Paul Jialiang Wu agentic-portfolio ✉️ 免费名单
← 返回作品集

AI 原生系列 · 推销智能体化 AI,第二篇(共三篇)

这个销售季怎么卖智能体:有边界、担责任、重证据

作者 Paul Jialiang Wu · futuremake.io · 2026-10-21 · 6 分钟阅读

Cover: Selling agents this season, bounded, accountable, evidence-led. Three cards: who it is for (founders, consultants and platform teams pitching an agent this year), what you leave with (six practices and the four checks every agent pitch should pass), and the one finding (developers felt 20% faster with AI but were 19% slower, METR 2025). Series map along the bottom, part 2 highlighted.
推销智能体化 AI,第二篇(共三篇)。

一分钟摘要

这篇讲什么。 本系列第二篇:这个阶段该怎样推销 AI 智能体,以及每次推销都该通过的四项检查:具体、如实估量、有人担责、提前定好度量标准。

为什么重要。 在一项 2025 年的随机对照试验中,经验丰富的开发者用 AI 工具反而慢了 19%,事后却仍然相信自己快了 20%(METR)。笼统的「生产力提升」承诺,恰恰是证据最撑不住的说法。

读完之后你能做什么。 把你写的四行说法拿去过一遍这四项检查,然后为那个能说「不」的人写一句话:这个智能体能碰什么、谁来批准。

Pitching Agentic AI — 系列脉络
  1. 比任何推介都更长寿的原则 第 1 集
  2. 这一季该怎么推介智能体 本集
  3. 四位客户,四套首发工作流 第 3 集

标签说明:EVIDENCE 代表有据可查,DESIGN 代表推荐做法,OPEN 代表尚未验证,而 LENS 代表我自己的判断。

企业里的 AI 试点常常卡住,而卡住的原因,很大一部分出在立项的范围没划对。2025—26 年的六条实践,都围绕一个念头展开:选一个卡住的工作流,让事先谈好的配对指标去替你完成销售。而那个意外之处在于:关于 AI 编程工具的那些做得最好的试验,彼此的结论并不一致。

本篇内容:眼下该怎么推介一个 AI 智能体

第一篇里的原则几乎不变。而这一层,大约每年都会变一轮:买家怎么买、证据目前怎么说、他们在治理上会问些什么。这一篇写给今年要把智能体推介进企业的任何人——无论你是创业者、顾问,还是内部平台团队。我在 Accenture 工作,下文援引的研究里有一项正来自那里;提到的地方我会说明。这里的一切都是我自己从公开资料中整理出的综合判断。

Top: the four moves in order, Listen, Locate, Limit, Prove, joined by arrows. Below: three bars for the series layers, principles, this season and your client, shortest last. Part 2, this season, is highlighted.
每一篇都用同样的四个动作。周期越短的那一层,就越需要及时重新核查。

先下一个赌注

在 2025 年的一项随机对照试验中,经验丰富的开源开发者在自己的代码仓库里完成真实任务,分别用和不用 AI 工具。开始之前,他们预测用了 AI 之后大约能快 24%。而实际用上 AI 之后,他们完成任务所花的时间:

实践一:先审查资质,再推销

EVIDENCE 企业销售界早就把这套流程规范化了。MEDDIC 是一套从业者们追溯到 1990 年代 PTC 公司的检查清单,它要求明确指标、找到有预算决策权的买家、决策标准、决策流程、痛点所在,以及一位内部支持者。它的起源说法只是业内传闻,细节上并未经过证实,但它之所以流传至今,原因很朴素:一笔没人负责、也没有共识衡量标准的交易,无论演示做得多漂亮,通常都谈不成。

DESIGN 对于一次智能体试点,我会自己再加四个问题。结果有没有明确的负责人?团队能否提供访问权限与上下文信息?有没有留出时间来判断产出质量的评审人?这项工作是否足够可重复,以便界定范围、加以核验?只要缺了一项,就该停下来先补上,而不是硬着头皮往前推。

实践二:在压力之下,先选定一个工作流

DESIGN 卡壳的工程工作,往往逃不出四种样子。我把它们称为「四个 R」:

| 卡壳的工作表现为 | 典型症状 | 一个有边界的首个任务 | |---|---|---| | 等待(Waiting) | 评审与审批排起长队 | 按团队自有清单做一轮初审 | | 返工(Redoing) | 返工、测试不稳定、流水线反复重跑 | 为某一服务排查失败的 CI 运行 | | 重新学习(Relearning) | 人与人之间的上下文丢失、没人懂的老代码 | 以只读方式解释并记录一个遗留模块 | | 重复解释(Re-explaining) | 交接、过期文档、反复被问同样的问题 | 根据一次事故的历史记录起草一份处理手册 |

选一行,针对一个团队就好。不要窄到只是自动补全,也不要宽到全公司自动化——那只是第 7 页 PPT 加了预算而已。

实践三:对每个能点头或摇头的人,说对的话

DESIGN 同一个卡住的工作流,在四种人眼里意味着不同的东西:

大多数提案都顾及了前三种人。在我见过搁浅的那些交易里,问题通常出在第四种人身上——从头到尾都没人对他们说清楚一句话。

实践四:只主张证据能撑住的部分

EVIDENCE 回到之前的赌局,答案是C。在 METR 的 2025 年随机对照试验中(16 名经验丰富的开发者,在自己的代码仓库里完成 246 项任务),允许使用 AI 工具反而让任务多花了 19% 的时间,而开发者事后仍然相信 AI 让他们快了大约 20%(Becker et al., METR, 2025)。METR 后来表示,一次重新测试只得到了微弱的信号,因为许多开发者已经不愿意再脱离 AI 工作;METR 现在认为,开发者实际获得的提速可能比以前估计的更明显(METR, Uplift update,2026年2月).

EVIDENCE 另一面的证据:在三家公司(包括我任职的 Accenture)进行的实地实验,覆盖 4,867 名开发者,发现使用 AI 代码补全工具后,完成的任务量(指 pull request 数量,而非笼统的「生产力」)增加了约 26%,经验较浅的开发者提升幅度更大(Cui et al., The Effects of Generative AI on High-Skilled Work, 2024–25)。Google 的 2025 年 DORA 调查覆盖约 5,000 名从业者,发现 AI 使用与更高的吞吐量相关,但同时也与更低的交付稳定性相关:AI 会放大已经存在的东西(DORA 2025 announcement).

DESIGN 只要按场景和年代分别看,这些结果其实并不矛盾:2022—23 年面向广泛人群的代码补全、2025 年初针对成熟代码库中资深开发者的工具、以及整个交付系统——说的根本不是一回事。这正是为什么「开发者生产力」是个错误的承诺,而带有事先约定衡量标准的、针对具体工作流的主张才是诚实的做法。

实践五:把速度信号和质量信号配对使用

EVIDENCE 一个试点项目能否真正走到生产环境,很大程度上取决于它是怎么搭建的。MIT NANDA 2025 年的研究基于访谈、问卷与公开实施案例,报告称 "external partnerships with learning-capable, customized tools reached deployment ~67% of the time, compared to ~33% for internally built tools,"(中译:与具备学习能力、经过定制的工具开展外部合作,部署成功率约为 67%,而内部自建工具的成功率仅约为 33%),报告本身也说明这些数字均由受访者自行呈报,未经第三方核实(MIT NANDA, The GenAI Divide, 2025;此处引用的是该报告在网上流传的一个版本)。报告中常被引用的「95%」,统计的其实是回报为零的组织,而不是失败的试点项目。

EVIDENCE 各家厂商正把定价逐渐转向按结果付费:Intercom 为其 Fin 智能体按每次解决收费 $0.99(Intercom pricing),Salesforce 的 Agentforce 则按对话次数或操作次数计费(Agentforce pricing)。但「结果」具体怎么定义,都是厂商自己说了算。

DESIGN 这就是「验证」这一招见真章的地方。要同时商定速度信号和质量信号,包括达标线是什么、由谁来看:评审周转时间要配上漏网缺陷数,文档撰写时间要配上测试是否原样通过。只看速度是可以被糊弄的——评审一旦求快就会变浅,大家都在庆祝,直到事故复盘会上才现原形。

实践六:让试点的边界回答治理问题

EVIDENCE 买家如今上门时都带着一份治理清单。欧盟《人工智能法案》自2025年8月起已对通用人工智能模型施加相关义务(EU AI Act implementation timeline),而 NIST 的人工智能风险管理框架则是美国通行的参照标准(NIST AI RMF).

DESIGN 一个边界清晰的试点,光凭它的边界就能回答大多数治理问题。讲清楚智能体能碰什么、每项输出由谁审批、记录了什么日志,以及专家何时会检查配置与管控措施。如果「它能碰什么」这个问题的答案要用一整段话才说得完,那这个试点就定得太大了。

推销之前的四项检查

  1. 具体: 一个工作流,一个团队。
  2. 诚实估量: 说「或许值得评估」,而不是承诺一场变革。
  3. 有人担责: 质量与审批的责任,始终由工程师承担。
  4. 提前定好度量: 一个速度信号加一个质量信号,达标线在开始前就商定好。

这套方法可能在哪里失灵

这周就能做的事

拿出你在第一篇写下的那四句话,用这四项检验过一遍。然后为那个「有权说不」的人写一句话:智能体能碰什么,谁来审批。如果这句话写不出来,就说明你还没准备好提试点。

下期预告

第三篇会把这一切落到四个出错代价最高的行业上:金融服务、生命科学、工业制造,以及科技与电信。每个行业都会讲清楚痛点、责任人、规则,以及一个合适的起步工作流。

参考资料


相关阅读

作者:Paul Jialiang Wu · agentic-portfolio · 2026-10-21。文中观点仅代表我个人,与雇主无关。 本页内容生成自一个受控信源:篇幅、引用来源、标签标注与诚实度状态,发布前都会逐项检查。