第一批会赚钱的AI员工上岗：月GMV120万 | 直击2026世界人工智能大会

作者 | 铅笔道 惜文

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