词变成了一团谁都能从中看出图案的墨迹。他更愿意谈业界真正在推出的三类产品。第一类是个人助理：帮你分拣收件箱、订假期、准备会议、管理日程。网上对它的讨论最多，但他对它近期的前景最不乐观。原因是，一个好的个人智能体需要的技术，比今天已有的多得多：推理和系统集成的覆盖面几乎无穷无尽。他认为这条赛道会落到苹果、谷歌、OpenAI 以及其他已经掌握消费级入口的公司手里。创业公司可以先切出细分市场，等模型变强后再逐步扩张。

第二类，他称为“角色型智能体”：专门负责某项具体工作的系统。Harvey 做法律工作，一批编程智能体则在替程序员干活。他把这类称为窄但深。任务范围很窄，能碰的工具也有限，而评估格外诚实：编程智能体有现成的基准测试，编译器会报错，剩下的问题交给集成测试去抓。他的核心观察是，基础模型出现之后，许多有效的 AI 其实只是把一个研究问题变成了工程问题。这类市场能孕育出有分量的公司，因为同一家公司里，既要有 AI 技能，也要有行业知识。

按这个逻辑，他接下来盯的是分析师，尤其是那些负责取数、做报告、把结论交给相关方的后台岗位。总结、综合与推理，正是大语言模型已经擅长的事；表格和数字则是短板，所以微调和领域知识才显得重要。他不确定“分析师”是一种工作还是好几种，但他确信，这类工作会得到极大的提升。他想要的比喻，是给分析师穿上钢铁侠战甲，而不是发一纸解雇通知。

第三类是 Sierra 在做的：企业智能体。1995 年，所谓在数字世界里“存在”，就是有一个网站，在雅虎目录里有收录，名片上印着网址。他认为，到了 2025 年，这意味着一个带有品牌的 AI 智能体，它能做网站能做的一切：咨询产品、下单购买、获取售后服务。这件事的核心，是企业在对话的世界里以什么形态存在；自动化本身倒在其次。这一类已经可以落地，因为流程和业务系统早已存在；剩下的设计问题，是围绕品牌想打造怎样的对话体验。去 Wayback Machine 翻翻早期的网站，你会看到一个电话号码，或者一个像 DVD 开场动画的页面。今天的智能体，将来在人们眼里同样会显得古早。消费品公司之所以排在前面，原因就是那笔 13 美元的账：过去对话太贵，品牌干脆把电话号码藏起来，甚至出现了专门帮你找到这个电话的网站。现在对话已经便宜到可以放在体验的中心。拥有 100 个客户的 B2B 公司同样能受益，只是规模不同，要做的决策也不同。

实际案例让这件事更具体。如果 Sonos 音箱闪起了让人头疼的橙色灯，你可以和 Sonos AI 聊天（由 Sierra 提供支持），完成设备激活，或者弄清楚问题出在硬件还是 Wi-Fi。SiriusXM 的智能体叫 Harmony，Taylor 很喜欢这个名字。它可以帮用户升级或降级订阅，也可以和刚通过新车试用拿到订阅的人交流。这些都是带有品牌形象、面向客户的系统。品牌不只是装饰，它本身就是体验。

行业里的默认做法是检索增强生成（RAG）：在大语言模型上挂一个知识库，让它只根据你的文档作答，这样一个现成的模型就能用在专有数据上。Taylor 的评价很直接：这类投入能做出漂亮的演示，但对几乎所有有意义的客户体验来说，远远不够。回想一下，你上一次认真与自己在意的品牌打交道是什么时候？那些对话里有多少是提问？几乎没有。你要做的是升级或取消、退货、办理保修换货、提交保险理赔。每一件事都要跨越十多个业务系统执行操作，外面还包着一层业务流程：既有商业目标，比如劝你别取消；也有合规要求，比如医疗相关企业能说什么，受 HIPAA 的限制。

漂亮的回答属于演示难度，把事情真正办完才是产品难度。所以 Sierra 真正押注的技术，是一个能编排任意复杂流程的平台，同时兼顾自主性与护栏。Taylor 说，再过三四年，保险公司的智能体会替客户提交理赔、比较保单方案，还会在孩子够年龄学车时，帮忙把孩子加到保单里。这才是产品，外面那个聊天窗口只是包装。

过去二十年，企业软件大多是规则引擎，不论规则写在源代码里还是低代码工具里，都能飞快地执行。Taylor 认为，描述业务的语言正在变化。一个业务流程不再只是一棵决策树，而是三句话：你想达成什么目标，AI 可以在哪些地方发挥创造力，又在哪些地方不能。客户往往一开始就要求对每一步进行精确控制。平台确实能做到，但结果会很机械，相当于把让 ChatGPT 最快突破 1 亿用户的那种创造力关掉了。要是把自主性一路拧到最大，就会出现幻觉、违反政策，或者只能当个平庸的品牌代言人。他说，真正的难题在于：怎样为这种不确定、有创造力的软件编程，既保留那份惊喜感，又能在护栏问题上坦然面对董事会、CEO 和客户。

实际做法是，Sierra 和客户坐在一起，把流程正式梳理出来。按他们的说法，智能体就是事实性知识加上程序性知识，其中包括它需要调用的各个系统。接下来他们会做实验，把智能体交给真实用户，看它是否达到了纸面上设想的预期。AI 不应该只属于技术团队。客户体验团队，或许还有首席数字官的办公室，应该握着方向盘。正因为如此，Sierra 才开发了审计和改进工具。这件事永远没有做完的一天。

网站是一份菜单，智能体则是一个自由输入框。Taylor 打的比方是从雅虎目录到谷歌搜索。菜单是点选的，输入框则什么都能问，所以上线之后，你会碰到一长串没人设计过的需求。Guo 见过一些离奇的退货欺诈案例，没人弄得清到底怎么回事。Taylor 引用了《长尾理论》：网络从目录转向搜索时，那些小众博客组成的长尾，反而成了网络里最有生命力的部分。客户体验正走在同样的路上。把计划外的对话当成一张照数字涂色的清单，一个场景一个场景地补上。智能体本身就是客户的声音，全天在线，与其说它是一次 A/B 测试，不如说更像是在培育一个有机体。

智能体也是品牌的代言人。指令微调会让模型模仿对方的情绪和语气，但品牌仍然可以定下基调：街头服饰品牌可以调皮不羁，奢侈品牌则应该克制庄重。实现方式是提示词、后训练与监督模型的组合。那些敏感问题，比如不提供医疗建议、不提供金融建议，就交给监督模型处理。业内有句玩笑：AI 的所有问题，都可以用更多的 AI 来解决。Taylor 举的品牌例子是苹果：库比蒂诺的总部、零售店和开箱体验，闻起来都是同一家公司的味道，智能体也应该如此。语言则是另一件过去根本做不到的事。智能体可以用客户的语言作答，包括俚语、行话和习语。用 30 种语言配备电话客服，从来在经济上说不通；给 5000 名客服培训一款新产品要花上几周；而模型只需要点一下按钮就能更新。他说，能用对方真正在说的语言交流，是一种格外有同理心的奢侈。

Gil 问了每一位应用创业者都绕不开的问题：OpenAI 和 Anthropic 会不会直接把这一层平台能力并入模型？Taylor 把视野拉远，引用了马克·吐温的话：历史不会重演，但会押韵。他押的韵，就是过去十五年的云计算。云计算最后收敛到几家 IaaS 大厂，根子在于数据中心的重资本投入会随规模摊薄，没有哪家创业公司会理智地去自己盖数据中心、做 IaaS。他认为前沿模型也会以同样的方式集中到相对少数的公司手里，同样是因为资本开支，而不是因为它们垄断了研究人员。重资产必须尽可能多地租给人用，而不少做预训练的创业公司正发现，这笔回报的账算下来很难看。

Guo 想知道，模型公司会不会干脆并入云厂商。毕竟应用本来就跑在云上，而调用外部模型意味着多一层延迟、多一次采购，还要多一轮安全审核。Taylor 只认同其中的一半。他设想的是云厂商与大型研究实验室合作，大致就是今天的格局。至于延迟和安全，他没那么担心：大型企业本来就在用多云和 SaaS，用了二十年的软件即服务之后，它们早已不再追问底层算力从哪里来，关心的只是服务等级协议。中间一层是工具公司，也就是卖铲子的：云计算时代的代表是 Snowflake，这一波 AI 浪潮里则是 Scale AI。最上层是解决方案。大多数企业从来不想自己开发 CRM 或 ERP，总体拥有成本算下来很荒唐。客服智能体或法律智能体也是同样的道理。与其从头自己搭，不如直接与 Sierra 或 Harvey 合作。

他的检验标准很尖锐。如果每次有新模型发布，你的产品价值就缩水，那你大概算不上解决方案。你只是一个可有可无的附加组件，身处他所说的“价值的恐怖谷”，而他认为不少创业公司都带着这股味道。Sierra 的客户在一个名为 Agent OS 的平台上定义目标和护栏。模型一升级，他们只需把新模型接进来，案例解决率和客户满意度就会上升。更强的模型让平台变得更强，就像 SaaS 产品理应在底层技术进步时悄悄变好。Guo 提到，当年人们对 SQL 封装层也这么说过，但 Salesforce、Shopify 和 ServiceNow 至今仍是很好的公司。还有一个运营层面的细节：手工调好的提示词，换模型时常常失效，因为 Token 和权重咬合得很紧。大多数公司不该待在这一层，就像它们也不想操心数据库迁移一样。真正的解决方案供应商会替客户把新能力打开。

Sierra 的商业押注是按结果收费：按完成的工作收费。Taylor 认为，这可能是订阅软件之后最重要的商业模式想法。最好的 AI 公司，会把账单和客户的业务结果挂钩，这和按 Token 付费完全是两码事。他喜欢用的类比，是广告从按展示计费转向按点击计费。Guo 和 Gil 都在谷歌亲历过这种转变：归因越直接，客户就越愿意付费。AI 是软件第一次能完成可以计数的工作，比如分析了这份合同，解决了这通来电，企业应该借此对供应商提出更高的要求。

问一位 CIO，他买的软件是否带来了预期的价值，Taylor 说对方的脸色会立刻变了。过去二十年，软件宣称的生产力提升都是间接的。谁都能做一张投资回报率的幻灯片，假设每个员工的某项工作效率提高 5%；却几乎没人去核对，部门到底有没有变小。Gil 举了 Klarna 的例子：自动化客服流程之后，净推荐值和客户满意度都上去了，每位客户的处理时间缩短，团队也缩减了约 700 人。Taylor 接着点出了这个案例背后的首要价值。客户体验差，排第一位的原因是等待。你打电话过去，排在第十位，等到一位能干的人工客服接起电话，你已经很不耐烦了。这并不是在指责过去做这份工作的人，问题在于规模不匹配。AI 的优势是即时。他建议客户别想得太复杂：即时满足才是这些系统最主要的价值，其余都是锦上添花。

Guo 问，既然语音已经能用，视频数字人也已经出现，下一代人机交互是否仍然要通过手机来完成。Taylor 对过去十五年的概括是：智能手机几乎吞掉了所有相邻的设备。他不敢打包票说具体数字，但如果触摸屏占到人机交互的 90% 甚至更多，键盘和鼠标退守到专业工作领域，他也不会感到意外。在他看来，对话式界面在 GPT-4 前后越过了一个拐点，这个时间点他承认仍有争议，就像多点触控让人们放下了黑莓手机一样。多模态语音会不会重塑你口袋里的那部手机？

他的猜测是，口袋里的超级计算机会留下来，但会和 AirPods、CarPlay 以及其他抢走更多交互的模态连在一起。对智能音箱能否卷土重来，他持开放态度：2015 和 2016 年，几乎每个柜台上都摆着一台 Alexa，而更好的模型可能会让这些音箱重新变成真正的计算机。视频数字人更让他兴奋：和品牌来一场视频通话，是个很酷的想法。但他真正在意的，是 AI 能否过滤掉那一大堆推送通知，让人们不再条件反射地去拿起手机；也在意科技能否退到背景里，而不是在我们已经拥有的屏幕上再叠一层。

他最希望产品人员拿来借鉴的，是 App Store 这个类比。早期的应用就像手电筒，是对硬件的拟物化复制。后来人们开始思考，GPS 加上屏幕再加上网络还能变成什么，于是就有了 WhatsApp、Uber、Instacart 和 DoorDash。他怀疑，以对话为核心的软件现在还停留在手电筒阶段。关于人与智能体的关系，他给出的是一个理想化的回答：在合适的安全护栏之下，软件替我们行动，而我们得以活在真实的世界里，不必一直戳按钮。游戏和元宇宙仍然可以是一种正经的娱乐方式。你照样可以放下手机、摘下头显，让智能体去跑腿办事。如果这项技术成功，它的意义就在于，技术本身会悄然隐去。