AI Agent從通才走向專才。

作者｜云凡

編輯｜栗子

AI Agent正迎來它的“祛魅”時刻：市場的關注焦點，從“模型有多大”轉向“業務有多懂”。

當行業發現，僅靠一個參數龐大的通用大模型無法有效解決業務中的難題時，最初的喧囂開始沉淀，真正的競賽拉開帷幕。

甲子光年智庫分析，隨著企業依賴度的加深，AI Agent的角色已超越輔助工具，進階為能夠獨立執行任務的“數字員工”。這一根本轉變，正重塑人機協作的邊界與模式。

也正因為如此，AI Agent究竟能為企業帶來多少效率的實質提升，能否在業務場景中真正落地，成為衡量Agent的關鍵指標。

圖片來源：甲子光年智庫《中國AI Agent行業研究報告（二）》

通用型Agent致力于成為多任務處理平臺，通過工具協同在數據、網頁、金融等領域展現優勢，更偏向研究型定位。然而在to B領域，則需要深度垂直才能創造業務價值。

以營銷場景為例，只有深度融入業務流程、數據鏈路和具體情境，才能形成價值閉環。比如眾安信科的AI外呼助理Agent，提供從觸發方式、話術合成到用戶旅程的一站式觸達解決方案，并自動生成跟進任務。這種與業務系統的高度融合，是通用型Agent難以實現的。

本質上，這是一場讓AI從錦上添花的工具，蛻變為驅動業務增長核心引擎的深刻實踐。

1.從模型狂歡到場景求真：AI Agent的“祛魅”之旅

回顧AI Agent從去年至今的行業演變，一條清晰的演變軌跡浮現出來：行業經歷了一場從技術迷戀到價值追尋的“祛魅”過程，正在告別對模型能力的盲目樂觀，步入更加務實的落地探索階段。

這場“祛魅”之旅，首先是對“單點任務即智能”認知的破除。

去年，當行業還沉浸在“AI能做什么”的想象中時，那些能夠完成文檔生成、圖片解析、語音合成等單一任務的產品就被冠以Agent（智能體）之名。

然而，隨著實踐的深入，行業很快發現，這類功能雖然展示效果令人驚艷，但難以承擔企業核心業務的重任。也就是說，它們表面上生成內容流暢自然，但仔細看會有很多事實幻覺與邏輯缺陷，就好像精美的外殼下缺乏堅實的骨架。

更深層次的“祛魅”，發生在對AI Agent角色定位的重新認知上。

盡管早期大家常將AI Agent暢想為無所不能的“超級員工”，但唯有實踐出真知，在現實層面，企業級應用場景作為關鍵的試驗場，對Agent的可靠性提出了苛刻的要求。

在企業的財務報銷、供應鏈管理等業務流程中，AI Agent必須實現零失誤，任何細微的差錯都可能引發連鎖反應，造成實際損失。

這種理想與現實的落差，促使行業從追逐技術興奮感轉向追尋商業價值感。

行業的探討不再滿足于回答“AI Agent是什么”，而是開始深入追問：AI Agent究竟能在企業的核心業務中扮演怎樣的角色？創造怎樣的價值？

在「甲子光年」看來，推動這場“祛魅”的關鍵轉折，來自于兩個方向的合力。

一方面，以DeepSeek為代表的大模型實現破圈，激發了各行各業將AI與業務結合的熱情。

但另一方面，當AI Agent真正走入B端業務深處，行業也迅速從技術好奇中冷靜下來。

企業發現，那些擅長單點任務、演示效果亮眼的AI工具，一旦放到真實的業務場景中，往往顯得脆弱而孤立。行業開始提出核心需求：真正的智能體不應只是完成單點任務的工具，而應該像一個懂業務、能協作、會做復雜判斷的伙伴。

這就意味著，做一個真正能打的企業級AI Agent，遠不止調用一個大模型接口那么簡單。關鍵是怎么把AI那種“什么都會一點”的通才能力，變成能解決具體業務問題的專才。

這感覺就像，你要把一個天賦不錯的大學生，培養成某個領域的專家——得給他注入幾種關鍵養分：對業務的深刻理解，知道痛點在哪、流程怎么跑；扎實的專業知識，讓他有判斷的依據；還要有靠譜的系統能力，保證他在復雜環境里穩定工作。

在這個過程中，B端客戶面臨的核心痛點也浮出水面。

多數企業開始意識到，自身獨有的業務知識，是AI Agent能否創造價值的決定性因素，但問題來了，這些經驗往往藏在老員工的腦子里，是一種“只可意會”的感覺，是依賴具體情境的判斷，是模糊但重要的決策邏輯……這些東西，要怎么系統地提煉出來，變成AI Agent能理解、能運用的知識？

這道橫亙在“模糊的業務經驗”與“清晰的計算邏輯”之間的鴻溝，成了當前階段企業級Agent市場最普遍也最棘手的挑戰。

不過，換個角度看，它也因此定義了確定性的市場機遇——誰能夠率先填平這道橫亙在技術與業務需求之間的這道鴻溝，幫助企業將散落的業務智慧“編碼”為AI可理解、可運用的能力，誰就能在未來的競爭中占據制高點。

2.價值歸真：鍛造“咨詢級理解”的超級智能體

「甲子光年」注意到，2023年，當一眾科技公司開啟“百模大戰”，選擇押注通用大模型研發時，眾安信科就做了這樣一個關鍵的戰略選擇：避開與科技巨頭在通用大模型領域的正面競爭，轉而深耕企業級場景的實際痛點。

這一定位在今天的Agent應用落地階段仍然具有前瞻性。

通過將技術與企業流程深度融合，眾安信科構建了一個獨特的“業務-知識-模型”閉環體系。這種閉環的優勢在于，它需要持續積累領域知識、優化決策流程，這使得通用大模型廠商難以在短期內復制。這也是我們常說的“知識工程”。

可以確定的是，“知識工程”并不是簡單的數據整理，而是一次徹底的業務知識重構。

具體來說，眾安信科的知識工程主要包括以下環節：先是從多源頭知識萃取，到利用模型進行數據清洗與蒸餾生成高質量知識；再從知識庫完成高精度檢索排序，將結果返回業務端；最后通過對返回知識的效果評估，根據業務反饋更新知識庫。

這一套知識工程的深層價值在于，它將眾安在多年業務實踐以及服務客戶的一線經驗中積累的多場景、全鏈路業務資產，系統性地轉化為了“AI可解析、可進化、可運營的知識閉環”。

每經歷一個新的業務場景，每伴隨一次業務的自然發展，其知識積累就深厚一層，超級智能體也就變得更加智慧。

在推動Agent快速應用的過程中，眾安信科的理念務實而落地。

眾安信科董事長王敏表示，“AI正在驅動一場深遠的行業結構性變革。我們認為，商業價值的核心不再局限于軟件工具本身，而是越來越多地體現在通過AI直接交付業務成果。未來的競爭，是擁有‘行業大腦’的智能體之間效率與精準度的競爭?！?/p>

理念下沉到場景中，「甲子光年」觀察到，眾安信科的AI超級助理系列Agent正在嵌入到企業經營的前中后全鏈路，將傳統人力“外包”給AI智能，為企業提供批量化、標準化的超級個體，來實現業務價值的規?；a出。

在營銷場景，眾安信科的AI私域運營助理和智能推薦官等Agent，為保險公司、銀行和零售品牌方構建兩大核心能力：一是對客戶進行全生命周期的精細化運營，二是精準推薦產品，從而實現高效轉化與業務增長。而在理賠核保環節，眾安信科的AI理賠助理則專注于提升效率，力求實現“秒級結案”的極致體驗。

也就是說，眾安信科為每個Agent都設定了明確的業務指標，并圍繞這些指標持續迭代，確保企業能夠真切感受到Agent對業務的理解。

就拿眾安信科AI外呼助理Agent來說，眾安信科打造的是一個覆蓋全鏈路的解決方案。

除了核心的語音識別與合成技術，眾安信科還整合了通信線路資源，并在持續運營中積累了三大核心資產：不斷豐富的用戶意圖庫、由優秀客服對話沉淀而來的話術庫，以及多樣化的音色庫。

在實際通話過程中，系統能夠根據用戶的身份特征自動匹配最合適的話術和音色，并實時捕捉用戶意圖，動態調整對話策略。這種“開箱即用”的模式，極大地降低了企業的啟動門檻，實際效果也超過單一、孤立的語音工具。

AI外呼助理不僅能夠進行流暢的多輪對話，還能準確理解上下文關聯，甚至捕捉對話中的“弦外之音”。也就是說，眾安信科AI外呼助理展現出的理解與交互能力，已經從機械的“對話”升華為具備業務洞察的“溝通”。

一組數據證明了AI外呼助理對企業增長的貢獻：系統僅需3天就能完成話術與音色的精準調優并快速投入實戰，憑借高達98%的意圖識別準確率與覆蓋400多個全場景的意圖庫，它能夠精準把握每一次對話脈絡；最終，在營銷場景中實現轉化率提升10%以上，在催收場景中成功將還款率提升15%。

與此同時，眾安信科還提出了“咨詢級理解”的概念：設身處地為客戶著想，為客戶提供一攬子AI系統化解決方案，做好長期陪跑準備，而不是追求短期項目的快速交付。

以北京一財產險公司合作為例，眾安信科提供的是從戰略到落地的全鏈路AI體系建設服務，涵蓋頂層AI規劃、底層模型選型與路由策略、精細化算力優化，到中層AI中臺的搭建，最終在上層落地賦能一線業務的智能體應用。

這是一個典型的長周期、系統性工程。

在此過程中，端到端的技術交付只是第一步，更關鍵的價值在于：通過長期的業務調研與實戰磨合，眾安信科如同一位內部的“觀察者”，持續為企業輸出具有咨詢水準的洞見與策略，最終目的是將體系化建設與運營AI的能力，徹底內化于客戶的組織之中。

另一個上海財產險公司的項目則更聚焦代理人賦能場景。

在該合作中，眾安信科為代理人量身打造了集成了AI語音能力的智能助理。該助理對內可作為“語音協作者”，通過自然對話幫助代理人處理信息查詢、日程規劃等工作；對外則作為“語音觸達端”，以專業的語音話術直接聯系用戶，完成初步溝通。所有技術建設都緊密圍繞一個核心：通過提升代理人與用戶的連接效率，最終轉化為保費收入的實質性增長。

從產業視角看，眾安信科的實踐提供了一個有價值的樣本：在企業級AI市場，對業務本質的深刻理解可能比模型參數規模更具決定性。

當大模型的光環逐漸褪去，AI Agent的“祛魅”時刻，正是其價值“歸真”的起點。

眾安信科提出的“長期陪跑”理念，也反映了企業級AI市場的本質需求：人工智能技術的價值最終必須通過業務成果來體現。在這個過程中，既需要技術的前瞻性，又需要對業務場景的深刻理解，還需要工程化實施的耐心。

在這場關于AI Agent的馬拉松中，真正的贏家并非那些起跑最快、聲音最響的玩家，而是那些能夠沉入業務深水區、理解行業細微脈動、并具備強大工程化能力的長期主義者。

這也預示著，未來企業級AI市場的競爭格局可能會更加多元化，不同的參與者將在各自擅長的領域構建獨特的競爭優勢。

3.升維戰略：從單點工具到協同生態的護城河

當然，眾安信科作為一家新興的AI企業，也受到過質疑。

在與一家銀行交流時，對方IT負責人開門見山：“現在各家AI中臺的功能看起來都差不多，你們的知識庫設計有什么特別之處？為什么要把思考鏈作為核心？配置靈活性真的那么重要嗎？”

這些直指核心的問題，揭示了當前企業級AI市場面臨的同質化困境。

而眾安信科的回應，也道出了他們對于AI Agent在B端市場落地的獨特理解：破局的關鍵，就在于一種將技術“翻譯”為業務價值的扎實能力。

當前的企業級AI市場，表面功能繁花似錦，內里卻暗藏危機。無數廠商提供著功能清單看似雷同的AI中臺、知識庫和智能助手，這種“你有我都有”的競爭格局，恰恰暴露了行業的核心矛盾：標準化的、普適的技術能力，與千差萬別、動態演進的業務需求之間，存在一道巨大的“理解鴻溝”。

眾安信科CEO郁鋒對此表示：“我們專注解決AI落地的‘最后一公里’問題：不另鑄通用大模型，而是把業務實戰中淬煉出的鐵塊重新精煉、鍛打、組裝，使其更加貼合業務形態。讓我們的方案既享大廠級成本效率，又具專家級精準度，真正做到低成本與高標準兼得?！?/p>

這樣做的直接價值，在于為企業實現了成本與效果的極致平衡：企業無需承擔從零訓練大模型的巨額成本和漫長周期，卻能獲得深度契合自身業務場景、具備“專家級”精準判斷的專屬能力。

值得注意的是，即使底層大模型技術飛速更新迭代，企業級獨有的業務知識依然是決定AI Agent價值的關鍵因素。這些知識需要在真實商業環境中長期沉淀與積累。而眾安信科的做法是選擇和客戶與市場站在一起。

據了解，眾安信科已經構建完成這套體系并形成了正向循環的數據閉環，這為企業客戶節省了大量的前期探索與投入成本。隨著時間推移，這道護城河只會不斷加深，即便技術方法論被外界所知，所需的積累與深挖過程也漫長而艱巨。

理解了破局的方向，一個更關鍵的問題隨之浮現：如何將這一宏大的理念，轉化為可執行、可復制、可規?；姆椒ㄕ摚?/p>

眾安信科的答案清晰而堅定：將項目實踐中積累的、分散在不同專家頭腦中的行業經驗，持續地、系統地進行沉淀、提純，并最終固化為一套統一的、可操作的“思考鏈”和標準作業流程。

本質上，眾安信科做的是“經驗標準化”的工作：它將來自不同項目的、分散的人員經驗，固化為一套統一的操作流程（SOP）。這就像搭建起一座“智能體工廠”，能夠在相對標準化的流水線上，為不同業務場景批量且高效地“生產”出適用的智能體。

這套高度系統化的方法論，賦予了眾安信科跨行業快速拓展的潛力與底氣。

一位行業從業者向「甲子光年」透露，眾安信科已在保險行業打開局面，以此為基點，其業務觸角正持續延伸，逐步進入對風控、合規和服務要求都極為嚴苛的銀行、信托、消費金融、證券等領域，乃至向更廣闊的零售世界探路。

而在這樣的企業級AI市場，一個頗具啟示性的現象顯現：眾安信科客戶最青睞的并非某個單一功能，而是一種更高維度的能力，即協同化生態。

這并非偶然，而是深刻反映了現代企業工作流的本質：任何有意義的業務流程，本質上都是多個角色、多個系統在復雜場景中交織協作的產物。在如此錯綜復雜的運作體系中，任何單點技術的突破，若不能融入整體，其價值都將被稀釋，難以帶來整體效率的質變與商業模式的升級。

眾安信科對這一趨勢的洞察，直接體現為其構建的豐富產品矩陣。

其AI超級助理系列是一個包含外呼助理、私域運營助理、智能陪練、保險代理人助理、分析師、質檢、催收、素材智審等在內的“智能體軍團”。真正的競爭力，正來自于這些智能體之間像精密齒輪一樣相互咬合、協同運作所產生的系統之力。

其中，AI私域運營助理與AI外呼助理構成的A2A閉環，是一個典范。

在這個精心設計的協同架構中，企微端的智能體扮演著“關系維護者”的長期角色，通過日?；映掷m沉淀精細的用戶畫像；而AI語音端的外呼智能體則化身為“機會開拓者”，負責在關鍵節點進行精準的銷售觸達與轉化。

這意味著，用戶在企微端一次不經意的點擊或咨詢，都可能實時轉化為外呼通話中更具針對性的關懷話術與產品推薦。這種協同，將傳統的“觸達-轉化”單向鏈條，重構為一個以用戶為中心的、深度互動的、持續優化的價值閉環。

另一個極具代表性的場景是AI質檢助理與AI客服助理的實時聯動。

它重塑了傳統的質量管理流程：當質檢系統在實時通話中檢測到坐席出現潛在違規行為或表述不當時，警告信息與修正指導會即刻推送到該坐席的工作界面。

這實現了一種“伴隨式”的智能督導，讓坐席能在問題發生的瞬間獲得支持并即時調整，將管理干預從滯后數小時甚至數天的“事后復盤”，前置為“事中校正”。整個過程無需人工介入，不僅大幅提升了管理效率，更在無形中構建了一個持續進化、自我優化的運營體系。

這種多智能體協同的方案，其優勢已遠超單體智能體在單一任務上的效率提升。它標志著企業級AI的競爭維度，正從“功能點”的競爭，躍遷至“系統架構”與“生態協同能力”的競爭。其帶來的價值是立體的：一方面是直接可見的業務轉化效果提升；另一方面，通過打通數據孤島、優化工作流，構建了一種更具韌性與適應性的智能運營范式。

當超級智能體真正開始懂行，當多個智能體能夠協同工作形成生態，人工智能在企業級市場的偉大征程，才算是剛剛揭開了它的序幕。

這條路漫長且充滿挑戰，但正是這種從“工具提供者”到“生態構建者”的維度升級，定義了下一代企業級AI服務的競爭格局，也推動著整個行業向更深入、更務實的方向發展。

（封面圖來源：AI生成，文中圖片來源：眾安信科）