上了智能体，然后呢
过去半年，找我聊智能体落地的人明显多了。
不算正式咨询，就是吃饭、喝茶、微信上聊两句那种。问的问题出奇一致：这玩意儿到底有没有用？
说“有用”的人不多。说“还行吧，但跟想的差挺远”的占了多数。还有几个直接告诉我：停了，不跑了，浪费钱。有个做电商的朋友补了一句：“倒也不是完全没用，就是跟PPT上画的不是一回事。”桌上那盘白切鸡还没吃完，他已经在算亏了多少。
有意思的是，停掉的那几个跟还在跑的几个，选的智能体供应商差不多，技术栈也差不多。跑出来的效果天差地别。
我花了些时间把聊过的案例整理了一下——大概十几家，有电商、有律所、有制造业、有几家做本地生活服务的。规模从十几人到几百人都有。整理完发现一件事：智能体在企业里干得最好的活儿，跟你最开始以为的可能完全不一样。
最好用的是把信息串起来
大部分企业上智能体的时候，脑子里想的是替代人。替代客服、替代销售、替代运营。
实际用下来，替代不了。
但有个活儿，智能体上手很快——把散落在不同地方的信息串起来。
说个例子。一家做本地生活服务的公司，团队大概80人，主要做团购对接。他们的销售出去谈商户，需要知道三件事：这个商户之前的合作记录、同类商户的报价区间、当前有没有在推的优惠活动。三条信息分别在CRM、钉钉群聊天记录、运营后台。销售每次出去之前得花半小时翻这三个地方，还不一定翻全。翻漏了，报价就可能偏高或者偏低。
他们做了一个内部用的智能体，接上这三个系统的查询接口。销售在群里@一下，问“XX商户什么情况”，智能体自动去三个系统里抓数据，拼成一段话回复。不是什么高级技术，就是把信息查一下、串一下、发出来。但这事儿之前没人干，因为跨系统查询太麻烦，销售懒得翻全，老板也管不了每个人的翻查质量。
上了智能体之后，销售出去之前那半小时省了。更实在的是，报价比之前准了——能同时看到历史价格和同类商户参考价，不会再漏那条三个月前的钉钉消息里老板说“这个商户可以多让两个点”。
另一个例子是一家律所，三十几个律师。他们用智能体做的事更简单：把律师写的法律意见书、合同审查记录、胜诉判决书里的关键信息抽出来，归到一个可检索的知识库里。以前这些信息都在各自的电脑上，有的在桌面上，有的在微信文件传输助手里。律师A写过的意见书，律师B如果没听说过就永远不知道。现在至少能搜到了。
你看，这些活儿跟“智能”没多大关系。就是查、串、发、存。但企业里到处都是这种散落的信息，没人串。
最差的是替代人做判断
跟上面那家律所同一时期，另一家律所也上了智能体。他们想做的事不一样——用智能体直接给客户做初步法律咨询。投了大概二十几万，三个月后停了。
停的原因不复杂：客户问的问题千奇百怪，智能体答不上来的太多了。答不上来就愣住，要不就编。律所不敢冒这个风险，万一编出的法律建议被客户当真了怎么办。
电商那边的情况类似。几年前就有人喊“AI客服替代人工客服”。到现在，你去淘宝问一个稍微沾点上下文的问题——比如“这件衣服跟上次我买的那件面料一样吗”——AI客服大概率回你一句“亲，请问有什么可以帮您”。它不是不想答，是真不知道“上次买的”是什么。
制造业也有例子。一家做零部件的工厂，想用智能体根据订单数据自动排产。想法不差：把订单量、库存量、机器产能、工人排班往里一算，自动出一份生产计划。上线跑了两周，厂长把方案否了。不是技术上跑不动——是排出来的计划太机械。比如某台机器前两天刚大修过，智能体不知道；某个工人的老婆要生孩子下周请假，智能体不知道；某批原料虽然库存数字够但质检出了一批不合格，智能体不知道。这些信息在厂长的脑子里、在微信群里、在车间白板上，唯独不在系统里。
我观察下来，智能体在企业里有一个很难跨过去的坎：它能处理的信息，必须已经变成了系统里的数据。而企业里大量真实信息——特别是涉及判断的那些——根本没数字化。
这就出来一个挺反直觉的事：智能体最能替代的不是“判断型工作”，是“查找型工作”。那些你知道答案在哪、但懒得去找的事。至于得综合上下文、得靠经验、得靠“感觉”的判断，离替代还早。
做对了什么
效果好的那几家，做法上有一个共同点：从具体的瓶颈切入，不上“大平台”。
那个本地生活公司做的智能体，功能范围窄得不能再窄了——查三个系统的数据然后拼成一段话。前端就是一个群聊@机器人。没有管理后台，没有数据看板，没有权限系统。但他们解决了一个真实存在的小问题。
对比那些效果不好的。
效果不好的那些，一开始的规划一般是：我们要做一个企业级智能体平台，接入所有系统，覆盖所有场景，先上客服，再上销售，然后运营，最后管理层决策。PPT做得很漂亮，饼画得圆。
这种规划的问题在哪呢。不是技术上做不了，是你连一个具体场景都没跑通过，就开始规划全公司的智能化改造。跟先买地再想盖什么楼差不多。
效果好的企业还有一个特征：老板自己懂一点技术，或者至少有个懂技术的人在核心决策层里。不是写代码那种懂——是知道智能体能干什么、不能干什么，知道哪些问题适合丢给智能体、哪些问题换别的办法更靠谱。
那个本地生活公司的CTO跟我说了一句话：“我们不是用AI改造公司，就是拿AI当个工具，哪个活干着累，先用AI试一下。不行就换别的办法。没有哪个投资人因为我们没用AI扣我们估值。”
“先试一下”和“不行就换”——对技术的诚实。不神化，也不抵触。就当个工具用。这种心态，有时候比技术本身管用。
高估了智商，低估了勤快
聊完这么多家之后，我有一个感觉：市场对智能体的期待，跟它实际能干的活之间，有错位。
我们期待智能体像一个聪明的新员工——理解业务、能判断、会决策。
实际上它更像一个超级勤快的实习生——你说查什么它查什么，查到的东西拼起来给你。它分不清哪些信息重要、哪些是噪音，更不会跟你说“老板，这个方向可能不对”。但它不累、不烦、不漏。
这个比喻不一定完全贴切，但方向差不多。我们高估了智能体的“智能”，低估了它的“勤快”。
勤快有用吗？在企业场景里，太有用了。一个律师花半小时翻历史意见书，一个销售花半小时翻三个系统，一个客服花五分钟查上次聊天记录——这些时间单个看不长，全公司一年加起来，很吓人。智能体把这些“低价值但高频”的查找型工作吃掉，人去做真正需要动脑子的事。
所以智能体现在最能产生价值的地方，不是在大模型发布会上那些“惊艳对话”，是在企业日常运营里那些没人关注的信息死角。
但我有个问题没想清楚。
如果智能体吃掉的是“查找型工作”，它带来的就是效率提升。效率提升能不能覆盖部署成本？对80人的团队来说能——每天省半小时，一个月就省出上百个工时。但对20人的小团队，部署一个智能体的固定成本可能就划不来了。这个平衡点在哪，我现在还说不准。
最后
写到这儿我发现这篇文章没什么激动人心的结论。没有“智能体将改变一切”，也没有“智能体不过如此”。
我看到的现实：它确实有用，但有用在很具体、很窄的地方。那种“上一个智能体平台解决所有问题”的说法，到目前为止还是PPT里的东西。
几个月前有个朋友问我：上不上智能体？我当时说“先想清楚要解决什么问题”。现在我的回答改了——
“先找一个你团队里每天在骂的、跟信息查找有关的活。用智能体试一下。不行就关掉，损失不大。行的话，再想下一步。”
这个建议不够性感。但它能让你不白花三十万。
