现在最容易听腻的一个词，大概就是 agent。
什么都能叫 agent。
加了工具调用的是 agent，能跑几步流程的是 agent，接了企业数据的是 agent，连一个会回复消息的 AI 功能，也有人想给它起个名字，再配一张拟人头像，郑重其事地包装成“数字同事”。
问题不是这个词不能用，而是它已经开始失去解释力了。
真正需要说清楚的是：企业买的从来不是 agent 这个概念，而是更高的产能、更顺的流程，以及以前根本做不成的工作。
要把这件事讲透，最好的办法不是继续堆新术语，而是回头看一个老故事：通用汽车当年把机器人买回工厂，却没有得到“未来工厂”；丰田用差不多的技术，反而把生产系统重做了一遍，最后赢走了效率和利润。
这个类比放到今天，几乎可以直接照在 AI 产品上。
“Agent” 这个词，为什么开始变得有害
眼下真正的问题是：关于 agent 的叙事，已经从有用的产品语言，滑向了空泛的市场噪音。
这背后当然有现实动机。
- 大模型公司需要更大的故事来支撑估值
- 裁员中的公司希望把“少雇人”包装成“更先进”
- 创业公司需要一个听起来更性感的分类
- 投资人需要一个足够大的叙事，把市场想象力继续往上抬
于是，agent 这个词被越用越宽。
但企业买家不是在听 TED 演讲，他们问的问题通常更朴素：
- 这东西到底解决什么问题？
- 它卡在哪个流程节点里？
- 谁来用？
- 怎么接进现有系统？
- 最后能多赚多少钱，或者少浪费多少时间？
当所有产品都叫 agent 时，这些问题反而更难回答。
尤其在垂直行业，这种模糊会更致命。因为很多真实客户对 AI 本身没有那么大兴趣，他们真正关心的是：
- 排班是不是更顺了
- 合规是不是更稳了
- 报价是不是更快了
- 晚上漏掉的电话和订单能不能接住
换句话说，他们不是在买一个“数字员工”，而是在买一个更强的业务系统。
为什么 GM 的教训今天还这么像
当时 GM 的 CEO Roger Smith 押注机器人，想靠自动化扭转和日本车厂的竞争局势。公司在机器人和自动化设备上砸了大约 400 到 450 亿美元，这在当时是一个极其激进的决定。
逻辑听起来也很顺：
- 机器人不会罢工
- 机器人不会要求加工资
- 机器人可以全天候工作
- 那就把工人替掉，工厂照旧跑，效率自然会上去
结果并没有。
GM 的问题不是机器人买少了，而是它把机器人放进了原来的工位，却没有重构原来的系统。
- 产线节奏没变
- 流程顺序没变
- 工位逻辑没变
- 组织协作没变
只是把“人”换成了“机器”。
这种自动化最后的结果非常尴尬：成本没降下来，效率没有预期中提升，甚至还出现了大量离谱问题，比如机器人喷漆时喷到彼此，或者把车门直接焊死。
同样的时代，同样的自动化技术，丰田走的是另一条路。
它没有把机器人当成人的替身，而是把机器人当成一个新能力进入系统后，整个系统该如何重新设计的起点。
于是变化就不再是“换人”，而变成了：
- 工厂布局重做
- 工作单元重排
- 质量反馈缩短
- 人从执行重复动作，转向监控和组织系统
这个例子真正说明的东西非常清楚：技术本身不是分水岭，能不能围绕新能力重构流程，才是分水岭。
这和今天的 AI 产品有什么关系
关系大得惊人。
今天很多 AI 产品，尤其是所谓“agent 产品”，本质上还在重复 GM 的错误：
- 把 AI 塞进旧流程
- 让它去替代一个岗位上的具体人
- 然后宣称自己在做未来的自动化
这种思路最大的问题在于，它把企业的注意力全都拉向“这能替掉多少人”，而不是“这能让整个系统多做成什么事”。
于是企业内部讨论也会越来越像 HR 问题，而不是业务架构问题：
- 这个 agent 相当于几个员工？
- 能不能减少 headcount？
- 可以少招几个人？
但这往往只是局部收益，而且很容易卷成价格战。
如果你的产品价值只建立在“更便宜的劳动力替代品”上，那市场迟早会出现一个更便宜的替代品再来替代你。
真正值得警惕的，不是 agent 这条技术路线，而是这种单薄的产品 framing。
Vertical AI 的机会，不在“替代工作”，而在“完成以前没完成的工作”
如果把 Vertical AI 的价值拆开来看，最值得区分的是两类工作。
第一类是已经在做、但做得低效的工作：
- 排班
- 录单
- 开票
- intake
- 文书整理
- 后台协调
这类工作当然适合自动化。
更大的机会其实在第二类：工作根本没做完，甚至压根没做。
例如：
- 没提交出去的投标
- 下班后没人接的电话
- 没有及时处理的客户请求
- 没做完的检查
- 没跟进的索赔
- 没有被服务到的病人
这些“work not done”，过去很多不会出现在 headcount 模型里，因为它们不是显性的工资成本，而是隐性的收入损失。
可一旦你把这部分看清，Vertical AI 的商业逻辑就会完全变样。
它不是在帮企业“少一个人”，而是在帮企业：
- 多接更多单
- 多做更多项目
- 多覆盖更多客户
- 多完成原本做不到的服务
这时候 AI 卖的就不是 cost cutting，而是 growth。
而 growth 的故事，通常比“省掉几个岗位”更大，也更难被简单复制。
为什么比起 agent，更该谈 capability
这里有一个词特别值得保留：capability infrastructure。
翻得直白一点，就是“能力基础设施”。
这个说法比 agent 要强很多，因为它逼着你回到一个更本质的问题：
这个 AI 产品到底是一个会聊天的形象，还是一套能让组织能力边界外扩的系统？
如果把 AI 理解成 capability，你的产品逻辑就会完全变掉：
- 不是替一个岗位
- 不是复制一个员工
- 不是给企业画一个“数字同事”的想象图
而是：
- 让医生从补病历转向审核 AI 草稿和判断病情
- 让律师从整理材料转向处理更复杂案件
- 让销售从处理低价值琐事，转向跟更多客户和更高价值交易打交道
这不是“增强某个员工”的老式想象，而是让整个系统把人重新分配到更值钱的边界上。
这里有一个特别重要的观察：随着 AI 能力进步，人不会消失，而是不断往 AI 做不稳、做不好、需要判断与治理的边界移动。
这个判断，比“AI 替代白领”的大话靠谱得多。
为什么这种说法更适合垂直行业
垂直行业的客户，通常是最不吃 buzzword 的。
Construction、healthcare、transportation、legal、food services 这些行业，很多客户压根不想听你讲“AI workforce”或者“digital co-worker”。
他们最容易被打动的，是具体结果：
- 文档工作是不是少了
- 流程是不是更顺了
- 单是不是接得更快了
- 收入是不是上去了
如果要证明这套逻辑在现实里已经开始成立，其实也不难找例子。
像 Abridge，它卖的不是一个“医疗 agent”，而是把医生和病历系统之间那段文档流程重新设计了一遍。医生的价值不在于再花几个小时打字，而在于审阅、判断和真正临床相关的工作。
EvenUp 在法律场景里也是类似逻辑。它不是卖一个“AI 律师助理”概念，而是直接切进索赔文书、医疗时间线整理和案件分析，最后体现为起草效率提升和结案时间缩短。
BuildVision 也是一样。它卖的不是一个有名字的销售 agent，而是把制造商、分销商和供应商之间那些 PDF、邮件、规格表、电话往返的脏活重做了一遍。
这几个案例的共同点非常明显：领先的 Vertical AI 公司，最终卖的都不是 agent 形象，而是 workflow outcome。
问题不只是一个词
如果把这件事理解成“别再说 agent”，那其实太浅了。
它真正想反对的是一种思维懒惰：
- 不去理解业务流程
- 不去理解客户组织结构
- 不去理解工作到底为什么做不完
- 只想用一个更性感的词，把 AI 塞进旧故事里
所以最后才会有一句特别重的话：
Toyota never sold a robot — they just shipped a better car.
这句话不是在夸 Toyota 会 marketing，而是在提醒今天的 AI 创业者：
客户不会因为你卖的是机器人、agent、digital co-worker 就买单，他们会因为你真的把结果做得更好才买单。
真正值得警惕的地方
最值得警惕的，不是 hype 本身，而是很多人已经默认把“替代人”当成 AI 产品的天然叙事起点：
现在很多 AI 产品公司，确实在把“替代人”这件事讲得太顺了，顺得像不需要重新设计流程、不需要理解行业、不需要改组织结构一样。
可历史上真正有用的自动化，从来不是把新技术硬塞进旧工位，而是围绕新能力重做系统。
GM 没做到，Toyota 做到了。
今天的 Vertical AI，也会重复这个分野。
真正该问的问题，不是：
- 这个 agent 能替代几个员工？
而是：
- 这个系统的工作流有没有被真正重构？
- 它有没有打开新的业务容量？
- 它是不是让以前做不成的工作，开始变得可做、可规模化、可盈利？
如果没有，那么它大概率只是一个讲得很热闹、但很难长期兑现价值的产品故事。
参考资料
- Euclid Ventures / The Verticalist：We Need to Talk About Agents
关于
关注我获取更多资讯
