能幹能信能打的瓴羊AI員工全面上崗,幫企業問AI要增長
重點摘要
瓴羊推出四名AI員工,涵蓋銷售、客服、運營與營銷場景,結合企業數據與Agent能力以提升業務績效。這些AI員工以Data、Agent與FDE為核心,能深度嵌入工作流程並交付可驗證結果。企業亦可依據需求打造專屬X員工,整合內外部知識與工具,實現增長目標。
隸屬於阿里雲智能集團的瓴羊,日前宣布其AgentOne平台上的四名AI員工已於7月29日正式上崗,分別對應AI銷售、AI客服、AI運營與AI營銷四大場景。此外,企業也能根據自身業務需求,運用AgentOne平台的能力,與瓴羊FDE(Frontier Deployment Engineer,前沿部署工程師)團隊合作,打造專屬場景的「X員工」,讓AI導入更具彈性。瓴羊CEO朋新宇表示,AgentOne是以業務效果為導向、以企業數據為基座、以崗位標桿為預設的解決方案,目的在幫助企業於AI時代取得實質成長。
他強調,Data(數據)、Agent(智能體)與FDE(前沿部署工程師)三者缺一不可,數據讓AI「能信」,Agent讓AI「能幹」,FDE貫穿其中,三者結合才能產出「能打」的企業級AI員工。有別於通用型Agent,瓴羊的企業級AI員工是圍繞具體崗位目標所設計,配置企業數據、知識、工具、權限與考核方式,並深度嵌入企業工作流程。每一次判斷都有數據為依據,過程可追溯、結果可核驗,目標直指GMV、ROI、鎖單率、投產比、問題解決率等業務指標,能夠端到端完成任務並交付具體成果。數據被視為AI時代的關鍵燃料,也是企業級AI員工的「血肉與記憶」。
企業數據經常分散在不同系統中,不少有價值資訊隱藏在客服對話、用戶評論等非結構化資料內,不易直接被AI取用。瓴羊憑藉十多年的數據治理經驗,AgentOne能系統性地明確數據的業務含義與關聯,完成採集、清洗與加工,讓數據轉化為AI可理解與調用的業務資訊,確保AI的輸入與輸出都有數可依。Agent則扮演AI員工的「手腳與技能」,負責圍繞崗位目標規劃任務、調用工具、執行動作並交付結果。AgentOne透過規劃、記憶、工具調用與多Agent協同,讓AI員工連接企業原有的CRM、OA、客服、店鋪運營等系統,將整體目標逐項拆解並持續推進,同時任務進展、操作記錄與結果都能被管理與覆盤。
FDE團隊的角色如同AI員工的「入職導師」與「陪練」。企業內大量關鍵知識不僅存於系統,也存在資深員工的經驗、部門協作流程與行業規則中。瓴羊FDE團隊經由進場調研、業務診斷、方案共創、預期管理、系統集成與知識轉移,將這些隱性行業know-how抽象為AI可執行的SOP,並把產品化的AI能力回饋到AgentOne平台,形成可規模化與標準化的能力。以全球知名電動車品牌雅迪為例,瓴羊FDE團隊在24天內執行78場駐場調研,涵蓋十多個部門,反覆聽取真實熱線錄音,將項目分為兩期推動:先打造一體化工作檯、坐席輔助與智能摘要,降低一線操作負擔;再由熱線與在線機器人接手高頻、標準化問題。
FDE交付的不是一套固定軟體,而是一名能在業務現場持續運作與調整的AI客服員工。基於Data、Agent與FDE三項核心要素,AgentOne目前提供四類開箱即用的AI員工,各自針對銷售、客服、運營與營銷崗位的目標、流程與考核方式,預設對應的數據、知識、工具與技能。AI銷售員工圍繞銷售流程的會前、會中與會後展開工作。會前,它能彙總客戶基本資訊、歷史溝通、關鍵決策人、機會與風險,自動生成會面準備材料;會中,它可結合合作歷史與產品知識進行即時問答,記錄客戶需求與待辦事項;會後,它自動產出會議紀要,拆解後續任務並將資訊寫回CRM等系統。
如此一來,銷售人員不必花大量時間在資料搜尋與整理記錄上,管理者也能掌握商機推進過程,客戶資訊從個人筆記沉澱為企業資產,優秀銷售經驗更容易被複用。AI客服員工涵蓋外呼、呼入、客服運營、售前與售後五類角色。它能依據對話動態規劃服務路徑,調用業務系統創建工單、修改預約或補發貨品,並透過事前風險控制、事中人機協同、事後智能輔導及組織管理機制保障服務品質。在雅迪的實際應用中,上線後熱線機器人解決率從20%提升至42%,在線機器人解決率達到78%,高峰期熱線接通率由88%提升至95%,平均通話時間從6分鐘縮短至4分鐘。
AI客服的價值不只體現在減少轉接次數,更在於讓標準問題由AI處理、複雜問題由人專注解決,並持續將用戶反饋沉澱為企業知識。AI運營員工可應用於店鋪推廣、體驗、直播、店鋪運營與新品企劃等場景。入職時,它會接入店鋪帳號、經營上下文與真實投手經驗,並載入品牌知識、場景規則與崗位對話記憶。針對改價、發券等標準化操作,AI能按規則主動執行;日常巡檢、投放分析與異常發現,AI可提出建議並推送到工作群;涉及資金與重要經營判斷的動作,則由人確認。它承擔了重複性的核驗工作,讓運營人員把時間留給需要經驗與判斷的高價值任務。
AI營銷員工從營銷目標出發,將策略拆解、受眾匹配、預算分配、效果推演、內容與權益生成、送審與投放串聯成完整鏈路。傳統營銷工具往往只能給出分析結論,具體策略、預算額度與啟動時機仍須人為反覆確認;AI營銷員工則根據預設規則持續推進,過程中動態調整素材、預算與渠道,人只需確認關鍵預算決策。每次投放不論成敗都能累積為企業私有資產,後續還能與AI客服協同,承接消費者觸達後的諮詢與個性化服務。這四類AI員工既能獨立完成崗位任務,也能在同一業務鏈路中協作。例如在電商場景,企業可以透過AI營銷觸達目標人群,由AI客服承接會員售前服務,再讓AI運營持續優化網店經營效率。
企業獲得的不是四個孤立工具,而是一組共同追求成長目標、交付業務結果的AI團隊。除了既定角色,AgentOne也支援企業打造專屬的X員工,例如財務、法務、採購、行政、人力資源等AI員工,企業可根據組織分工與業務需求,自行組合數據、知識、工具、模型服務、權限與評測方式。以高德雲圖與瓴羊AgentOne共同打造的AI門店經營助手為例,高德雲圖的人地大數據協助企業理解空間、人群與時間變化,AgentOne則將這些外部洞察與企業內部的銷售、會員、庫存、商品、排班與任務數據連接。透過MCP與Skill機制,高德雲圖的能力不再只是地圖插件或一次性查詢,而是可被持續調用的崗位技能。
它能為總部提供城市、商圈與網絡機會判斷,幫助區域識別高潛力但低表現的門店,並為單店生成與客群、時段及經營狀態相關的具體行動建議,關鍵決策仍由人拍板。深耕國際貿易數位化的易豹集團同樣在AgentOne平台上搭建不同場景的Agent相互協作,協助外貿企業處理從交易對接、報關通關到物流履約的全流程,並在關鍵環節提供決策支援。從這些案例可以看出,瓴羊AgentOne正試圖讓AI從單純工具升級為真正的企業級員工,以數據為信任基礎、以Agent為執行核心、以FDE確保落地成效,持續在業務現場創造可量化、可追溯的成長動能。
Related
相關文章

當 human in the loop 變成“閉著眼睛點確認”,企業Agent 安全還能靠誰?
專家指出,AI Agent 從內容安全轉向行為安全,提示詞注入、工具濫用與過度授權成為主要風險。企業應建立可視、可管、可追溯的安全基線,並對工具權限進行最小化與臨時化管理,避免 human in the loop 淪為形式。安全防護需從靜態入口轉向動態行為約束,以因應 Agent 自主執行帶來的全新挑戰。

開源Agent框架刷爆ARC-AGI-3,「自我改進」的RLM harness引爭議
一套開源Agent框架在ARC-AGI-3基準測試中創下超過85%的正確率,大幅領先其他解決方案,其核心是名為「RLM harness」的自我改進機制。然而,該方法引發學術爭議,部分研究者批評它透過反覆試錯「鑽漏洞」,不符合ARC-AGI評測一次性推理的精神。這場討論促使AI社群重新審視評測標準,並可能影響未來ARC-AGI版本的設計方向。

騰訊是在“賽馬”,還是在打造 “Agent工廠”?
騰訊內部正在探討其發展策略究竟是「賽馬」機制還是打造「Agent工廠」。相關討論聚焦於公司如何平衡內部競爭與統一平台建設。目前站內已移除相關混雜文字,保留原始主題供讀者參考。
ChinaJoy 2026 AI遊戲規模化落地,邊緣雲與API安全重構產業底層邏輯
2026年ChinaJoy展館,“與AI同遊”的主題隨處可見。行業調查顯示,僅有21%的企業擁有完整的API資產清單,大量後臺AI接口仍在無人監控的狀態下裸奔。合規與安全也同步下沉。算力下沉還不夠,API安全必須同步前移邊緣雲解決了體驗問題,但AI交互入口的安全,同樣需要前置到邊緣。算力與安全,缺一不可Akamai的判斷很明確:遊戲AI轉型不能割裂算力與安全。這也是遊戲廠商規模化落地AI智能體、構建AI原生遊戲的標準化底層方案。

openJiuwen發佈業界首個企業級分佈式蜂群架構,聯合郵儲成功落地金融生產環境
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.

螞蟻集團開源Avernet,讓人與智能體像組織一樣高效協作
**螞蟻集團開源Avernet:打造人與智能體高效協作的“組織級”基礎設施** **來源:量子位** **2026-08-07 11:08:51** 近日,螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet,其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施,Avernet的首個版本重點開放了智能體協作網絡能力,旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理,為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。