除了代碼和客服，AI agent下一個(gè)爆發(fā)的場景會(huì)在哪？

你有沒有想過，為什么 AI agent 在編程領(lǐng)域遍地開花，在銷售和金融領(lǐng)域卻進(jìn)展緩慢？是因?yàn)?AI 在這些領(lǐng)域不夠好用嗎？還是說我們對(duì)這個(gè)問題的理解根本就錯(cuò)了？Anthropic 本周發(fā)布了一份基于近百萬次真實(shí)生產(chǎn)環(huán)境工具調(diào)用的分析報(bào)告，數(shù)據(jù)顯示軟件工程占據(jù)了 49.7% 的 AI agent 部署，而銷售和 CRM（客戶關(guān)系管理）只有 4.3%，金融 4.0%，法律更是只有 0.9%。乍一看，你可能會(huì)得出這樣的結(jié)論：AI agent 適合程序員和客服，但在其他領(lǐng)域還有待觀察。但這個(gè)結(jié)論完全錯(cuò)了。SaaStr 創(chuàng)始人 Jason Lemkin 在最近的分享中明確指出，AI agent 在銷售和 GTM（Go-to-Market，市場營銷）領(lǐng)域是有效的，只是我們剛剛開始而已。給它今年剩余的時(shí)間，你會(huì)看到完全不同的景象。

我深入研究了這個(gè)話題后發(fā)現(xiàn)，Anthropic 數(shù)據(jù)中那些低采用率數(shù)字，并不意味著 AI 在這些領(lǐng)域不起作用。它們意味著 2025 年時(shí)數(shù)據(jù)基礎(chǔ)設(shè)施還沒有準(zhǔn)備好。這是一個(gè)完全不同的問題，有著完全不同的解決時(shí)間線。而在 2026 年，這個(gè)情況已經(jīng)在快速改變。Jason 分享的早期結(jié)果已經(jīng)非常令人振奮：他們最新的 AI agent Monaco 在上線第一天就自主完成了一筆 10 萬美元的交易。完全自主，沒有任何人工干預(yù)。這不是科幻小說，這是正在發(fā)生的現(xiàn)實(shí)。

為什么編程和客服率先取得成功

我們很容易認(rèn)為開發(fā)者率先采用 AI agent 是因?yàn)樗麄兪羌夹g(shù)精通的早期采用者。這確實(shí)是原因之一，但真正的原因其實(shí)是結(jié)構(gòu)性的。Jason 在分享中解釋得非常清楚，我覺得他的分析切中要害。想想一個(gè)編程 agent 實(shí)際需要什么才能運(yùn)作。代碼就在那里，每個(gè)文件、每個(gè)函數(shù)、每個(gè)依賴項(xiàng)都在代碼庫中，結(jié)構(gòu)完美、版本受控、即時(shí)可訪問。沒有數(shù)據(jù)治理委員會(huì)，沒有集成項(xiàng)目，沒有長達(dá)六個(gè)月的 IT 采購周期。你打開代碼庫，agent 就擁有了它需要的一切。

反饋循環(huán)同樣簡潔。你運(yùn)行代碼，測試通過或不通過，構(gòu)建成功或失敗。幾秒鐘內(nèi)你就知道 agent 是否做了有用的事情。這種緊密性，數(shù)據(jù)訪問加上即時(shí)可驗(yàn)證性，正是軟件工程成為第一個(gè)規(guī)模化領(lǐng)域的原因。客服遵循了同樣的模式。有一張工單，有一個(gè)知識(shí)庫，有一個(gè)解決事件。數(shù)據(jù)范圍是受限的，結(jié)果是二元的。AI agent 預(yù)計(jì)會(huì)在客服領(lǐng)域產(chǎn)生最大影響，正是因?yàn)檫@些條件已經(jīng)到位。

我認(rèn)為這個(gè)觀察非常重要，因?yàn)樗沂玖艘粋€(gè)關(guān)鍵事實(shí)：這兩個(gè)領(lǐng)域之所以獲勝，不是因?yàn)?AI 對(duì)它們效果更好，而是因?yàn)樗鼈円呀?jīng)擁有了其他所有領(lǐng)域仍在努力構(gòu)建的東西。這是數(shù)據(jù)可訪問性和反饋機(jī)制成熟度的問題，不是 AI 能力的問題。一旦你理解了這一點(diǎn)，你就會(huì)明白為什么銷售和金融領(lǐng)域的低采用率不是一個(gè)警示信號(hào)，而是一個(gè)時(shí)間問題。基礎(chǔ)設(shè)施一旦就位，這些領(lǐng)域的 AI agent 應(yīng)用將會(huì)爆發(fā)性增長。

銷售和金融實(shí)際需要什么，以及為什么更難

問問你自己，一個(gè)真正有用的 AI 銷售 agent 需要什么。它需要你的 CRM 數(shù)據(jù)，包括聯(lián)系人、交易歷史、活動(dòng)日志、銷售漏斗階段。它需要郵件和日歷上下文來理解關(guān)系歷史。它需要產(chǎn)品使用數(shù)據(jù)來了解客戶實(shí)際在做什么。它需要上次通話的錄音、LinkedIn 上關(guān)鍵人物的職位變動(dòng)、上次輸?shù)舾偁幍氖】偨Y(jié)中的競爭情報(bào)。它需要知道上個(gè)季度哪些交易停滯了以及原因。

這些數(shù)據(jù)沒有一個(gè)在同一個(gè)地方。大多數(shù)都沒有干凈的 API（應(yīng)用程序接口）。有些只存在于人們的腦海和收件箱中。集成面非常龐大，以語義連貫而非僅僅技術(shù)連接的方式將其連接起來，確實(shí)非常困難。Jason 引用的數(shù)據(jù)顯示，46% 的組織將與現(xiàn)有系統(tǒng)的集成列為部署 AI agent 的主要挑戰(zhàn)。這不是能力差距，這是管道差距。

金融領(lǐng)域更加復(fù)雜。一個(gè)有用的金融 AI agent 需要你的 ERP（企業(yè)資源計(jì)劃系統(tǒng)）、銀行數(shù)據(jù)、應(yīng)付賬款、應(yīng)收賬款、人員規(guī)劃、合同條款，最好還有一些關(guān)于為什么做出歷史決策的機(jī)構(gòu)記憶。它在一個(gè)受監(jiān)管的環(huán)境中運(yùn)作，錯(cuò)誤不僅僅是返工，可能是合規(guī)事件。75% 的企業(yè)領(lǐng)導(dǎo)者將安全性、合規(guī)性和可審計(jì)性列為 agent 部署最關(guān)鍵的要求，這個(gè)標(biāo)準(zhǔn)在金融和醫(yī)療保健領(lǐng)域最高。

我深入思考過這個(gè)問題，發(fā)現(xiàn)這里有一個(gè)關(guān)鍵洞察：AI 不是瓶頸，數(shù)據(jù)基礎(chǔ)設(shè)施和治理層才是。這解釋了為什么即使 AI 模型本身已經(jīng)非常強(qiáng)大，在這些領(lǐng)域的應(yīng)用仍然受限。不是技術(shù)做不到，而是我們還沒有建立起讓技術(shù)發(fā)揮作用的環(huán)境。這就像你有一輛性能卓越的跑車，但道路還沒修好一樣。

反饋循環(huán)的遏制問題同樣真實(shí)存在

除了數(shù)據(jù)訪問之外，還有第二個(gè)結(jié)構(gòu)性問題：反饋循環(huán)。在編程中，agent 的輸出可以在幾秒鐘內(nèi)驗(yàn)證。但在銷售中，"它有效"意味著什么？郵件得到回復(fù)了嗎？交易是因?yàn)?agent 的外聯(lián)而推進(jìn)的，還是因?yàn)殛P(guān)鍵人物最終獲得了預(yù)算批準(zhǔn)？銷售結(jié)果是嘈雜的、滯后的，并且與 agent 無法控制的變量糾纏在一起。

這就是為什么早期銷售 AI 看起來像是輔助功能，起草郵件、總結(jié)通話錄音、填寫 CRM 字段，而不是自主 agent 完成銷售管道。不是因?yàn)槟Ｐ妥霾坏礁啵且驗(yàn)榇蠖鄶?shù)公司還沒有建立起知道自主決策是否良好的反饋基礎(chǔ)設(shè)施。我認(rèn)為這個(gè)觀察非常準(zhǔn)確。在沒有清晰反饋機(jī)制的情況下，讓 AI 自主做決策是危險(xiǎn)的，因?yàn)槟銦o法知道它的決策質(zhì)量如何。

金融領(lǐng)域有同樣的問題，而且更加復(fù)雜。當(dāng) AI agent 標(biāo)記預(yù)算差異或生成現(xiàn)金流預(yù)測時(shí)，真實(shí)情況要幾個(gè)月后才會(huì)到來。反饋循環(huán)很長，后果會(huì)累積。在建立了對(duì) agent 做了什么以及為什么做的重要可觀察性之前，你無法在那種環(huán)境中快速迭代。這種延遲的反饋?zhàn)寖?yōu)化 AI agent 變得困難，因?yàn)槟阈枰却荛L時(shí)間才能知道它的表現(xiàn)如何。

基礎(chǔ)設(shè)施正在此刻被構(gòu)建

讓當(dāng)前時(shí)刻變得有趣的是：這些結(jié)構(gòu)性障礙正在積極消解。Jason 在分享中提到，CRM 供應(yīng)商正在積極開放他們的數(shù)據(jù)。到 2026 年年中，大多數(shù)領(lǐng)先的 CRM 供應(yīng)商將提供與企業(yè)工作流程直接集成的原生 agent 框架。HubSpot、Salesforce 和它們的競爭對(duì)手正在競相成為 AI agent 需要的連接組織，它們有強(qiáng)大的財(cái)務(wù)動(dòng)機(jī)快速做到這一點(diǎn)。誰擁有銷售中 AI 的數(shù)據(jù)層，誰就能獲得巨大的平臺(tái)價(jià)值。

87% 的 IT 高管將互操作性評(píng)為對(duì)成功采用 AI agent 非常重要或至關(guān)重要。2026 年的企業(yè) IT 預(yù)算正在流向使銷售和金融 agent 成為可能的集成基礎(chǔ)設(shè)施。管道工作正在進(jìn)行。這些數(shù)字已經(jīng)在預(yù)測中顯示出來。Gartner 預(yù)測到 2026 年底，40% 的企業(yè)應(yīng)用程序?qū)⑴c特定任務(wù)的 AI agent 集成，而 2025 年這個(gè)數(shù)字不到 5%。這不是邊際增長，這是階躍變化。它不會(huì)全部流向軟件工程，增長必須來自某處，那個(gè)某處就是 Anthropic 圖表中目前處于 1-5% 的領(lǐng)域。

我對(duì)這個(gè)趨勢的看法是，我們正處在一個(gè)關(guān)鍵的轉(zhuǎn)折點(diǎn)。基礎(chǔ)設(shè)施的建設(shè)速度比大多數(shù)人預(yù)期的要快，這意味著那些提前布局、在基礎(chǔ)設(shè)施完全成熟之前就開始建立能力的公司，將在未來幾年獲得巨大的先發(fā)優(yōu)勢。這不是一個(gè)觀望的時(shí)候，而是一個(gè)行動(dòng)的時(shí)候。那些等待基礎(chǔ)設(shè)施完全就緒才開始的公司，可能會(huì)發(fā)現(xiàn)市場已經(jīng)被早期進(jìn)入者占據(jù)了。

這對(duì)創(chuàng)始人、SaaS 公司和買家意味著什么

Jason 在分享中給出了三個(gè)非常具體的建議，我覺得每一個(gè)都值得深入思考。如果你正在為銷售、金融或任何數(shù)據(jù)復(fù)雜的垂直領(lǐng)域構(gòu)建 AI，Anthropic 的低數(shù)字不是警告信號(hào)，它們是市場地圖。在基礎(chǔ)設(shè)施建設(shè)期間，在管道完全成熟之前，在這些垂直領(lǐng)域建立品類領(lǐng)導(dǎo)地位的公司，一旦基礎(chǔ)設(shè)施成熟，將變得無法取代。這就是窗口期。

我認(rèn)為這個(gè)觀點(diǎn)非常關(guān)鍵。現(xiàn)在進(jìn)入這些領(lǐng)域的公司，面臨的競爭相對(duì)較少，因?yàn)楹芏嗳诉€在觀望。但一旦基礎(chǔ)設(shè)施就位，市場會(huì)迅速成熟，競爭會(huì)急劇加劇。那些現(xiàn)在就開始積累經(jīng)驗(yàn)、建立客戶關(guān)系、優(yōu)化產(chǎn)品的公司，將擁有巨大的優(yōu)勢。他們不僅理解技術(shù)，更重要的是理解這些領(lǐng)域特有的業(yè)務(wù)邏輯和數(shù)據(jù)復(fù)雜性。

如果你是 CRM、ERP 或金融軟件領(lǐng)域的 SaaS 老牌公司，你的緊迫性比你可能感覺到的要高。現(xiàn)在正在進(jìn)行的集成工作，CRM 供應(yīng)商開放 API、ERP 供應(yīng)商構(gòu)建 agent 框架，正是你的替代品被構(gòu)建的基礎(chǔ)。如果你不是在你的品類中構(gòu)建原生 agent 層的人，那就是別人在做。SaaS 提供商已經(jīng)在提供無限制的 AI agent 企業(yè)許可協(xié)議，將 AI agent 能力轉(zhuǎn)變?yōu)閼?zhàn)略性留存策略的消費(fèi)模式。

這個(gè)警告我覺得很有道理。對(duì)于現(xiàn)有的 SaaS 公司來說，AI agent 不僅僅是一個(gè)新功能，而是一個(gè)生存問題。那些不能快速適應(yīng)、不能在自己的平臺(tái)上提供原生 AI agent 能力的公司，可能會(huì)發(fā)現(xiàn)客戶開始流失到那些能提供這些能力的競爭對(duì)手那里。用戶的期望已經(jīng)改變了，他們希望軟件能夠理解自然語言、自主完成任務(wù)，而不是僅僅提供界面讓他們手動(dòng)操作。

如果你是今天在銷售或金融領(lǐng)域部署 AI 的買家，如果不建立治理、可觀察性和 ROI（投資回報(bào)率）清晰度，AI agent 項(xiàng)目到 2027 年面臨被取消的風(fēng)險(xiǎn)。失敗模式不是 AI 不起作用，而是部署范圍不夠緊密、數(shù)據(jù)不夠干凈、成功標(biāo)準(zhǔn)定義不夠清晰。從小處開始，選擇一個(gè)數(shù)據(jù)可訪問、結(jié)果可衡量的工作流程。證明它，然后擴(kuò)展。

我非常認(rèn)同這個(gè)建議。很多 AI 項(xiàng)目失敗不是因?yàn)榧夹g(shù)問題，而是因?yàn)槠谕芾砗头秶刂茊栴}。公司往往一開始就想做太多，結(jié)果發(fā)現(xiàn)數(shù)據(jù)質(zhì)量不夠、集成太復(fù)雜、成功標(biāo)準(zhǔn)不清晰，最終項(xiàng)目陷入困境。從一個(gè)小而明確的用例開始，證明價(jià)值，建立信心，然后逐步擴(kuò)展，這是更明智的策略。

SaaStr 的實(shí)際案例：AI Agent 真的在起作用

Jason 在分享中不僅引用了數(shù)據(jù)，更分享了他們?cè)?SaaStr 的實(shí)際經(jīng)驗(yàn)，這讓我覺得特別有說服力。理論和數(shù)據(jù)很重要，但真實(shí)的案例更能說明問題。在 SaaStr，他們運(yùn)行 AI GTM agent 已經(jīng)幾個(gè)月了。令人震驚的不是它們有效，而是它們持續(xù)變得更好的速度。月復(fù)一月，有時(shí)甚至周復(fù)一周。一個(gè)在第三季度表現(xiàn)還算可以的外聯(lián) agent，現(xiàn)在表現(xiàn)真的令人印象深刻。改進(jìn)曲線比他預(yù)期的要陡峭，而他本來就預(yù)期它會(huì)很陡峭。

他們的 AI agent 已經(jīng)為他們帶來并幫助完成了數(shù)百萬美元的收入。具體數(shù)據(jù)是，他們從 AI agent 那里建立了 480 萬美元的銷售管道，其中 240 萬美元已經(jīng)完成交易。交易量翻了一番，成交率翻了一番。Agent 全天候工作，擁有更多可以提取的上下文。他們甚至在周六完成了一筆 10 萬美元的交易。這些都不是概念驗(yàn)證或演示，這些是實(shí)際發(fā)生的業(yè)務(wù)結(jié)果。

我認(rèn)為最令人震撼的是上周發(fā)生的事情。Monaco，他們最新的 AI 銷售 agent，自主完成了一筆 10 萬美元的交易。完全自主。沒有人起草外聯(lián)郵件，沒有人管理跟進(jìn)，沒有人安排會(huì)議。Monaco 識(shí)別了潛在客戶、與他們互動(dòng)、培養(yǎng)了對(duì)話，并促成了交易。10 萬美元，自主完成。這不是演示，不是概念驗(yàn)證，這是真實(shí)發(fā)生的。我之前也寫過這個(gè)產(chǎn)品的分析，感興趣的可以看《》。

Jason 強(qiáng)調(diào)，讓這成為可能的不是一夜之間發(fā)生的模型能力突破（盡管 Claude Opus 4.6 確實(shí)有幫助），而是 Anthropic 研究指出的同樣因素：數(shù)據(jù)是可訪問的，工作流程是定義的，反饋循環(huán)足夠清晰，agent 可以導(dǎo)航。Monaco 可以訪問正確的信息，在足夠受限的上下文中操作，知道成功是什么樣子。這就是公式。它越來越具有可復(fù)制性，不僅對(duì)他們，對(duì)任何愿意做好數(shù)據(jù)和工作流程準(zhǔn)備工作的 B2B 公司都是如此。

我對(duì)這個(gè)趨勢的深度思考

我花了很多時(shí)間思考 Jason 分享的這些觀察和數(shù)據(jù)，我認(rèn)為這里有幾個(gè)非常重要的洞察值得展開討論。顯示軟件工程占 AI agent 部署 50% 的 Anthropic 數(shù)據(jù)，是數(shù)據(jù)基礎(chǔ)設(shè)施恰好首先準(zhǔn)備就緒的快照，而不是對(duì) AI 在哪里有效、在哪里無效的判決。編程在代碼庫中擁有數(shù)據(jù)，客服在服務(wù)臺(tái)中擁有數(shù)據(jù)，兩者都有緊密的反饋循環(huán)。這些條件使早期部署變得簡單直接。

銷售、金融和法律有分散的數(shù)據(jù)、更長的反饋循環(huán)和更難的遏制。采用數(shù)字反映了這些結(jié)構(gòu)性現(xiàn)實(shí)，而不是模型的能力。我認(rèn)為這個(gè)區(qū)分非常關(guān)鍵，因?yàn)樗淖兞宋覀兯伎紗栴}的方式。如果你認(rèn)為低采用率是因?yàn)?AI 在這些領(lǐng)域不夠好，你可能會(huì)等待更好的模型。但如果你理解問題是數(shù)據(jù)基礎(chǔ)設(shè)施，你就會(huì)開始構(gòu)建那個(gè)基礎(chǔ)設(shè)施。這是完全不同的行動(dòng)路徑。

基礎(chǔ)設(shè)施正在此刻被構(gòu)建。集成 API 正在開放。CRM 和 ERP 供應(yīng)商正在競相變得 agent 就緒。在這些領(lǐng)域部署 agent 的公司已經(jīng)報(bào)告了強(qiáng)勁的結(jié)果。67% 的企業(yè)領(lǐng)導(dǎo)者表示，即使未來 12 個(gè)月出現(xiàn)衰退，他們也會(huì)維持 AI 投資。這不再是炒作，這是基礎(chǔ)設(shè)施支出。

我認(rèn)為我們正在見證一個(gè)重要的轉(zhuǎn)變時(shí)刻。AI agent 的浪潮正在向銷售、金融和 Anthropic 圖表中的每個(gè)其他垂直領(lǐng)域涌來。唯一的問題是你是會(huì)成為駕馭它的人，還是解釋為什么錯(cuò)過它的人。這不是一個(gè)是否的問題，而是何時(shí)以及如何的問題。那些現(xiàn)在就開始準(zhǔn)備的人，將在這個(gè)轉(zhuǎn)變中獲得最大的收益。

我還注意到一個(gè)更深層次的模式：技術(shù)采用的速度正在加快。從編程和客服到銷售和金融的轉(zhuǎn)變，不會(huì)像從命令行到圖形界面那樣花費(fèi)幾十年。我們談?wù)摰氖菐啄晟踔翈讉€(gè)月的時(shí)間跨度。這種加速是因?yàn)榈讓蛹夹g(shù)進(jìn)步的速度在加快，但也因?yàn)槠髽I(yè)對(duì)技術(shù)變革的適應(yīng)能力在提高。那些經(jīng)歷過云計(jì)算轉(zhuǎn)型、移動(dòng)化轉(zhuǎn)型的企業(yè)，對(duì)于如何管理技術(shù)變革已經(jīng)有了經(jīng)驗(yàn)。

對(duì)于創(chuàng)業(yè)者和產(chǎn)品開發(fā)者來說，我認(rèn)為關(guān)鍵是要理解你不需要等待完美的基礎(chǔ)設(shè)施。Jason 在 SaaStr 的經(jīng)驗(yàn)表明，即使在基礎(chǔ)設(shè)施還不完美的情況下，通過精心選擇用例、仔細(xì)準(zhǔn)備數(shù)據(jù)、明確定義成功標(biāo)準(zhǔn)，AI agent 已經(jīng)可以創(chuàng)造巨大價(jià)值。Monaco 在第一天就完成 10 萬美元交易的案例表明，當(dāng)條件合適時(shí)，AI agent 可以達(dá)到真正令人印象深刻的自主水平。

我也在思考這對(duì)不同規(guī)模公司的影響。大型企業(yè)有資源投資于數(shù)據(jù)基礎(chǔ)設(shè)施和集成項(xiàng)目，但也有遺留系統(tǒng)和組織慣性的負(fù)擔(dān)。初創(chuàng)公司更靈活，可以從一開始就圍繞 AI agent 設(shè)計(jì)系統(tǒng)，但缺乏大公司的數(shù)據(jù)積累和資源。中型公司可能處于最有利的位置，既有足夠的數(shù)據(jù)和資源，又保持了足夠的靈活性快速適應(yīng)。

最后，我認(rèn)為這個(gè)轉(zhuǎn)變會(huì)創(chuàng)造新的職業(yè)和技能需求。我們需要理解如何設(shè)計(jì)與 AI agent 協(xié)作的工作流程，如何監(jiān)督和審計(jì) AI agent 的決策，如何衡量 AI agent 的表現(xiàn)。這些不僅是技術(shù)技能，更是業(yè)務(wù)技能。那些能夠彌合 AI 技術(shù)和業(yè)務(wù)需求之間鴻溝的人，將在未來幾年變得極其寶貴。

Agent 將繼續(xù)變得更好，這是肯定的。變量是你的數(shù)據(jù)基礎(chǔ)設(shè)施是否準(zhǔn)備好讓它們發(fā)揮作用。這個(gè)轉(zhuǎn)變不會(huì)等待任何人，現(xiàn)在就是行動(dòng)的時(shí)候。

結(jié)尾

也歡迎大家留言討論，分享你的觀點(diǎn)！

覺得內(nèi)容不錯(cuò)的朋友能夠幫忙右下角點(diǎn)個(gè)贊，分享一下。您的每次分享，都是在激勵(lì)我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。