非凡大赏：数字员工｜如何落地 ROI、阻力与组织改造

欢迎收听现场对话原文

7月18日，非凡资本以“应用无界，智创全球”为主题，在深圳益田威斯汀酒店主办「2025年度生成式AI全球化高峰论坛暨Go Global AI 100年度评选」圆满落幕。全天议程自上午9点至晚上18点，线上同步直播。内容以主旨演讲、巅峰对话和趋势圆桌为主，现场颁发“2025 Go Global AI 100”，并同步进行AI应用全球化发展论坛和AI硬件全球化发展论坛。其中AI应用全球化发展论坛由非凡产研承办，AI硬件全球化发展论坛由火星加速器承办，超过2000名来自全球的参与者、800家AI企业、400位创始人齐聚一堂。

在《数字员工｜如何落地 ROI、阻力与组织改造》圆桌会议上，主持人是Vitally AI创始人&CEO 江志强，嘉宾有快决测创始人&CEO 李韶辉、实在智能创始人&CEO 孙林君、LynxAI 创始人&CEO 张克一、未来式智能联合创始人＆COO 邹阳。他们围绕“数字员工如何落地”，展开了一次颇具温度和张力的对话。他们既不是站在宏观叙事的布道者，也不是沉浸技术细节的理想主义者，而是四位正在用Agent交付结果的“第一线改造者”。他们所看到的，不只是“AI可以做什么”，而是“企业如何真正用好AI”。

01｜“智能体”不是魔法，而是业务重构的起点

从市场调研，到财务流程，到产品定义——Agent的应用边界远比外界想象得更早、更深。

快决测创始人李韶辉分享，他们已在调研与洞察流程的多个环节部署了Agent，从数据采集、消费者对话，到报告生成，再到后续老板临时问题的自动回应。特别是在出海场景中，Agent被赋予“在地沟通+本地翻译”的能力，成为许多品牌出海南美、中东的重要助手。

实在智能CEO孙林君则回顾了RPA（机器人流程自动化）到Agent的演进路线：从“按键精灵”式的被动操作，走向具备视觉理解与语言推理的智能体。新一代Agent已经不再依赖于API，而是通过识别用户界面和意图，快速完成票据审核、财务对账等高重复场景的闭环任务。

LynxAI创始人张克一选择了一个更有想象力的角色定位：“AI产品经理”。这个Agent既要能交付PRD文档，又要在结果可信与过程追溯之间找到平衡。张克一提出一个非常值得注意的判断——“Agent本质上是一个正在被培养的新人，他的晋升取决于两个要素：认知（数据）与能力（工具）。”

02｜从“数字员工”到“数字组织”：技术之外的落地挑战

智能体并不是“功能的堆叠”，而是一种组织结构的再设计。

在快决测，李韶辉坦言，“数字员工”这个词更适合老板视角，而员工更愿意将其视作“助手系统”。“没有人愿意和一个随时会替代你的‘人’做同事。” 因此他们更倾向将AI融入工作流，提升决策速度、减少重复沟通，而非强调替代。

在未来式智能，联合创始人邹阳指出，Agent落地的最大阻力之一，是组织认知与数据准备的双重脱节：

客户对技术边界极度模糊，“有人会对Devin说，教我如何管理一家公司”；

企业内部知识碎片化严重，很多关键任务仍依赖于“非结构化的经验+结构化的SOP”，Agent想要替代一个岗位，不仅要理解数据，还要掌握沉淀下来的“组织智慧”。

而在实在智能的服务中，更普遍遇到的阻力，来自“被替代焦虑”。孙林君指出：“以前谈RPA，客户只关心ROI；现在谈Agent，企业更多在意是否能生存下来。”数字员工已不仅是“省了几个人”，而是“再不上这班车，明年可能没资格竞争”。

03｜ROI之外的博弈：从“效率工具”到“战略杠杆”

谈及“智能体值不值”，企业习惯性地问：“降本几人？节约几小时？”

但正如论坛中所言，这种计算方式已不足以解释Agent的真正价值。孙林君将其比喻为“博尔特效应”：在激烈市场竞争中，领先一个身位的选手，其市场价值可能远超所有对手总和。

Agent不再只是“效率工具”，而是撬动组织升级的战略杠杆。比如：

快决测的洞察Agent，帮助品牌在“老板临时提问”时，以秒级响应展示决策优势；

实在智能的流程型Agent，让传统几千万难以完成的接口对接问题，在数十万成本下实现；

LynxAI的产品经理Agent，则重塑了早期产品立项的确定性，使创新从“灵感式偶然”走向“数据驱动的必然”。

如果说ROI是局部效率的衡量，那么智能体真正衡量的，是企业响应外部变化的“代谢速度”。

04｜“人机协作”的核心不是替代，而是“谁来主导协作结构”

智能体的本质，是一种“可配置、可升级的系统代理”。但正如张克一所言，它需要认知、能力、流程三者的深度适配。而适配的前提是：组织有没有能力去定义、训练、使用这样一个新型“员工”？

未来式智能的经验强调：冷启动期必须“有人帮搭”，因为大多数企业还不知道“能干什么”。而一旦在某个行业场景里积累了足够的方法论，比如电力领域的设备状态评估，Agent就有可能完成真正的“岗位闭环”。

实在智能则进一步指出，通用Agent落地失败的核心在于“毛坯房逻辑”：模型+开源工具=空架子，还需要大量“装修工程”：知识管理、数据治理、检索增强、意图识别等系统工程，才能真正实现“替代”。

因此，当我们谈“AI是否会比人做得更好”时，答案并不取决于技术，而取决于组织能否搭建起一个适配AI能力的运行机制。

05｜未来走向：从“替代人”到“协作式认知系统”

在论坛最后的总结中，四位嘉宾几乎形成了共识：今天的AI已在多个任务上超过人类，尤其在复盘、迭代、稳定性、记忆能力等方面，但距离构建完整的“组织级智能协作系统”，还有相当长的路。

未来式智能的邹阳指出，那些仍停留在“知识工作底层”的岗位，确实面临失业风险。但这不是AI的错，而是社会结构转型的必然。

LynxAI的张克一强调：“AI的进化路径是确定性的，而人类不是。”这意味着未来的竞争，不只是“用没用AI”，而是“是否理解AI的进化逻辑，并为其构建好协作环境”。

实在智能的孙林君则明确表示：未来智能体的使用将不再只是降本工具，而是改变商业模式、提升组织韧性的“核心部件”。

06｜数字员工的真相，是组织的重新设计权

当我们在讨论“数字员工”时，真正的问题不是AI能不能做、做得有多好，而是组织是否已经做好准备，去接纳一种全新的“非人类协作者”。

我们是否能容忍智能体犯错，并为它提供“成长空间”？

我们是否能将经验流程模块化，供智能体复用？

我们是否能让“系统决策”与“人类判断”形成协同，而非对抗？

数字员工，终将成为组织的一部分。但它不是用来取代谁，而是帮助我们重新分配注意力、重新定义效率与价值。

这场论坛让我们看到了更真实的落地图景：不是一场热潮，而是一场深水区的组织再造。

07｜对话原文

江志强：大家好，我是Vitally AI的江志强，我自己有一个AI的咨询跟实施公司，也做AI应用，看到企业比较多的AI场景，我想可能是今天为什么吴老师请我来主持这场的原因。我就废话不多说，我请各位老总们很快地介绍一下你们的公司，先从快决测的李总开始。

李韶辉：大家好，我是快决测的李韶辉。快决测以前我们说是做市场调研和洞察数字化的公司，最近这两年我们在做全面的洞察和调研的AI-native升级。我们目前服务大概四百多个全球顶尖的品牌，主要是通过基于AI的调研服务和AI的软件服务来服务我们的客户。今天非常荣幸能够有机会跟大家交流，谢谢大家。

江志强：李总您的MBTI和兴趣也稍微说一下。

李韶辉：MBTI我是INTJ。

江志强：坐标在广州、上海？

李韶辉：我们公司在广州，然后在上海和北京都有office。

江志强：我们接下去请实在智能孙总介绍一下。

孙林君：大家好，我是实在智能的CEO孙林君。实在智能创立于2018年，我们是从RPA开始做的。RPA是机器人流程自动化，可以理解为初级的这种数字员工，像机械臂一样，把规则给它，它就可以干活。但是高级的数字员工，就一步步演变到智能体，把视觉、自动化能力和语言大模型结合起来。实在智能现在在北京、上海、广州、深圳、日本还有吉隆坡有相应的子公司，我们有超过4000家客户。在这块儿，我们致力于打造那种无需接口就可以快速实现的智能体。

江志强：谢谢孙总。接下去是LynxAI的张克一总。

张克一：我是LynxAI的创始人兼CEO张克一。我们是一个相对来说在AI创业领域的新军。我们打造了一个产品经理智能体的应用，聚焦的是消费品行业，我们希望的是能够让产品创新从偶然走向必然。我们希望这样一个产品经理智能体，能够结合着更多优秀的“人”的产品经理，把产品创新的成功性极大程度上提高起来。现在我们有两类客户，一类是中国的出海品牌，另一类大家可能会有些意外，就是外贸工厂。我们突然发现这块是整个行业价值链的一个瓶颈，跟外贸工厂的合作，让我们在制造和研发端获取了更多有价值的数据，带来更多的可能性。

江志强：您的城市坐标和个人兴趣？

张克一：我们团队现在主要在深圳，同时在杭州也有一个小办公室。我个人的性格是ENTJ，喜欢锻炼，有十多年的CrossFit经历。

江志强：谢谢克一。接下去请未来式智能的联创兼COO邹阳总介绍一下。

邹阳：我是北京未来式的邹阳。我们公司有一个自研的智能体生产力平台叫“灵搭”，围绕着这个平台解决B端用户在模型和智能体落地最后几百公里的问题。我还是喜欢打游戏，就是年轻时的一些“不良癖好”延续到现在。

江志强：那我们很快进入第一个问题。因为所有的嘉宾公司其实都推出了跟Agent相关的产品，今年是Agent的大年。我想挨个请教几位，你们现在怎么看待AI Agent？它在你们的业务或产品里扮演什么角色？现况如何？我先请李总开始。

李韶辉：我们的AI Agent非常多。这可能很多朋友会觉得奇怪，你一家做调研洞察的公司怎么会做Agent？这还是从公司本身的基因决定的。快决测其实是2017年从筷子科技拆分出来的，我本人同时也是筷子的创始人。我们从day one开始就觉得应该用数字化的技术和AI来改造这个行业。现在，我们是在从调研到洞察的每一个环节，从前期的获取数据、跟消费者的沟通，到数据分析、报告生成，甚至报告完了之后的一些AIGC的生成，都用AI来帮助。

我对Agent的理解，尤其在做to B企业服务时，是说它应该首先是能够专业级地去完成那个场景下的任务。客观地讲，每一个Agent能力的构建都是逐步的，很难有哪个公司说立马一个月就能做出全面自动化的东西出来。我们目前能做到在主体业务环节上构建起这些AI的基本能力。另外我们有一些是直接让客户使用的SaaS服务，可以实现一键式的数据采集、分析或报告。我个人觉得还是挺乐观的。

江志强：李总，我追问一下。您服务比较多的是大品牌大企业，他们会自己来用您的agent工具吗？还是说agent是赋能你给客户提供的服务？

李韶辉：坦率地讲，现在头部客户自己使用的不多，但是从去年开始这个速度在加速。因为头部客户，就像我以前在宝洁，他们的思维会觉得“我是需要有人来服务我的”，你给工具给到他，相当于给他增加了工作。但是确实这两年当AI蓬勃发展，所有老板们都有AI焦虑之后，这个事情在加速。但客观来说，现在还没有那么多，大概我们客户中间可能不到20%在开始应用我们的产品。

江志强：那什么驱动客户自己来用这些市场调研相关的agent？

李韶辉：不同的客户需求不一样。有一些是为了满足他老板不停的提问。因为你做完一个调研，报告未必能回答老板所有的问题，老板会马上问你另外一个问题。传统的方式你肯定要马上去给你的研究agency下个单，可能过了一个礼拜或者十天，报告才回来，那时候老板都忘了这事了。现在，我们就用AI结合多年的数据积累和知识，做了一个agent，他直接把老板提的问题输入系统，AI就帮他去运算，看当前和历史的数据，给一个结论和报告给他。这种东西是我们最近半年推得比较好的。

另外还有一些是出海客户。老板们觉得对中国市场很了解，但对南美不了解。如果找当地的agency，第一非常贵，第二你没法跟他沟通。这时候就需要一些AI工具，帮他在当地跟消费者沟通，并且把当地语言的沟通通过AI翻译成中文。还有一些是在他私域中的研究，比如对一些要快速决策的产品定位、ID或者营销物料，他要更低成本、更快地得到结论。

江志强：那同样的问题我想请教孙总。

孙林君：这个问题还是挺感慨的。我们19年的时候，把这个东西叫“数字员工”。当时看到的是那种简单的机器人，给它智能化的升级。后面大模型出来了，它又“长了脑子”。我有一个投资人朋友，五年前觉得我讲“把机器人当人看”是扯淡，但他今年觉得这事儿是一个非常正常的事儿了。因为今年Devin爆火以后，agent马上进入大家视野，因为它从一个“军师”再变成一个“助手”，帮我们去完成最后的一公里。

在企业端，我们需要的agent有几个特性：第一个是可控，你做这件事一定要按照我的思维来，每一步做到什么程度，结果才是高可靠的。第二个是稳定，你给我做100遍，它应该是统一的质量和结果，不能有很大的随机性。第三个是高效，我们希望它很快能产出结果，而不是等着IT部去排期开发API。通过RPA，借助UI的直接操作，就可以完成特定的任务。所以，如何搭建出符合自己的可控、稳定、高效的智能体平台，是我们在思考怎么去给企业赋能的。

江志强：你可不可以非常简单地解释什么是RPA，以及有了agent之后，你在服务客户这边看到什么样的差别？

孙林君：OK。RPA是机器人流程自动化，最简单的形态是帮咱们打游戏的“按键精灵”。但按键精灵的致命缺点是它只能记录鼠标的绝对位置。我们真正的工作场景，希望这个东西在我这能运行，换到任何一台其他电脑上都能运行。但分辨率、长宽比、软件界面都可能不一样。RPA解决的就是这个事情，让自动化的脚本在任何电脑上都能跑。

RPA技术本身和大模型结合，才能变成智能体。举个例子，智能体想要在操作系统内能干任何事，就一定要先能识别所有的内部的东西，这就是一个操控能力。这个操控能力要具备识别各种你没见过的软件的能力。我们把计算机视觉引进来，和底层的识别整合到一起，让用户对这个视觉是无感的。这里面就带来很多技术挑战，比如速度、精度、跨分辨率等。所以智能体要想通用性强，真正的竞争力不是在基础模型本身，而是在跟基础模型结合的能力上面。

江志强：那在您服务的4000个客户里，你看到RPA再加AI和agent，从解决问题的角度，最经常看到的场景是什么？

孙林君：我举个简单例子。以前一些比较大的公司有财务共享中心，搞“银企直连”，想把100家银行的接口都对接好，让财务系统和他们互联互通。结果搞了好几年，花了几千万，事儿还没干成，因为接口开发速度太慢了。但是现在用RPA，可能几十万的成本就可以帮他解决100家银行的资金流水对账问题。我们前几天有个票据审核的场景，原来用RPA流程去搭，可能要搭一千种情况，但是结合大模型之后，一个智能体就搞定了。

江志强：接下去请教LynxAI的张总，同样的问题。

张克一：因为我们的产品是一个产品经理智能体，所以在跟我客户交流的时候，我会说他更像是一个有一定工作经验的新员工。最开始它可以交付一个结果，但是你需要验证这个结果是否适配你企业的业务偏好，你要去看一下它的过程、它的工作流，再追溯一下它的数据来源和置信度。换句话说，他很像是一个从顾问到助理，然后你把他作为新员工培养，再晋升成资深员工或管理层的过程。

这个给企业带来的直接价值，首先是补齐认知，并且可以稳定地交付结果。其次是降本。再往下，基于反馈和经验，就可以做改善和提效。在这个过程里面，一个智能体我们希望它交付结果，当这个结果越来越复杂的时候，它一定要有数据（我们叫认知）和工具（我们叫能力）的赋能。所以，智能体持续交付越来越好的结果有两个前提：一个是工作流越来越匹配企业的业务选择，另一个就是要保持开放性，越来越好地整合多种多样的工具。

江志强：我追问一下，你刚刚提到认知、能力到交付结果。我早年也做过产品经理，不同level的产品经理，他交付的结果是不一样的。那你的这个AI产品经理，在这个不同level，他们最后交付的是什么？

张克一：目前我们的产品经理智能体能交付的是一个产品定义（PRD）报告或文档。因为我交付了PRD文档，下一步公司就要决策是否立项进入开发。所以一定会去看一下这个PRD的置信程度。我们的选择是在一个点上做稳定闭环，在其他所有点做开放。我们在工作流或业务流程上尽量做封闭，保证每个版本是确定性的。但是在工具、数据层面我们尽量做开放。这样保证交付的产品定义从结果到过程双向可追溯。

江志强：那这个AI产品经理是客户自己搭，还是你们会帮客户搭建？

张克一：这是一个标准的云端产品。目前是交付产品的方式，下一步会交付任务。客户需要配置的就是数据、工具和规则。我们也把我们的产品叫做“产品经理智能体应用平台”。

江志强：接下去请教未来式智能的邹总。我知道你们自己有一个叫“灵搭”的平台，客户是自己搭建agent吗？还是你们也会帮客户搭建？

邹阳：坦白说，现在客户自己去用的整体成本和学习曲线还是非常高的。现在市面上普遍存在一些误区。Devin没火之前，客户觉得模型啥也不行；Devin火了之后，客户又觉得它什么都行了。我真实的案例就是一个某国企省公司的老板对Devin说：“你告诉我我怎么管理我的公司”。大家对技术的边界判断是相当模糊的，所以不知道哪些场景能用。所以这块我们觉得还是得从偏咨询做起，告诉他这个东西能做什么，然后帮他去做。

江志强：听起来经验很像，就是可能每个客户的AI认知和程度都不一样。

邹阳：对，要从科普做起。比如大数据也是经过漫长的过程，大家才知道能干什么。刚开始冷启动的时候是需要我们帮忙的，但是一旦在一个行业里积累了一定的方法论，客户自己就可以run起来。比如在电力行业，最典型的场景是设备状态的智能评估。这需要结合三块：第一是专家经验，也就是企业的SOP；第二是配合SOP沉淀的非结构化知识；第三是结构化的数据。这三者结合起来才能构建成一个完整的“数字专家”，才能把一个很小的岗位的某一个职责给闭环掉。

江志强：现在看到哪些企业内的AI应用或agent的场景是比较好落地的？如果不好落，阻碍在哪里？

邹阳：我们发现现在agent落地最大的问题，就是很多数据没有对大模型“ready”。我随便举个例子，合同审核，听上去是通用需求。但是合同文件是有结构的，人看到这些结构信息是能获得知识的。比如写了五个人名，左边三个，右边两个，这边盖章，那边签字，人一看就知道这五个人对上面的文件负责，但这个信息模型是不知道的。在一些复杂文档的识别上，现在业界的做法还是之前的版面识别配合OCR模型。所以你想，如果智能体没有办法完全理解企业内部沉淀下来的知识，它怎么样能把一个职责做闭环？

江志强：孙总，因为你接触客户非常多，你觉得企业落地AI，除了数据是否ready之外，还有哪些影响因素吗？会不会有内部的阻力？

孙林君：会有，这个很现实。有些是从老板层面看，这个事儿是一定要做的。但是从底下的人角度来讲，有些人他确实有抵触情绪，觉得我把这事儿做了，我是不是也失业了？

但是今年这个智能体概念普及之后，很多企业都已经把Devin布起来了。我们公司今年上半年接待了9000人，我见到一个团的时候都会问他们有没有用过agent平台，比例非常高的。也就是说大家已经有意识地在接触这个东西了。但是普遍的反馈是效果没那么好。原因是你把一些开源的东西直接弄进来，就好像你把家具搬到了一个毛坯房里，它不见得就变成了精装修的房子。这里面其实有很多需要调整和适配的东西，比如检索增强、意图改写、数据治理等等，才能把它变成一个很好用的东西。

江志强：孙总，你现在看这么多的企业，智能体主要还是降本增效多吗？还是说你有开始看到一些能拉动创收，甚至是改变商业模式的？

孙林君：这个一定是有产业变革级别的变化。我们做RPA那个时候，客户总让我们算ROI，我买你两个机器人，省了几个人？那个时候他可能觉得ROI不高我就不做。但是现在不是，现在可能他不做，他认为他会死，就这么一个区别。这不只是一个简单的换算，更多的是一个我们叫“博尔特效应”。博尔特跑得最快，也比别人领先一个身位，但他的市场价值可能是别人的总和。在这个里面，产生的潜在价值就是我们要在这个激烈的市场竞争中保持一个领先地位，而每一个身位都至关重要。

江志强：我最后一轮把两个小问题结合在一起。第一个，你们觉得现在业务里，AI什么地方开始做得比人好了？第二个，你们再看下一个阶段的发展，自己最关注的技术趋势会是什么？我们先从李总开始。

李韶辉：To C和to B是不一样的。To C的话，我不知道大家有没有用Grok昨天出的一个陪伴助手？我昨天试了半小时，我觉得从跟你聊天这件事上，没有人比AI做得更好，因为没有人会那么体贴你。但to B上就不一样，他要够专业、可重复。我觉得在可见的未来，在专业领域，如果是一些重复的，比如客服电话，AI可能会做得比人好。但是更高阶、需要专业知识的，还需要企业有更深的数字化能力。

另外，在内部我不太去提“数字员工”这个观念，因为它本质上是一个非常老板思维的东西。我相信没有员工说我愿意跟一个所谓的“数字员工”一块儿做同事，他会取代我。我们更愿意说Agent是一个代理、一个助手，它是一个system，不是一个取代我的人。我们把工作流中间的每一个地方用AI来赋能，让我们的专家和同事能够真正获得帮助，更好地完成他的任务。

江志强：孙总，您怎么看？

孙林君：人工智能最大的一个特性是它可以迭代。你给他足够多的数据和纬度，它的效果就会越来越好。这件事就注定使得在有些工作上，人工智能会逐步超过人，这是一个大趋势。但在现在，它更合理的是变成我们的助手，在某一个特定任务上帮我们把它做到极致。

江志强：克一，您怎么看？

张克一：我比较同意孙总的观点。AI带来的复盘、迭代、进化的确定性是比人更高的。很多时候我的客户会认为，你是不是能帮我降本、减少人力成本。这里面有个前提是，他交付的结果有价值，然后再来把投入降低才会有价值。所以我认为现在AI首先应该可以做到、也最快能实现的，其实是复盘、迭代和进化。

江志强：好，邹总也做个总结发言。

邹阳：历史的浪潮是不可忤逆的，纺织工人还是下岗了，但是多了很多创业家。在目前的阶段，AI做一些高重复、高频、高标准化、低创造性、低决策复杂度的活，是完全可以的。他把你解放出来，让你有更多的精力做好你的工作。如果你还是处在知识工作者的底层，那你可能会失业。要么你可能换个赛道，要么你就往上走。

江志强：我最后就加一句我自己的观点。我是一个AI乐观派。我相信在这个AI这么快发展的情况下，不管是智力持续提高，还是推理能力的提高，甚至是未来给AI用的工具，可能我们半年或一年后，我们几个再聚在这边聊的时候，内容会完全不一样。