$天潤雲(02167.HK)

在消費零售行業，Agent 應不應該做？應該從什麼地方開始做？怎麼做才有效？

圍繞這些問題，3 月 24 日，Zenava UserDay 在廣州舉行。現場，有來自消費零售領域的數十家企業負責人展開熱烈的討論，大家相互交流，分享經驗。

當天的分享和交流中，既有對行業趨勢的判斷，也有對落地方法、典型場景和實際經驗的拆解，信息密度很高，留下了許多值得反覆思考的乾貨內容。

基於此，我們從當天的內容中提煉出了一些更有參考價值的觀點和方法，想和大家做一個分享。

若你也對 Zenava UserDay 感興趣，歡迎與我們聯繫，全國巡迴活動正在持續開展，也許下一站，就在你的城市。

一、Agent 現在不比 “會不會聊”，而比 “能不能把事做完”

這是廣州站現場反覆被提到的一個共識。

企業今天看 Agent，已經不是在看它會不會回覆、像不像真人，而是在看它能不能真正把事情做下去。

過去做智能客服，更關注回覆順不順、FAQ 覆蓋夠不夠；到了 Agent 階段，衡量標準已經變了。售後看獨立解決率、獨立接待率，售前看轉化，服務流轉看建單率和建單準確率。比起 “會不會聊天”，企業更在意的是，它能不能把一段業務流程往前推進。

點擊添加圖片描述（最多 60 個字）編輯

這背後，其實是能力邊界變了。

傳統 NLP 機器人更像問答匹配，用户問一句，系統答一句；但 Agent 已經開始具備理解意圖、分解任務、調用接口、處理多模態信息和承接上下文的能力，能夠繼續把問題處理下去。

現場舉了一個很典型的例子：用户説 “我上週買了一個耳機，一直沒到”，雖然沒有提 “物流”，Agent 依然能識別出這是物流查詢，並進一步調取訂單狀態，給出處理方案。

所以，今天企業重新看 Agent，看的已經不是它像不像一個會説話的系統，而是它能不能接住問題、推進流程，最後把結果做出來。

二、很多 Agent 項目做了沒效果，因為場景沒選對

如果説前面討論的是 “今天該怎麼看 Agent”，那麼另一個更現實的問題是：什麼樣的場景值得先做。

現場反覆提到，Agent 落地難點往往不是怎麼搭，而是哪些場景值得投、優先做哪一塊、怎麼把效益做出來。

判斷一個場景值不值得做，至少可以先看三點：能不能降低重複勞動，能不能突破原來人或舊系統做不到的能力邊界，能不能沉澱成標準化流程，放進智能體裏持續執行。

也正因為如此，廣州站把 “場景拆解” 放得很重。所謂拆場景，不是停留在 “售前”“售後” 這種大概念上，而是繼續往下拆清楚：服務對象是誰，從哪個渠道進來，帶着什麼需求，最後要完成什麼目標。

只有這些問題先説清楚，後面的知識準備、流程設計和效果驗證才有抓手。

點擊添加圖片描述（最多 60 個字）編輯

現場舉的助聽器案例就很典型。用户從抖音進來，和從小紅書進來，真實訴求可能完全不同。如果系統能在進線的一刻就結合渠道信息識別需求，就不用再反覆試探、來回確認。這也説明，Agent 不是更容易輸在問題複雜，而是更容易輸在場景太大、太虛、太模糊。

所以，廣州站給出的一個很現實的提醒是：項目不是從 “搭系統” 開始，而是從 “選對場景” 開始。先找到一個邊界清楚、頻次夠高、鏈路完整的小閉環，先把它跑通，再往外擴，往往比一開始鋪得很大更容易看到結果。

三、Agent 做不深，是沒有把知識和流程準備好

這是廣州站現場反覆被提到的一個判斷。

很多企業一開始推進 Agent，先看的是模型、參數和能力，但真正落地後才發現，決定效果上限的，不是模型有多強，而是企業有沒有把知識、規則和處理邊界真正梳理清楚。

表面上看，企業並不缺資料，產品手冊、服務文檔、操作説明、常見問答都不少；但真正上項目時，這些內容常常是舊的、缺的、散的、亂的。

點擊添加圖片描述（最多 60 個字）編輯

更新時間不一致，表達口徑不統一，判斷規則沒有結構化沉澱，一線專家知道怎麼處理，系統卻不知道該怎麼判斷。結果就是，Agent 看起來什麼都知道一點，但一到真實業務裏，回答就容易飄，判斷不穩定，同類問題前後也不一致。

這也是為什麼很多企業會發現，Agent 演示時效果不錯，一進真實業務，表現就開始波動。原因就是企業並沒有把真正支撐業務判斷的知識整理出來。

現場還特別提到一個常見誤區：很多企業以為 AI 足夠強，把公司文檔一股腦丟進去就行。

但實際恰恰相反，非結構化內容、複雜表格、水印文件、口徑不一的文檔，都會讓效果變差。Agent 時代的知識庫，已經不是簡單 “喂資料”，而更像一次業務梳理和經驗重組。

真正需要整理的，不只是答案本身，而是專家平時怎麼判斷問題，什麼情況可以直接處理，什麼情況必須轉人工，遇到歧義信息時該怎麼追問，不同任務的邊界和優先級又是什麼。

換句話説，Agent 真正需要的，不是一堆資料，而是一套能支撐判斷和執行的業務知識結構。很多項目之所以做不深，不是輸在模型，而是輸在企業還沒有把自己的業務規則講清楚。

四、先把業務判斷做紮實，再談 Agent 大規模落地

回到活動本身，Zenava UserDay 想做的，並不只是一場關於 Agent 的分享會，而是一個面向客户服務與營銷行業的專業交流平台。

我們希望把同行業、同場景、同樣在推進智能體落地的人聚到一起，不是停留在概念層面討論 “Agent 有多熱”，而是把真實問題攤開，把分歧講清，把經驗沉澱下來。

點擊添加圖片描述（最多 60 個字）編輯

比起單向輸出觀點，Zenava UserDay 更關注的是：技術如何真正進入業務，企業如何在複雜現實裏作出更穩妥的判斷，項目又該如何一步步走向可驗證、可複用、可持續。

未來，Zenava UserDay 也將繼續以行業交流和實戰共創的方式，走進更多城市，幫助更多客户服務與營銷行業的從業者撥開概念迷霧，回到業務本質，在真實場景裏找到更清晰的落地路徑。

$天潤雲(02167.HK)