2026年初，大模型浪潮已奔涌三個年頭，企業(yè)界正經歷一場從“技術狂熱”到“價值焦慮”的深刻轉變。在大模型調用量飆升、參數規(guī)模內卷、Agent（智能體）嘗試遍地開花的表象下，企業(yè)內部真正被反復追問的已不再是“能不能用上AI”，而是一個更現實的問題：
大模型，是否真的在業(yè)務中產生了可持續(xù)的價值？
盡管AI已被多數企業(yè)列為戰(zhàn)略重點，但在營銷、銷售、服務等核心場景中，業(yè)務效率并未發(fā)生預期的“結構性質變”。熱度與結果之間的巨大鴻溝，讓無數企業(yè)開始反思：為什么有了AI，業(yè)務效率還是沒有質變？
針對這一中國式To B故事的終極命題，容聯(lián)云副總裁、諸葛智能創(chuàng)始人孔淼向筆者梳理了容聯(lián)云過去三年“堅定的AI探索之路”。在孔淼看來，AI不應只是既有流程上的“掛件”，而應成為重構業(yè)務的“靈魂”。
容聯(lián)云正在定義的，是一個關于“讓AI真正產生業(yè)務增量”的產業(yè)答案。
告別“軍備競賽”，回歸“業(yè)務原點”
2024年，大多數To B服務商還在基礎設施層“揮汗如雨”，基于對技術發(fā)展和市場的預判，容聯(lián)云則選擇了押注應用層，并最終率先在AI應用上先于同行跑出兩個身位。
這一成果要回溯到2023年初，彼時大模型初露鋒芒，容聯(lián)云認定這一技術將徹底重塑營銷服場景。但應該和其他廠商一樣耗費大量資源和精力死磕基礎模型底座，還是在自身擅長的領域跑出應用？在這一戰(zhàn)略選擇上，容聯(lián)云表現出了一定的冷靜：2023年中，容聯(lián)云果斷放棄了下場參與大模型底座的燒錢大戰(zhàn)，成為行業(yè)內第一批專注在“做應用”的公司。
這一轉身背后是深刻的現實主義邏輯，孔淼直言：“大模型的訓練是軍備競賽，對容聯(lián)云而言，我們更清楚自己的選擇——聚焦應用，解決真實業(yè)務問題。”這種選擇的核心在于對B端痛點的精準捕捉：企業(yè)客戶不僅需要大模型的泛化能力，更需要合理的ROI和確定性的交付質量。當時，單純依賴大模型在性能和成本上均不理想，且容易產生“幻覺”問題，難以直接交付高質量的業(yè)務指標。
為此，容聯(lián)云堅持了一套“大小模型結合、應用工程融合”的務實范本。
由大模型負責意圖理解、推理與任務規(guī)劃，利用其強大的泛化能力、上下文理解能力，突破傳統(tǒng)小模型無法理解復雜場景的局限；同時，將敏感詞過濾、標準指令生成等確定性高、實時性強的常規(guī)普通場景，交由輕量化小模型穩(wěn)定執(zhí)行，在效果、成本與穩(wěn)定性之間取得平衡。
更為關鍵的是應用工程層的深度融合，容聯(lián)云并未將AI作為通用插件直接交付，而是將其精準“封裝”進工業(yè)級業(yè)務邏輯中：
一方面，解決垂直場景的確定性難題。容聯(lián)云通過知識工程、場景化模板與經過業(yè)務驗證的話術體系，將模型的理解與生成限定在高度聚焦的專業(yè)語境內。AI不再依賴泛化語料的隨機聯(lián)想，而是圍繞特定行業(yè)、特定流程、特定問題構建的結構化知識與響應范式，從根源上降低幻覺發(fā)生的概率，確保結果的專業(yè)可用。
另一方面，解決業(yè)務融合的落地難題。容聯(lián)云將大模型能力封裝為流程節(jié)點、策略判斷與系統(tǒng)動作，讓AI天然生長在業(yè)務流程之中，企業(yè)無需二次開發(fā)，即可讓AI直接在具體業(yè)務中即插即用，真正實現技術能力向業(yè)務價值的轉化。
帶著“回歸業(yè)務原點”的初心，容聯(lián)云對技術和市場的精準把握也不止體現在路線選擇上，可以看到，此后AI的每一次技術代際的迭代中，容聯(lián)云也都緊緊跟隨：從2023年專注于大模型功能的嵌入，到2024年實現流程編排，再到2025年全面升級至自主智能體，容聯(lián)云每一步都踏在了業(yè)務提效的節(jié)奏點上。
在容聯(lián)云看來，AI產生的每一分價值都應該被量化到具體的業(yè)務增量中，這也意味著不被技術指標所綁架。容聯(lián)云Copilot&Agent大模型應用作為金融行業(yè)典型代表，入選了多項產業(yè)洞察圖譜，其核心競爭力并不在于單純的參數競賽，而在于通過重構營銷、銷售、服務流程，實現了溝通智能的代際跨越。
正是這種對“業(yè)務結果”的偏執(zhí)，讓容聯(lián)云在2024年便明確了六大核心應用場景，并在2025年初迎來了簽單與中標的爆發(fā)期。
三級跳進化：
從“輔助人”到“對結果負責”的代理人
生產力形態(tài)的演進，是改寫業(yè)務結果的勝負手。容聯(lián)云在AI路徑上的探索，是一場從“輔助工具”向“業(yè)務角色”進化的范式革命。
在2023年的LLM Feature階段，AI以大模型功能的方式嵌入到原有業(yè)務系統(tǒng)中，通過話術生成、知識推薦與關鍵信息提示等能力，輔助人工提升單點效率。
隨著應用深化，進入2024年的Workflow階段，AI開始通過流程編排介入質檢、洞察等特定業(yè)務流程，實現特定業(yè)務節(jié)點的自動化閉環(huán)。
步入2025年，這種演進最終指向了自主完成任務的Agents時代。
以諸葛智能推出的“業(yè)務分析一本通Agent”為例，它標志著AI應用正從被動響應式工具，轉向具備主動性、能夠實現任務閉環(huán)的執(zhí)行系統(tǒng)。以往需要專業(yè)分析師花費一周時間配置的指標和模型，現在“一本通”可在分鐘級內完成從需求理解、指標選擇到分析結論輸出的全過程，在某城商行實際業(yè)務中，分析效率從32%提升至92%以上。
更深層的變革在于技術范式的遷移。
當Agent逐步具備對業(yè)務流的深度理解、圍繞業(yè)務目標的自主規(guī)劃、對業(yè)務系統(tǒng)的操作調用，以及對執(zhí)行結果的評價能力時，其角色已不再局限于對話層面的被動響應，而是開始成為業(yè)務執(zhí)行體系中的主動參與者。
容聯(lián)云即將發(fā)布的全新一代智慧聯(lián)絡平臺，正是這一范式遷移的集中體現。過去，AI處于“被動喚醒”狀態(tài)，必須由坐席決策何時調用功能；而現在，Agent實現了從“輔助人”向“對結果負責”的業(yè)務位移：不再依賴人工喚醒，而是主動參與到業(yè)務判斷與流程執(zhí)行之中，實現真正意義上的人機協(xié)同。
以客服場景為例，Agent在聯(lián)絡瞬間即完成意圖預測，并基于業(yè)務目標自主規(guī)劃出最優(yōu)路徑；隨后，它像“真人坐席”一樣，在受控范圍內直接調用并操作CRM、呼叫中心等核心系統(tǒng)，根據對話進展動態(tài)調整工作流，完成多步驟的任務執(zhí)行。而在聯(lián)絡完成后，它不僅沉淀通話要點，更能對執(zhí)行結果進行自我評價并自主觸發(fā)工單流轉。
這類Agent不再是輔助人的“掛件”，不再是某個功能點的效率提升，而是一種接近“真人坐席”的業(yè)務運行模式：
它能夠理解業(yè)務流，圍繞業(yè)務目標規(guī)劃路徑、調用工具并對結果負責，從而在企業(yè)組織中開始承接完整的業(yè)務模塊。
正如容聯(lián)云實踐所展示的趨勢，具備主動性與執(zhí)行力的Agent正在重塑個人與組織的工作方式。正因如此，2025年容聯(lián)云完成了從CC、CRM到諸葛智能的全線產品Agent化升級，讓AI真正成為具備“閉環(huán)執(zhí)行力”的業(yè)務角色。
深水區(qū)的“Know-how”：
AI加速度背后的產業(yè)底色
實現這種產業(yè)鏈的AI加速度并非易事?？醉堤岢隽艘粋€犀利的觀點：技術的泛化門檻正在降低，真正的壁壘是那些看不見的產業(yè)Know-how。
在B端深水區(qū)，決定生產力工具上限的往往不是模型本身，而是對業(yè)務流程的底層重構。容聯(lián)云在市場競爭中的戰(zhàn)略邏輯可以拆解為“點、線、面”三個維度：通用工具解決“點”的單點需求，但深入垂直行業(yè)的業(yè)務流（線）和整體解決方案（面）才是真正的護城河。
在孔淼看來，容聯(lián)云的產品底色，源于其在真實的“深水區(qū)”與行業(yè)巨頭的深度共創(chuàng)。無論是與國有大行還是像廣發(fā)銀行這樣的股份制銀行合作，容聯(lián)云都將大量真實的客戶側視角輸入到產品底層，使得系統(tǒng)能夠不斷貼合最真實的業(yè)務習慣。這種共創(chuàng)模式，讓容聯(lián)云從技術視角轉向了業(yè)務視角，通過理解監(jiān)管合規(guī)、組織架構及業(yè)務流程，為企業(yè)帶來了實質性的業(yè)務加速度。
在實戰(zhàn)檢驗中，這種深度的產業(yè)沉淀爆發(fā)出了驚人的ROI能量這表現在三個方面：
沉默資產的喚醒：過去客服數據利用率不足，海量會話淪為沉默數據。容聯(lián)云大模型洞察代理通過全渠道數據的自動化挖掘，將某保險客戶數據利用率提升至95%，并將10天的分析時間壓縮至4.5小時，讓客訴熱點與咨詢盲區(qū)清晰可見。 證券質檢的代際跨越：在合規(guī)要求極其嚴苛的證券行業(yè)，傳統(tǒng)抽檢不僅漏檢率高，更耗費巨大的人力復檢成本。容聯(lián)云引入大模型質檢后，將8天的客服審核時間縮短至3.25小時，覆蓋率從40%直接拉滿至100%，準確率高達96%。 品牌零售售后優(yōu)化：某零售集團的坐席面對上千個SKU，原本需要翻閱厚重的知識文檔。依托容聯(lián)云“大模型售后服務坐席輔助”，平均通話時長從12分鐘驟降至3分鐘，問題首解率（FCR）從30%飛躍至80%。
不論是橫向跨產業(yè)的“Know-how”覆蓋，還是縱向對產業(yè)鏈節(jié)點業(yè)務邏輯的深入理解，容聯(lián)云正通過多元化的AI產品和交付能力，為企業(yè)營銷服流程的融合共振提供核心動能。
迎接RaaS時代
從單點提效到全流程重構的跨越，預示著一種全新的商業(yè)邏輯正在降臨。
孔淼向筆者透露，隨著智能體具備了自主規(guī)劃與目標閉環(huán)的能力，To B市場有望從傳統(tǒng)的“按軟件收費”轉向“Result-as-a-Service（結果即服務）”。這意味著企業(yè)購買的不再是冰冷的工具系統(tǒng)，而是一個能夠確鑿提升轉化率、降低合規(guī)風險、并能通過數據洞察驅動決策的業(yè)務結果。
這種范式革命的背后，是容聯(lián)云通過深度融合自身通訊底座與數據能力，構建出的“AI+CC+CRM+Data”融合共振平臺。在這種深度融合下，原本脫節(jié)的營銷、銷售與服務環(huán)節(jié)打破了職能壁壘，轉變?yōu)閯討B(tài)互聯(lián)的有機整體：
用戶的每一次互動觸達與溝通交互都會被實時轉化為數據標簽，通過諸葛CDP同步至銷售與客服執(zhí)行端，而容犀Agent在交互中捕捉的投訴信號或潛在需求也能即時回寫至營銷策略中。這種全鏈路的動態(tài)共振，讓AI不再是企業(yè)的插件，而是進化為可以實時學習、重新設計業(yè)務流程的“未來引擎”，在數智化轉型中釋放出跨場景協(xié)同的爆發(fā)性業(yè)務增量。
容聯(lián)云正在定義的，是一個關于“讓AI真正產生業(yè)務增量”的中國式To B故事。2025年，容聯(lián)云完成了整個Agent的迭代升級，而2026年，將是Agent真正作為“業(yè)務角色”開始上崗的一年。
在這場從技術紅利向業(yè)務價值落地過渡的長跑中，容聯(lián)云正用深厚的產業(yè)底色，重塑著營銷服領域的生產力底牌，將AI真正轉化為企業(yè)業(yè)務增長的核心增量。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
