“AI的价值，不在于消耗多少Token，而在于创造多少业务结果
不久前落幕的2026世界人工智能大会（WAIC）上，Agent依然是最热门的话题之一。但与年初全民尝鲜“养虾”“养马”的热闹相比，这股热潮正迅速回归产业本身，企业如今关心的，不仅是智能体能干什么，而是AI究竟能否真正创造业务增量。
7月20日，容联云在2026世界人工智能大会期间举办“协同进化·价值共生——企业级Agent的进化与商业化落地”主题论坛，邀请多点数智、上海农商银行、纭算科技、e签宝等企业，共同分享Agent在真实业务中的落地实践。相比展台上的产品展示，这场论坛试图回答一个更关键的问题：当Agent进入企业，它究竟能否带来业务价值？
中关村数智人工智能产业联盟副理事长、秘书长贾昊在开场时表示：“潮水退去始见礁石，热度退去方显真章。”在他看来，Agent进入企业之后，需要跨越两道门槛：从“演示可用”走向“生产可用”，以及建立可持续的商业闭环。
随后发布的《2026全球AI商业落地价值洞察报告》则进一步提出“Value per Token（VPT）”评价标准：企业不仅要计算AI消耗了多少Token，更要衡量每个Token创造了多少生产力。
来源：《2026全球AI商业落地价值洞察报告》
这也切中了容联云此次论坛的核心命题：让AI从能力走向生产力。对于长期深耕企业通信、客服和营销场景的容联云而言，关键并不在于推出多少Agent，而在于如何让Agent真正融入业务流程，实现有效的人机协同，并将AI能力持续转化为可衡量、可复制的业务结果。
技术能力不等于生产力Agent落地卡点在哪儿？容联云进入大模型应用和Agent领域，并非从零起步。作为长期服务企业通信、呼叫中心和客户联络场景的厂商，其业务连接大量客服、电销和营销坐席，也积累了丰富的行业经验、场景理解和业务数据处理能力。相比其他厂商，容联云的优势不在参数规模，而在于对企业业务流程的理解，以及将AI嵌入真实工作场景的能力。
从发展路径看，容联云于2023年先后推出赤兔大模型和容犀Copilot，2024年拓展大模型应用，2025年探索数据分析与决策智能体。2026年，容联云进一步推动Agent从工具能力走向业务价值交付，正式推出Voice Agent、私域运营Agent等多款场景化业务Agent，深度融入智慧联络平台，为企业客户提供可直接衡量产出结果的智能体服务。
容联云产研中心副总经理唐兴才将这一过程概括为：从“Copilot”到“任务式Agent”、“协作式Agent”，再到“Agent业务闭环”四阶段。背后反映的是Agent角色的变化：从辅助员工的工具，逐渐成为能够参与业务流程的智能主体。
容联云产研中心副总经理唐兴才，来源：容联云
但技术能力的提升，并不会自然转化为企业生产力。唐兴才援引多组行业数据指出，尽管企业对AI的投入不断增长，真正将Agent推入生产环境，并获得业务明显改善的企业仍然有限；部分企业还面临Token消耗增长快于实际收益提升的问题。
在容联云看来，Agent从“能力”走向“生产力”，中间至少存在三道关键门槛。
来源：容联云
第一道门槛是数据孤岛。Agent并非独立运行，它需要与企业内部的CRM、工单、财务、知识库等系统打通。但现实中，这些系统往往面向人类操作设计，并存在数据口径不统一、权限体系割裂等问题，导致Agent难以理解订单、合同、客户画像等业务对象的真实含义。
对此，容联云提出在Agent与业务系统之间构建业务语义层，将企业数据、业务规则和操作能力封装为Agent可理解、可调用的能力，并进一步连接查询、触达、派单、审批和结果回写等操作，让Agent不仅能够获取信息，更能够理解业务逻辑并参与流程执行。
第二道门槛是人机协同。不少企业引入Agent时，只是在原有系统旁增加一个聊天窗口，并未真正改变工作流程。容联云观察到，这种方式容易造成Agent与员工之间衔接不畅，反而影响工作效率，甚至导致业务机会流失。
容联云提出的人机协同原则是，基于企业原有业务流程，重新划分Agent自主执行、辅助决策与人工负责的边界，让Agent自然融入业务，而不是让业务迁就Agent。在客服工作台中，Agent参与信息识别、流程推进和决策辅助，让坐席从“背话术”转向“审核决策”；在协呼场景中，Agent负责规模化触达和线索筛选，员工则在关键节点介入，完成复杂沟通与业务转化。
来源：容联云
第三道门槛是业务闭环。许多Agent能够完成总结、生成文案或回答问题，却无法对完整业务结果负责。例如，它可以判断销售线索的潜在价值，却未必能够继续完成客户联系、需求确认、任务分配、成交跟进和结果记录，缺少这些环节，Agent交付的仍然是单点能力，而不是完整业务结果。
容联云的解法，是将行业经验转化为可执行的业务流程和Agent Skill，让Agent从提供建议进一步走向任务执行。例如，汽车线索运营需要覆盖从线索获取、客户判断，到销售跟进和结果反馈的完整流程；私域运营则需要根据客户需求持续调整策略，推动用户从触达到复购。
上海农商银行的实践也验证了这一趋势。该行将八类智能体嵌入需求、分析、设计、开发、测试、部署和投产等环节，并通过Skills沉淀不同项目经验，说明Agent只有进入完整业务流程，才能真正成为企业作业体系的一部分。
因此，企业级Agent落地的关键，已经不是增加一个对话入口，而是让Agent融入企业流程，并对结果负责。完成这一转变，Agent才可能从一项技术能力转化为生产力。
AI Agent应该能接受业务KPI考核如果Agent要对业务结果负责，那么企业首先需要回答一个问题：用什么标准衡量它的价值？
传统AI产品通常以识别准确率、响应速度、语音自然度等技术指标评价其效果。这些指标依然重要，但对于企业而言远远不够。一个识别率很高的Agent，如果不能带来订单增长、提升工单处理效率，或改善客户体验，企业依然无法回答最核心的问题：引入AI之后，业务究竟有没有变好？
容联云在演讲中以信用卡外呼营销为例。假设Agent的识别准确率达到95%，一天触达850名客户，最终仅有19人成功提交申请，有效进件率约为2%。这意味着，95%的识别准确率，只能证明Agent完成了某个技术环节，真正决定其价值的，还要看有效申请和实际转化。
也正因如此，Agent的评价体系需要从技术指标延伸到业务指标。容联云提出，应围绕业务闭环构建工程化能力：将行业知识注入Agent体系，为不同Agent设定明确的业务目标，并像考核人工坐席一样进行评价。无论是订单转化率、工单处理时长、运营覆盖人数，还是GMV贡献，都应成为衡量Agent价值的重要指标。
来源：容联云
多点数智副总裁张宇在论坛上也提到，过去零售企业采购数字化系统时，关注的是软件具备哪些功能；如今，客户更直接地询问系统能否提升销量和利润、降低生鲜损耗、改善库存周转。企业购买的已经不只是工具，而是改善经营结果的能力。
他举了一个真实案例：一位客户要求Agent策划成都春熙路门店的踏春季主题选品，其包含200个SKU，目标毛利率18%。这一任务远不只是生成一份选品清单，而是需要完成门店分析、客群洞察、定价、供应链验证、销售追踪等完整业务流程。
这也揭示了企业级Agent与普通AI助手的根本区别。后者往往在生成一个答案后就结束，而前者则需要持续推动任务执行，并根据业务结果不断反馈、优化，最终对经营目标负责。
与此同时，当Agent开始深入业务，模型的随机性也成为企业必须面对的问题。传统软件按照预设规则运行，相同输入通常对应相同结果；而大模型的输出具有一定概率性，模型升级、Prompt调整或上下文变化，都可能导致结果波动。对于金融、客服、营销等企业场景而言，这种不确定性必须得到有效控制。
容联云对此提出了一套分层治理思路：开放式对话主要依靠Prompt引导；边界明确的任务通过Skill进行约束；涉及复杂流程和高合规要求的业务，则交由工作流与编排引擎来控制执行顺序和操作边界。同时，质检Agent、风险监控和熔断机制负责实时发现异常并及时介入，保障业务稳定运行。
来源：容联云
这也意味着，AI从能力走向生产力，不只是让Agent能做事，更要让它具备稳定交付结果的能力，背后需要数据、执行、约束和评价等体系共同支撑，只有这样，Agent才有可能像员工一样接受KPI考核，并持续创造可衡量的生产价值。
两款Agent发布容联云寻找可计算的生产力场景面对企业级Agent市场，容联云没有选择做基础模型，也没有追求覆盖所有行业的通用平台，而是聚焦能够验证业务价值的场景。
容联云大模型产品负责人彭波表示，容联云正以场景型Agent为重点，优先进入人力密集、任务高频、流程相对明确且经营结果可量化的垂直领域。这一选择源于容联云长期深耕企业通信、呼叫中心、在线客服和营销等场景，积累了丰富的行业经验、业务流程理解，以及两万多家企业客户和数十万线上、线下坐席的实践基础。
容联云大模型产品负责人彭波，来源：容联云
基于这一判断，容联云此次重点发布了Voice Agent和私域运营Agent。这两个场景都有着共同特点：人力投入高、业务频次高、流程相对标准化，且经营结果能够被量化验证，因此更容易将AI能力转化为可计算的生产力。
Voice Agent：从自动对话走向业务执行
传统语音机器人并不新鲜，但过去的产品大多依赖固定话术和流程树。用户一旦偏离预设问题，机器人往往只能机械重复，难以根据语境和情绪动态调整沟通策略。
容联云此次发布的Voice Agent，具备全维感知、策略生成、情感计算、自主执行和持续学习等能力。Agent能够在通话前结合客户画像生成沟通策略，通话过程中实时识别用户意图、情绪和语气变化，动态调整沟通方式，并在任务结束后复盘对话，将有效经验持续沉淀至策略库。
在论坛现场的催收场景演示中，Voice Agent展示了多Agent协同能力。一位模拟债务人不断质疑罚息计算，并要求转接主管，Agent识别用户情绪和诉求后，自动升级至催收主管Agent继续沟通；当仍无法解决时，再转接人工坐席。整个过程体现的并非一个Agent包办所有工作，而是不同角色Agent与人工之间的协同完成业务。
来源：容联云
容联云披露，Voice Agent已在相关业务场景形成较大规模应用。催收场景日均通话量超过2万通，业务完成率94%；相比人工坐席每月5-8千元的人力成本，Voice Agent运行成本只要2-3千元，同时避免了培训周期长、情绪波动和经验流失等问题。
相比这些数据，更值得关注的是评价方式的变化：Voice Agent不再只是证明“是否听得懂、说得像不像人”，而是开始接受回款率、转化率和单位成本等业务指标的检验。
在群访中，容联云表示，语音场景仍将是下一阶段重点投入方向。这不仅源于公司长期积累的行业经验，也因为客服、营销等领域仍存在大量高频、标准化业务，更适合Agent深度参与。对于容联云而言，Voice Agent的价值，不在于替代一个坐席，而在于让Agent具备进入其核心体系的能力。
私域运营Agent：从批量触达走向“一客一策”
与语音服务类似，企业私域运营长期依赖人工。随着客户数量不断增长，运营人员很难兼顾每位客户的购买周期、兴趣偏好和复购需求，简单的群发工具虽然扩大了触达范围，却难以实现真正的个性化运营。
容联云的私域运营Agent，希望让AI承担更完整的客户经营任务。产品连接CRM、交易记录、用户行为、公众号、小程序和企微等数据，建立动态用户画像，再结合客户需求、商品属性和经营目标，实现从“批量触达”到“一客一策”的运营方式转变。
来源：容联云
彭波举了一个大健康场景的例子：客户购买了一款鱼油，周期为三个月。Agent会根据购买时间和使用周期，在客户吃到约1.5个月时评估效果并触发复购策略；如果客户反馈“睡眠不好”，Agent还能自动推荐相关膳食补充剂并推送定制化内容。
在这一过程中，Agent承担的已不仅是内容生成，而是贯穿客户洞察、策略制定、精准触达、反馈分析和效果归因等完整经营流程，实现从客户洞察到经营结果的闭环。
容联云披露，相关私域运营案例已覆盖超过8万名客户，月度经营规模GMV超120万，经营规模同比增长87%。尽管这些数据仍需结合行业特点和统计口径进一步理解，但至少说明，私域运营Agent的评价标准，已经从“发了多少消息”转向“带来了多少复购和经营增长”。
Voice Agent和私域运营Agent所代表的，是容联云同一条产品路线：它们不追求通用Agent的“大而全”，而是选择业务流程可拆解、KPI可衡量的场景，让Agent能够承接相对完整的业务模块。
在这些场景中，AI首先提供了一种基础能力，理解用户需求、判断沟通状态、辅助制定策略和执行任务；只有当这些能力进入业务流程，并最终改善回款率、转化率、复购率或GMV等经营指标，才能真正转化为企业生产力。
来源：容联云
企业未来购买的不再是Token而是业务结果当Agent开始承担业务结果，AI的商业模式也将随之改变。当前，行业普遍按照Token用量、软件账号或项目模块收费，但这些方式衡量的仍是AI资源的使用规模，而非创造的实际价值。随着企业开始关注“Value per Token”，未来客户购买的重点也将从“用了多少AI”，转向“AI带来了什么结果”。
容联云解决方案中心总经理闫玉华在论坛的圆桌环节中透露，公司正在探索以业务结果为导向的付费模式：客服场景看工单处理效率；营销场景看线索转化率；催收场景看回款率；私域运营则看复购率和GMV贡献；对于结果清晰、归因明确的业务，还可以进一步探索收益分成。
当然，这种模式并非适用于所有场景。容联云认为，现阶段更容易形成价值闭环的主要有两类：一类是重复劳动密集、人力成本较高，降本效果可以直接衡量；另一类是Agent直接参与创收，经营结果能够清晰量化。
这也解释了容联云为何优先布局语音服务、客户运营和营销转化。这些场景既拥有成熟的业务流程和大量人工环节，又具备明确的经营指标，因此更容易验证Agent创造的生产力，也更适合作为企业级Agent商业化落地的突破口。
从Token付费走向按结果付费，改变的不只是一种计价方式，企业购买的不再只是模型调用或软件功能，而是能够持续创造经营结果的数字生产力，Agent厂商也需要从技术供应商进一步转向结果交付者，承担持续运营、模型成本与效果风险。
从更长周期来看，企业级Agent带来的变化，本质上是企业寻找下一阶段增长动能的重要机遇。在企业增长承压、效率竞争加剧的背景下，AI Agent正在推动企业探索人与机器协同的新方式，释放新的组织能力。未来的领先者，将属于那些能够率先完成这一转变的企业。
文：陆易斯 / 数据猿责编：凝视深空 / 数据猿恒正网配资提示：文章来自网络，不代表本站观点。
