写在前面
企业把 AI 用起来这件事，过去三年基本卡在同一个范式里，就是降本增效。但提效存在硬上限，一家公司不可能提效到没有人。2026 年 9 月起，「增收型智能体」在硅谷已形成独立融资赛道，国内也开始有规模化落地案例。
这篇文章面向想把 AI 真正接到业务链路上的开发者和企业技术负责人，拆解三件事。
- 工具型 Agent 与岗位型 Agent 的商业逻辑差异
- 线索响应速度对转化率的量化影响
- 一套最小可用的 AI 售前 Agent 的落地方案，含提示词模板
一、背景，提效路线的天花板已经出现
2026 年 9 月 18 日，华为全联接大会「人工智能赋能城市高质量发展」分论坛上，深圳夸夸菁领发布了销售大师与零售大师两款增收型智能体，覆盖企业从线索发现到回款的全链路六个环节。创始人在会上给出的判断是，提效是帮企业省钱，增收是帮企业挣钱，前者有上限，后者天花板更高。
这句话背后的产业逻辑其实很直接。提效的收益上限由组织规模决定，人会减到零，成本会减到地板，改善空间会耗尽。而增收面向的是外部市场，客户规模没有上限。
从资本市场的定价也能看出来。
| 公司 | 领域 | 时间 | 融资 / 估值 |
|---|---|---|---|
| Sierra | 客服 AI | 2026 年 5 月 | 9.5 亿美元融资，估值约 158 亿美元 |
| Clay | 销售智能 | 2026 年 9 月 | 1.15 亿美元 D 轮，估值约 71 亿美元 |
硅谷估值超过 10 亿美元的增收型智能体公司已有 7 家。这两家的共同点是都挂在具体岗位上，Sierra 对应客服岗，Clay 对应销售岗，都不是内容生成类工具。
二、工具与岗位的定价差异
这是本文最想讲清楚的一个判断。
工具的价值度量是「省了多少时间」，属于成本侧，采购决策可以讨价还价，验收方式是月底对账。
岗位的价值度量是「带来多少收入」，属于收入侧，更接近按结果分账，验收方式是响应速度与转化率。
前者你买的是软件，按席位或按年付费。后者你买的是产能，按业绩结算。
这就是为什么同一波技术，市场给出的估值能差一个量级。
顺着这个判断往下走，有一个反直觉的结论值得单独说。中小企业落地 AI 的正确顺序，应该是先增收，再提效，而不是反过来。
原因不难推。提效省下来的钱，你未必能变成利润，因为省下的人力成本在账面上很难直接体现为增长。但增收带来的现金流是可以立刻投到下一步的。先用增量打开空间，再拿增量去优化结构，这个顺序比反向操作稳得多。
这里需要补一句不客气的提醒。行业里很多人把「AI 增收」讲成了买套系统就能爆单，这个说法是反的。
AI 能解决的是响应速度与覆盖面积，它解决不了你的产品行不行、你的报价有没有竞争力。前者是引擎，后者是油。没有油，引擎转得越快，空转得越厉害。这一段属于方案边界，放在第七节会再展开一次。
三、数据支撑，响应速度是增收的第一变量
有几个数据值得放在一起看。
- 5 分钟内响应一条线索，成交概率约为 30 分钟后响应的 21 倍
- B2B 行业实际首次触达响应时间，中位数是 1 小时 42 分
- 仅 14.6% 的线索在 5 分钟内被响应过
- AI 客服会话的首次响应中位数是 1.8 秒
21 倍的机会摆在那里，行业却卡在 1 小时 42 分。这不是模型能力问题，是链路配置问题。
同一时期还有两组规模数据可以参照。
- 夸夸菁领的 DinTal 数智员工已在全国 26 座城市、2000 多个岗位上岗，政务侧落地超过 60 个项目，覆盖 240 多个政务场景
- 亚马逊 2026 年 6 月数据显示，超过 98% 的受访中国卖家在用 AI 工具，但只有 16% 从单点工具进阶到部署 AI 工作流或智能体
98% 在用，16% 上岗，中间那 82% 的差距就是工程落地空间。
四、技术选型，国内可用的几条路径
按上手成本排序。
最轻的是扣子（字节 Coze），纯 Web，不需要本地环境，注册后在智能体入口新建即可，支持知识库本地上传。
如果业务在腾讯生态内（例如企业微信），WorkBuddy 开放平台的对接链路更短。需要下载桌面端，登录后在智能体或专家入口创建。2026 年 9 月 2 日它的开放平台上线，首批引入超过 100 家生态伙伴。
阿里千问办公与百度搭子在能力上接近，按现有技术栈选择即可。
面向海外的场景可以看 Anthropic 的中小企业版 Claude。2026 年 9 月 15 日它一次上线了 43 项预置工作流与 27 个商业软件集成，其中「线索智能响应」直接可用，覆盖非工作时间自动跟进、匹配日历空档、录入 CRM。国内访问存在网络门槛，需要单独评估。
五、落地实践，最小可用的 AI 售前 Agent
这一节是可复现的部分。
5.1 目标定义
要交付的不是聊天机器人，而是一个挂在获客入口、7×24 在线、能完成需求采集与线索分级的岗位。约束有三条。
- 只回答知识库内授权内容，无命中则转人工
- 不承诺具体价格、交期、账期
- 每轮对话输出线索质量标记
5.2 知识库准备，这一步决定上限
需要四份材料。
| 材料 | 内容 | 说明 |
|---|---|---|
| 产品清单 | 卖什么、规格、适用场景 | 写事实不写广告词 |
| 常见问题 | 近三个月客户问过的全部问题及答复 | 最核心，等于公司知识资产 |
| 价格规则 | 阶梯规则，不写具体数字 | 例如 100 件以下标准价，100 到 500 件 9 折，500 件以上定制报价 |
| 边界清单 | 不能说的话、不能给的承诺 | 作为提示词边界约束的来源 |
四份材料汇总通常在两三千字量级。上传到平台的「知识库」模块（扣子在智能体编辑页左侧，支持本地上传 txt 与 word），文件状态显示已上传即完成。
5.3 提示词模板
关键在于把身份、任务、边界、输出四件事分开写清楚。
你的身份是某某公司的售前助理，你只负责和咨询产品的客户对话。
你的任务依次是：
1. 先问清楚客户是哪个行业、要什么规格、大概什么用量
2. 客户问的产品如果知识库里有，按知识库回答
3. 客户问价格和交期，你先记录，然后告诉对方「我确认一下给您答复」
4. 每轮对话结束时，判断这个客户是意向明确还是随便问问
你的边界：
- 只回答知识库里的内容，知识库没有的直接说「这个我确认后回复您」
- 不承诺任何具体价格、交期、账期
- 不说「绝对」「保证」「全网最优」这类话
- 涉及合同和付款条件，一律转人工
你要输出的：
最后一句话后面附一行内部标记，格式是 [意向度: 高/中/低] [客户行业: xx] [需求: 一句话]
其中最后一行的结构化标记是整段的工程重点。它把非结构化对话转成了可筛选的结构化字段，让线索分级不再依赖人工阅读。落库后可以直接按意向度排序，形成每日跟单清单。
5.4 渠道接入
- 微信生态接入企业微信，扣子与 WorkBuddy 均支持
- 官网接入使用平台提供的网页链接或嵌入代码
- 内容平台先放链接引导跳转
注意移动端适配。只测桌面网页容易出现手机端输入框被遮挡的问题，上线前必须用手机完整走一遍真实对话。
5.5 灰度策略
Anthropic 那 43 项工作流默认采用人工审批模式，AI 生成草稿后人确认才发送。这个设计值得照搬到自建场景。
建议前两周只开草稿模式，不直接对客回复。两周内观察模型在各问题类别上的准确率，把跑偏的类别补进知识库，而不是去改提示词。
5.6 一个真实案例的量级参考
财税顾问陈总，30 分钟用 AI 做了公司官网。她第一次动手之前，把需求写了整整一页 A4 纸。
这个案例值得从成本结构上看。官网是获客入口，客服是转化入口，报价单是成交入口。这三个口过去每一个都需要有人守着，而现在它们的边际成本被压到了过去不敢想的水平。
六、效果度量
| 指标 | 观察周期 | 预期变化 |
|---|---|---|
| 首次响应时间 | 每两周 | 从小时级降到分钟级以内 |
| 高意向线索数 | 每两周 | 持续上升 |
| 人工接待耗时 | 每两周 | 数量级下降 |
三项里只有第二项是结果指标，前两项是过程指标。这个区分很重要，否则容易用响应速度自我安慰。
作为参考量级，客户档案整理这类结构化工作，过去是 2 天，现在是 20 分钟。
七、边界与踩坑
必须写清楚的几条。
- 涉及账期、合同条款这类需要信任基础的环节，Agent 无法替代人工。它能吃掉前面 90% 的重复问答，最后那通电话仍要人来打
- 知识库需要持续维护。产品与价格变化后不同步，三个月内输出质量就会明显下降
- 如果业务本身咨询量极低，优先解决流量问题，响应速度优化没有意义
- 客户数据分散在多个表格和账号中时，Agent 无法形成有效判断，需要先做数据归拢
还有一个容易被忽略的前提。AI 是放大器，不是发动机。它放大的是你已经在做的事，不会替你想出该做什么。产品竞争力与报价合理性属于前置条件，不在这套方案能解决的范围内。
这个坑我自己踩过。2026 年上半年，我有段时间把大量精力放在自动化链路上，工具越搭越多，结果发现客户线索并没有变多，因为那段时间我根本没花时间做内容。
工具只能放大你已经在做的事，它不会替你想出该做什么。这一句在整套方案里是最前置的一条，也是最容易被跳过的一条。
八、总结
- 企业级 Agent 的分野已经出现，工具对成本负责，岗位对收入负责
- 响应速度是增收链路里的第一变量，21 倍与 1 小时 42 分的落差说明这是配置问题而非算力问题
- 最小可用方案的门槛不在模型，在知识库的结构化程度
- 落地顺序建议打开人工审批灰度，用两周积累真实数据，再逐步放开
最后给一个判断方法。评估任何 AI 方案时，别只问它帮你省了多少人，多问一句，它挂在哪个岗位上，对什么结果负责。
