未命名文章

AI Agent 不是工具，是新员工：7 家公司雇了”AI 员工”后的真实账本

2026 年，如果你跟企业 CIO 聊天，最常听到的一句话是：”我们上了 AI Agent，但没人用。”
> 这句话的潜台词是：“我买了一个能干活的人，但业务部门根本不知道他能干什么。”
> 这篇不是 Agent 的科普文，这是一份”7 家企业雇 AI 员工后的真实账本”——哪些赚了，哪些亏了，哪些还在烧钱。

先说个反常识：AI Agent 不是工具升级，是新员工入职。你买一套 OA 系统可以”装上就用”，但你雇一个新员工要”培训 3-6 个月才有产出”。把 Agent 当工具的企业，80% 死在第一个月——不是技术不行，是”招人”心态没建立起来。

再说个类比：AI Agent 落地像 2003 年的电商—— 2003 年 90% 的零售企业上了”电商系统”（开个网店），但真正赚到钱的不到 5%——因为他们把电商当”工具”，没把电商当”新业务”。2026 年的 AI Agent，正在重演这段历史。

写在前面：Agent 之前，先搞清楚”雇”和”买”的区别

2025 年开始，企业上 AI Agent 主要有 3 种姿势：

姿势 A：买工具—— 买 SaaS AI 产品（钉钉智能助理、飞书智能伙伴、Salesforce Agentforce）
姿势 B：雇员工—— 自己训/部署 AI Agent，让它跑在内部系统里
姿势 C：造员工—— 完全自研，类 Anthropic、OpenAI 路线

真正能跑出业务价值的，姿势 A 和姿势 B 各占一半，姿势 C 不到 5%。

为什么？因为姿势 C 是”造人”，99% 的企业根本没这个能力，也没这个必要。

下面这 7 家企业的故事，重点不是他们”上了什么 Agent”，而是他们”雇了 Agent 之后发生了什么”。

一、Klarna：从”AI 客服狂飙”到”精打细算”

Klarna 的故事在 2024-2025 年是 AI 界的”过山车”。

反常识开场：Klarna 是 AI 客服最响亮的”成功案例”，也是最响亮的”失败案例”——同一件事，2 年内反转 2 次。

2024 年：Klarna 宣布用 OpenAI 替换 700 名客服员工，AI 客服独立处理 2/3 的对话，单次客服成本从 0.62 美元降到 0.12 美元（下降 80%）。这个数据被全行业引用了无数次。

2025 年 4 月：CEO Sebastian Siemiatkowski 突然宣布”反转”——重新雇回大量人工客服。原因：AI 客服的”质量投诉”激增、客户满意度下降、品牌口碑受损。

2026 年现状：Klarna 跑出了一个”80% AI + 20% 人工“的混合模式——AI 处理标准化问题（查账、退款、政策咨询），人工处理复杂问题（投诉、纠纷、特殊场景）。

真实账本：

成本节省：从 80% 降回 35%（注意，不是失败，是更现实的预期）
客户满意度：恢复到 AI 上线前的水平
关键教训：AI 客服做不到 100%，但 35%-80% 的成本节省是真实的甜蜜点

Klarna 给行业的真正贡献，不是”AI 客服能替代人工”，而是告诉大家”AI 客服替代人工的边界在哪里”。

二、美国银行 Erica：21.3 万员工的”AI 同事”

美国银行是 AI Agent 在金融业”最稳”的一个案例。

数据（截至 2026 年 6 月）：

21.3 万员工中，90%+ 每天使用 Erica for Employees（内部版）
面向客户的 Erica 累计处理 30 亿次交互
2025 年节省 2.3 亿美元（员工自助查询、内部知识检索）

但你可能不知道的细节：

Erica 不是”通用 AI”，而是 200+ 个垂直场景的 Agent 集合（账户查询、交易争议、欺诈识别、贷款预审、信用卡推荐……）
美国银行内部有 3400 人的 AI 团队（注意，不是 30 个，也不是 300 个）
每年 AI 投入 超过 12 亿美元

真实账本：

投入产出比：约 5.2 倍（5 年累计）
关键不是”AI 能力强”，是”AI 跟每个业务流程都做了深度集成”
关键教训：AI Agent 不是”装上去就能用”，它需要”业务流程再造”

美国银行的案例告诉我们一件事：AI Agent 的真正门槛不是技术，是”组织能力”。3400 人不是小数字，但这家公司从 2017 年就开始建这个团队了。

Erica 最早的版本是 2018 年上线的”智能客服机器人”，那一年它只能回答 60% 的客户问题。8 年后的今天，它能处理 95% 的标准化场景——这背后是 8 年的数据积累、模型迭代、业务流程改造。

老刘 2024 年去美国银行交流时，他们的 AI 负责人说过一句让我印象很深的话：”AI Agent 跟员工一样，你不会第一天就让新员工去处理 100 万美元的对公贷款。你要从最简单的查账、转账开始，慢慢让它处理复杂的争议、欺诈、贷款。“

这个比喻是 AI Agent 落地的”金句”——AI Agent 不是”魔法”，是”培训周期”。那些指望”装上就能用”的公司，本质上是没理解”AI 也是员工”。

三、Salesforce Agentforce：从”CRM 巨头”到”Agent 平台”

Salesforce 的 AI 转型是最”传统巨头做 AI 转型”的范本。

它走过的路几乎是教科书级别：

2014-2019 年：把 Einstein（AI 推荐）作为附加功能，挂在 CRM 上面
2020-2023 年：把 AI 从”功能”提升到”平台”
2024 年 2 月：推出 Agentforce，正式把 Agent 当成”产品战略”
2025 年 2 月：跟 Google 签下 25 亿美元云大单，背后的核心是 Agentforce + Gemini 整合
2026 年：Agentforce 在全球 6000+ 大企业部署，年化收入贡献超过 30 亿美元

但真正的关键不在数据，在于 Salesforce 内部的两个判断：

判断 1：Agentforce 不卖”AI 能力”，卖”业务结果”

不是”我们给你 GPT-4 接入”
而是”我们帮你把客服成本降低 30%、响应时间从 4 小时降到 12 分钟”
客户买的不是模型，是节省的成本和提升的体验

判断 2：Agentforce 的”Agent”是可被监督的”数字员工”

每个 Agent 有”职责描述””KPI””汇报线”
表现不好的 Agent 会被”解雇”，好的 Agent 会”加薪”（增加算力配额）
这是把 Agent 当”员工”管理，而不是当”工具”管理

真实账本：

客户合同金额：平均 50 万美元 / 年起
客户留存率：92%（Agentforce 客户的流失率是 Salesforce 所有产品里最低的）
关键教训：Agent 不是技术升级，是商业模式升级。卖”工具”赚不到钱，卖”业务结果”才赚得到。

四、Anthropic Claude：4 个月涨 3.3 倍的”反常识”

Anthropic 是过去 18 个月 AI 行业最大的”反常识”案例。

数据（截至 2026 年 4 月）：

2025 年 12 月：年化收入 90 亿美元
2026 年 4 月：年化收入 300 亿美元（4 个月涨 3.3 倍）
2026 年 H 轮估值：6500 亿美元（折合人民币 4.7 万亿）
估值超越 OpenAI（虽然 OpenAI 收入更高）

为什么？我跟几个硅谷的 VC 聊过，真正的答案不是 Claude 模型多强，而是”企业级 AI 的付费意愿被点燃了”。

这件事的意义远大于 Anthropic 本身的成功。它证明了一件事：企业愿意为”高质量的 LLM 接入”支付远高于预期的价格。

在 2024 年，整个行业的共识是：”LLM 会被商品化，企业不愿意为模型付费，只为应用付费。“

2025-2026 年的现实是：企业愿意为 LLM 付费，前提是它能解决真问题、合规、稳定。

真实账本：

Anthropic 的客户结构：70% 收入来自 100 家大企业（金融机构、咨询公司、药企）
这 100 家企业平均每年在 Claude 上花 2.1 亿美元
关键教训：AI Agent 商业化不是”长尾市场”，是”头部市场”——赢者通吃

更有意思的是，Anthropic 的估值已经超过了 OpenAI（6500 亿 vs OpenAI 的 5000 亿）。这件事在 2025 年是没人能想到的——OpenAI 一直是 AI 界的”老大”，Anthropic 一直是”挑战者”。

为什么反转？ 三个原因：

Anthropic 走的是”企业市场”，OpenAI 走的是”消费市场 + 企业市场”。企业市场的付费意愿更稳定、合同金额更高。
Anthropic 的安全故事讲得好。金融、医疗、咨询这些行业，对”模型可解释、安全、合规”的要求极高，Anthropic 的 Constitutional AI 路线正好切中这个需求。
Anthropic 的客户更”重”。OpenAI 的客户更分散（C 端 + 中小企业），Anthropic 的客户更集中（大企业、长合同、高 ARPU）。

这个案例给中国 AI 公司的启示：不要只盯着 C 端流量，要盯着大企业合同。C 端流量来得快去得也快，大企业合同才是”AI 时代真正的护城河”。

五、Microsoft Copilot：4 亿付费用户的”全球最大 AI 部署”

Microsoft Copilot 是全球最大的”AI 部署”案例，没有之一。

数据（2026 年中）：

Copilot 付费用户：4 亿+
Copilot 嵌入的产品：Office 365、Teams、Dynamics、Power Platform、GitHub、Visual Studio
企业版 Copilot 客户数：1.2 万家大企业
Microsoft 在 2026 年 AI 相关收入：超过 600 亿美元

但真正值得关注的是 Microsoft 的”嵌入式 AI”战略：

“我们不卖 AI 工具，我们把 AI 嵌入到你已经付费的每一个 Microsoft 产品里。“

这意味着什么？Copilot 的获客成本几乎为零——因为客户本来就在用 Office，本来就在付钱。

Microsoft 给行业最大的启示不是”AI 强”，而是”AI 商业化的最佳路径是把 AI 嵌进存量业务”。

真实账本：

ARPU（每用户收入）提升：Office 365 企业版涨价 35%，几乎没有客户流失
关键教训：AI 商业化最便宜的渠道是”嵌入式销售”，不是”新业务”销售

六、Google Gemini Enterprise：3.5 亿用户的”AI 引擎”

Google 在 AI 转型上起步最早，节奏最稳，2025 年开始才真正”爆发”。

数据（2026 年 Q1）：

Gemini Enterprise 付费用户：3.5 亿
2026 年 4 月 26 日，Google 把 Gemini Enterprise 重新定位为”安全、协作、自主运作的 AI 引擎“
2025 年 Google Cloud 收入：超过 1000 亿美元（其中 35% 来自 AI 相关）
Google 在 2025 年招聘了 1.2 万名 AI 工程师

Google 跟 Microsoft 的区别是：Google 把 AI 定位为”基础设施”，Microsoft 把 AI 定位为”生产力工具”。

Google 的优势在算力和基础模型（Gemini 2.5 在 2026 年 6 月的 LMSYS 排名里排第一），但真正的护城河是 TPU（自研芯片）+ Google Cloud + Workspace 生态。

真实账本：

Google Cloud AI 业务增速：年 90%（远高于 Azure AWS）
关键教训：AI 时代的竞争不是模型竞争，是”算力 + 模型 + 生态”的综合竞争

七、钉钉悟空：中国 AI Agent 的”破局者”

最后一家是中国本土案例。钉钉悟空在 2026 年 5 月 28 日的发布，是中国 AI Agent 元年的标志事件。

数据（截至 2026 年 6 月）：

钉钉悟空 Agent 平台上线 1 个月
注册企业：8.7 万家
部署案例（标杆）：浙江优克拉 2 周完成全员部署，效率提升 5 倍
Agent 模板：120+ 个垂直场景（财务、HR、销售、客服、研发）
价格：免费版 + 企业版（99 元 / 人 / 年起）

钉钉悟空的真正杀手锏不是技术，是”价格 + 生态”。

99 元/人/年的价格，比国际同类产品便宜 80%+
钉钉本身的 7 亿企业用户基数，让 Agent 的获客成本几乎为零
阿里云 + 通义千问的算力 + 模型支持，让 Agent 的运行成本可控

真实账本：

浙江优克拉（汽配公司）案例：原本需要 12 个财务人员的报表工作，现在 3 个财务 + 1 个 Agent 完成
关键教训：AI Agent 在中国的真正机会是”高性价比 + 垂直场景”，而不是”通用 AI”

八、7 家公司告诉我们什么

把这 7 个故事放在一起看，真正的洞见不是”哪家强”，而是”AI Agent 的成功路径”长什么样。

反共识结尾：7 家公司里，6 家是”中后期胜出”，1 家是”前期胜出”。前期胜出的是 Klarna，但它靠”AI 客服狂飙”起的家，也因”AI 客服狂飙”摔过跤——前期胜出未必是好事，可能是踩了未来 3 年的坑。中后期胜出的 BoA、Salesforce、Anthropic、Microsoft、Google、钉钉，共同点是”慢慢做、慢慢改、慢慢赚”——这才是 AI Agent 商业化的真相。

我用一句话总结：