企业开始用新的方式衡量AI。

过去两年，市场的注意力更多集中在模型参数、榜单排名和通用能力上。随着智能体进入业务流程，企业需要回答的问题变得更加具体：AI能够承担什么工作，能否稳定完成任务，投入能否转化为可持续的业务回报？

Gartner曾在报告中提出，到2026年底，40%的企业级应用将集成任务型AI智能体。但应用的不断渗透，并不意味着规模化落地已经完成。麦肯锡《2025年全球人工智能调查》显示，23%的受访者表示所在组织正在至少一个业务职能中扩大智能体部署，另有39%表示已开始试验。即使在扩大部署的组织中，多数也仅涉及一至两个职能。

这揭示出企业级AI正在跨越的一道门槛：不仅取决于模型，也取决于业务流程、交付体系和商业模式能否同步调整。

百融智能（6608.HK）的实践，为观察这一变化提供了一个样本。据介绍，目前百融智能已部署超过20万名硅基员工，在证券、保险、航空、物流等行业承担具体工作，并以AICC为切入口，探索企业级智能体的规模化落地路径。

企业正在重新定义AI的交付标准

百融智能将拥有明确岗位、能够调用企业系统、独立完成任务并接受结果考核的智能体称为“硅基员工”。硅基员工带来的变化，首先发生在企业购买和使用AI的方式上。

当AI主要承担内容生成、信息检索等辅助任务时，企业关注的是工具能否帮助员工节省时间。当AI开始处理客户咨询、调用业务系统、推进工单流转，评价标准就需要进一步延伸：交付单位由一个软件功能，逐渐转向一项能够验收的工作。

从百融的应用实践看，硅基员工目前主要围绕三类能力展开：通过文字或语音完成自然交互，处理文档、音频、视频和图片等非结构化信息，以及围绕业务目标编排流程、选择动作并持续纠偏。三类能力结合，才有可能把一次对话转化为一项完整服务。

例如，客户询问物流进度，AI需要核实订单信息、识别异常状态、判断处理路径，并在权限范围内调用系统推进后续操作。即理解问题只是AI执行任务的起点，能否将问题有效解决才是岗位能力的体现。

这一变化也让企业积累的知识和经验有了新的使用方式。过去，一套成熟的服务方法往往依附于员工个人，而在智能体时代，标准化的知识、流程和操作规则将可能被沉淀为可重复调用的工作能力。

但这并非接入模型就能自动实现。对于传统企业而言，从边界清晰、结果可衡量的岗位切入，在真实生产环境中检验质量、成本和稳定性，是一条更具可操作性的转型路径。

AICC将成为生产验证的重要场景

根据Gartner于今年8月发布的一项调查报告，受访企业客服与支持部门的整体预算仅增长2%，但AI相关支出却增长了38%，显示出企业正在加大对客服AI的投入。

客服场景也具备相对明确的验证条件：业务量较大、反馈及时、服务标准可以量化。正是基于这一场景特征，百融智能将AICC作为跨行业规模化落地的重要突破口。

百融智能认为，生产级AICC需要把交互理解与业务执行连接起来。AI既要识别用户在说什么，也要判断下一步应该做什么，最终将任务闭环。

例如，在某头部物流企业的实际服务中，一位用户围绕几双袜子的发货问题，与硅基客服连续沟通了20多分钟。用户表述生活化、信息零散，诉求也在对话中不断变化。AI需要追问购买平台、识别订单状态，逐步推进处理。

长通话虽不等同于服务效果，但它呈现了真实业务的一项要求：系统必须在信息不完整、话题发生变化的情况下，持续保持对任务的理解。而单靠预设话术，很难穷尽这类交互。

这也解释了企业级语音智能体的工程门槛。电话音频条件、环境噪声、口音差异、实时打断和多轮对话，都会影响识别与决策，同时模型推理的响应速度、成本和准确性，则共同决定系统能否长期运行。

为此，百融智能搭建了包括自研BR-Voice语音多模态大模型、主动引导式对话大模型和文档理解大模型在内的技术底座，并配套通信软交换、高并发调度、录音质检、企业知识库及业务系统对接等能力。前沿部署工程师（FDE）团队进入客户现场，梳理服务标准、系统接口和操作规则，将模型能力转化为可运行、可验收的工作流。

在物流行业，公司中标某头部企业后，硅基客服上线承接查件咨询、派件异常和投诉反馈等呼入业务，上线不足一个月，单日处理量已超过1.5万通。

从行业角度看，实现客户的跨行业复制，关键在于强化可复用的能力，并厘清哪些环节必须重新适配。百融智能认为，语音交互、调度和质检等共性能力可以构成基础，而行业知识、服务规则和系统权限仍需按场景配置。两者之间的配合效率，决定了智能体能否从单个项目走向规模化交付。

AI商业模式进入重估期

当智能体能够承担完整任务，AI商用模式也在进入重估期。传统软件通常按系统、模块或席位收费，客户获得使用权后，还需要配置人员、改造流程和持续运营，才能将软件能力转化为业务产出。智能体进入执行环节后，技术服务商开始具备围绕任务完成情况计费的条件。

海外市场已经出现相关实践。客户服务平台Intercom的公开定价显示，其Fin AI Agent按“结果”（outcome）计费，标价为每个结果0.99美元；结果的具体认定包括客户确认问题解决、回复后未继续求助，或完成约定工作流等情形。

这一实践表明，行业开始将收费单位从软件使用权延伸至服务产出。百融智能提出的RaaS，即“结果即服务”，同样围绕这一变化展开。在AICC场景中，可以在服务质量达到约定标准的前提下，按照成功完成且无需转人工的有效通话或工单收费；在能够促成交易的场景中，也可以根据实际业务结果分润。针对不同客户的部署需求，还可以采用按硅基员工岗位和规模收费等方式。

其中，按有效任务或业务成果计费，将服务商的收入与交付效果更直接地联系起来。这对其提出了更高要求。因此，企业级AI的竞争，也在向持续运营能力延伸。一次成功演示只能证明技术具备可能性，而能否在大规模业务中保持交付质量，并让每项任务的收入覆盖相应成本，才决定商业模式能否成立。

按照这一逻辑，百融智能关注的指标除了收入和利润，还包括AI实际承接的业务量、任务完成率、转人工比例和长期运行稳定性，以及客户验证效果后是否扩容、成熟能力能否以更低成本迁移至相邻客户和行业。

公司目前重点拓展的物流、航空、券商、银行、运营商和保险等行业，普遍具有大量面向终端用户的交互需求，业务体系较成熟，服务指标也相对清晰。这为“标杆验证—扩大部署—能力复制”的路径提供了基础。

当硅基员工进入组织，管理能力成为规模化条件

在硅基员工部署规模扩大后，企业面临的问题会进一步延伸到组织层面——如何建立高效的人机协作生态？

微软《2025年工作趋势指数》提出“人类—智能体比例”（human-agent ratio），讨论组织应如何配置人与智能体，既扩大工作能力，又保留必要的人类判断。报告将AI在组织中的演进概括为从个人助手，到参与团队的数字同事，再到由人设定方向、智能体执行完整流程的不同阶段。

百融智能以“硅碳比”观察这一变化。据介绍，公司内部这一比例已超过150∶1。但这一指标并不等同于人员替代率，而是用于观察组织借助AI扩大管理半径和交付能力的程度。

百融智能现已搭建起“硅基员工之家”，将硅基员工的岗位、身份、培训、考核、调度、审计和退出纳入统一管理。这种管理能力也是智能体规模化落地的前提。当大量智能体并行运行时，同类偏差可能被快速放大，因而需要同步建设有效的管理机制。

百融智能认为，未来的AI产业竞争，将越来越多地在真实业务的交付结果中展开。因此，如何把不断进步的模型能力，转化为企业能够持续使用、衡量和购买的生产能力，将是决胜关键。

（资讯）