企業級人工智慧代理為何失敗——以及它們需要具備哪些條件才能正常運作

企業部署成功時，我會在前兩週內知道。 

人們不只是登入而已。他們登入後，會關閉由人工智慧代理在夜間處理的支援工單，確認銷售線索在睡夢中收到的後續後續訊息，發現新的使用場景，並自行設定更多代理。你會開始聽到團隊提出「它也能做到這個嗎？」這樣的問題，而不是「為什麼它做不到那個？」。這就是神奇的時刻：你的客戶已經愛上了這款產品，並且像每天使用 WhatsApp 一樣依賴它。

其帶來的價值龐大，體現在顯著節省時間和成本，以及客戶滿意度評分和整體營運效率的顯著提升。其對業務的影響如此之大，不容忽視。

但當出現問題時，訊號同樣清晰。 

他們簽了合同，發布了關於人工智慧轉型的大新聞稿，然後……人們登入系統卻什麼都不做。客服人員處理的工作量只有預期的一小部分。團隊的大部分成員仍然沿用手動操作。他們沒有完成與客戶關係管理系統（CRM）、企業資源規劃系統（ERP）或工單系統的整合。他們先是每天登入一次，然後改為每週一次，最後乾脆就不登入了。不用預知未來也知道，明年他們就會說“這不符合我們的工作方式”，然後合約就不續約了。

這兩種結果之間的差異幾乎從來都不是技術造成的。

技術沒問題，人工智慧代理也準備就緒，但企業還沒準備好。

原因如下。大多數公司認為部署人工智慧代理意味著連接 ChatGPT 把人工智慧系統連接到他們的系統，然後砰的一聲，一切就神奇地自動運作了。事情並非如此。人工智慧與你的客戶關係管理系統（CRM）、企業資源規劃系統（ERP）、工單系統、溝通管道等等的每一次集成，本身就是一個複雜的工程難題。人工智慧不可能神奇地自動連接200個內部系統。

人們往往認為人工智慧模型是最困難的部分。但現在並非如此。人工智慧模型正日益成為一種商品。你可以從 ChatGPT 從 Claude 到 Gemini 或任何其他模型，只需幾秒鐘即可完成切換。現今的開源模型運作成本約為前沿實驗室的 1%~2.5%，但效能卻能達到 90%~96%，在某些特定領域甚至能超過 100%。模型本身並無優勢，真正的優勢在於集成，而每一次集成都是一次進步，需要付出實實在在的努力才能實現。

他們的力量也源自於他們所擁有的知識。

你的知識首先必須是可用的。

即使你把所有人工智慧整合都做對了，智能體的輸出品質也取決於你輸入的知識品質。數據為王，數據品質就是金礦。像Mercor這樣的公司，透過高薪聘請領域專家，專門為人工智慧提供高品質的學習數據。大多數普通公司沒有數百萬美元的閒錢來做這方面的投資，但他們確實擁有同樣寶貴的資源：多年來積累的關於自身業務運作方式的知識。唯一的問題是，這些知識幾乎總是無法觸及真正需要的地方。

想想知識在公司內部是如何流通的。一個員工花了幾天時間研究一個複雜的客戶問題，最終解決了，然後透過 WhatsApp 回覆。下次另一個員工遇到同樣的問題，面對的是另一個客戶時，他們就得從頭開始，再花幾天時間才能解決。真是浪費時間。

此外，公司掌握的所有資訊通常以自然語言的形式散落在各處：電子郵件、PDF文件、某人本地硬碟上的文件、公司雲端充斥著重複文件和衝突版本的文件……以及只發生過一次且從未錄音的電話。這些資訊也存在於前員工的記憶和他們已刪除的資料中，知識從未真正傳承過。

現在，所有這些知識都可以透過人工智慧進行記錄、整理、管理、使用和應用。

要做到這一點，就意味著要像對待基礎設施一樣對待知識。客服人員使用的每一份文件都需要上傳到知識庫，保持更新，並進行存取權限控制。面向客戶的客服人員可以看到客戶應該看到的內容，而內部客服人員則可以看到完整的資訊。

把它想像成新進員工入職訓練。你不會給他們一大堆谷歌雲端硬碟文件，也不會轉發郵件往來，指望他們一個月內能吸收正確的訊息，而是從第一天起就決定他們應該知道什麼。

知識庫需要能夠處理企業遇到的各種資料格式，無論是 PDF、電子表格、語音筆記、圖像或多語言文件。當資料發生變化時，知識庫應該能夠自動更新，無需從頭開始重建。操作應該非常簡單，只需將新知識庫交給客服人員，即可自動替換所有舊知識庫。

亞洲一家規模最大的房地產集團，管理數百棟住宅和商業房地產，就曾面臨這樣的問題。他們的合規文件、租戶合約、樓宇專屬維護流程、供應商升級規則以及各種數據，全部分散在不同的系統中，使用不同的語言。多年來，始終沒有人建立起統一的架構，也沒有人明確劃分哪些知識可以對外共享，哪些知識應該保留在內部。

他們過去需要幾個小時才能回覆租戶的諮詢。自從部署了智慧代理AI後，任何資訊都可以在30秒內檢索到。首次回應時間從12小時縮短到60秒以內，租戶滿意度在部署後的90天內幾乎翻了一番。

我曾聽過該集團的一名員工說，即使工作了 20 年，他仍然無法記住 50% 的標準作業程序 (SOP)，因為 SOP 一直在變化，而人工智慧能夠在 2 秒內消化所有內容並正確回答所有問題。

資訊相同，終於可以用了。

銷售99%靠後續跟進，經紀人也是如此。

掌握正確的知識是內部問題。外部問題在於如何將客服人員的每一次對話與公司實際運作的系統連結起來。

我跟你說說銷售中一些大多數人不會在LinkedIn上說的事：銷售99%靠的是後續跟進。在我創立Jurin AI之前，我每年收集大約800到1200張名片，但真正跟進的不到2%。倒不是我不想做剩下的98%，而是這個過程實在太痛苦了。你得抽出時間手動輸入對方的詳細訊息，回想你們在哪裡見過面，聊了些什麼，然後還要寫一封個人化的訊息。等你終於寫完的時候，機會早已溜走了。

現在想像一下，如果由經紀人來處理這一切。你遇到一位潛在客戶，系統已經掌握了他們的身份、上週發布的內容以及與你正在打造的產品或服務相關的資訊。後續跟進會在當天發出，內容個人化，趁著對話記憶猶新。每一個潛在客戶資訊都會被覆蓋，而不僅僅是你記得的那些。 

這可不是10%的提升。如果運用得當，這能帶來50倍的收入，在某些產業甚至能帶來200倍的利潤，而這些財富卻可能就這麼堆在無人問津的名片堆裡。這就是人工智慧成為「遊戲規則改變者」的地方。

當你能夠回憶起過去的每一次對話，並能從上次中斷的地方繼續下去……這正是 Meta 使命宣言的核心——「讓世界更緊密地聯繫在一起」。

同樣的邏輯也適用於企業內部。當潛在客戶詢問價格時，對話本身可能很簡單，但背後的工作流程卻並非如此：這是現有客戶還是新客戶？之前是否有人聯絡過他們？哪個區域負責維護客戶關係？是否有潛在客戶正在洽談中？這個折扣需要審批嗎？之前是否有相關的支援工單？是否已經有人在處理這個問題？人為因素越多，效率低下的問題就越容易累積──呈指數級成長；而人工智慧卻能輕鬆實現線性擴展。

人工智慧代理可以處理所有這些問題，但前提是它必須連接到擁有這些資訊的系統。 Salesforce、HubSpot、SAP、Oracle、您的工單系統、ERP，無論您的企業使用何種系統組合，都需要先進行集成，代理才能執行這些操作。整合完成後，代理商會檢查客戶關係管理系統 (CRM)，提取真實的歷史記錄，將客戶轉接到合適的負責人，記錄互動過程，並安排後續跟進。對話進行時，人工智慧會捕捉對話之前、之中和之後的所有工作流程。

您的所有互動都需要集中在一個地方。

但掌握全局，才能有效掌握工作流程。而大多數企業無法做到這一點，因為對話發生在不同人員擁有的不同平台上，而這些人彼此並不了解對方的發言內容。

例如，客戶經理能看到 WhatsApp 聊天記錄，銷售人員能看到客戶關係管理系統 (CRM)，支援人員能看到工單，財務人員能看到發票。客戶會認為公司裡的每個人都知道他們曾經告訴過你們所有人的所有資訊。

如果企業將代理商部署到這種碎片化的環境中並期望它能發揮作用，那是不可能的。 

客戶接觸到的所有管道，無論是電子郵件、WhatsApp、Slack、電話、CRM系統或工單系統，都需要整合到同一個系統中。完成整合後，客服人員就能掌握完整的資訊：上週的承諾、尚未解決的問題、今天早上與客戶溝通的人員以及溝通內容。無論對話最初透過哪個管道發起，系統都能完整呈現對話內容。

我之前提到的房地產公司，每個房產都單獨設定了LINE、WhatsApp、微信帳號和信箱。一旦所有管道整合連接起來，經紀人就能掌握整棟大樓的信息，包括租戶、歷史記錄和未解決的問題。最終，他們掌握了房產的全貌。

根據每個工作流程，賦予代理適當的自主權。

你不會在新進員工入職第一天就給他們公司信用卡。但你也不會讓他們回覆郵件前先徵得同意。代理商的工作方式也是如此。

有些工作流程您希望客服人員全程處理，例如回覆客戶、更新記錄、關閉工單、重新安排出貨。而有些流程則需要人工審核後再發出。客服人員負責前期準備工作，例如擷取資料、撰寫回應、標記異常情況，最終由手動審核。

關鍵在於企業人工智慧部署上線之前，決定賦予每個代理人多大的自主權。

一家每天處理 3,000 筆訂單的電商企業可能會賦予客服人員完全自主權，讓他們可以修改訂閱、更改配送方式和批准取消訂單。但超過一定金額的退款仍需要手動處理。整個過程不到一天即可完成。 defi所有這些規則和權限都需要設定。但如果設定正確，下班後就不會有任何未處理的請求，每年可以節省七位數（以及很多麻煩）。

這才是企業級人工智慧代理真正需要的。

我開頭描述的那種神奇時刻——人們登入後發現工作已經完成，並問「它也能做這個嗎？」——並非偶然發生。它發生在知識結構化且易於使用，智能體連接到企業實際運行的系統，所有渠道整合到一個系統中，以及有人在智能體上線前就對其權限進行了周密的決策之後。

只要平台合適，這些技術上都不難實現。但這一切都要求企業做出一直以來迴避的決定。

從事這項工作的企業最終得到的不僅僅是一個能正常工作的代理商。他們最終會對自身業務的實際運作方式有比以前更清晰的了解：工作流程得到記錄，知識體系清晰，系統得到整合。

事實證明，企業成功部署人工智慧的先決條件與公司高效營運的先決條件完全相同。