AI Agent（指“AI代理”，或称“AI智能体”）如何落地企业的业务发展？
在2025年世界人工智能大会（WAIC）期间，容联云在AI Agent落地实践产业创新论坛上正式推出“容犀”Agent&Copilot平台，它能够通过质检代理、座席助理、座席代理、洞察代理四个智能引擎，为企业提供覆盖营销、客服、质检、数据洞察等全场景的AI能力。
论坛期间，容联云大模型负责人唐兴才接受了《中国经营报》记者的采访。记者了解到，2024年年初，容联云正式立项AI Agent，将原本只能“辅助人”的模型升级为“能自己干活”的智能体，目前已在多家银行、券商机构跑通了质检、回访等关键场景。在采访中，就AI Agent落地中的机会与挑战、企业客户对于AI Agent的需求变化，以及企业级 Agent的未来发展趋势等问题，唐兴才一一给出了回答。
《中国经营报》：你提到AI Agent“跑通”了关键场景，能不能结合具体案例解释下究竟是怎么“跑通”的？
唐兴才：最典型的一个标杆案例是长江证券，涉及的主要业务流程是开户质检回访，所谓质检是指质检管理人员对服务质量实行实时监控、录音抽检、评分、问题反馈与改进建议，以确保服务合规、话术标准、客户体验良好；回访则旨在提升客户满意度、核实信息、预防投诉。
传统做法依赖于人工听通话录音，一般要招聘二三十名工作人员。人工要花时间培训、标准化低、时间精力也有限，效率非常低。基于这个痛点，使用了容犀AI Agent，质检人员就有了得力的帮手，不仅人力成本没有再增加，更为重要的是，准确率也从原先的80%提升到了96%，这个数字是超出客户预期的。
当我们在一个行业领域打造了标杆案例之后，后续就可以通过标杆的积累不断地扩大自己的影响力。
《中国经营报》：市面上的AI Agent五花八门，企业客户主要会有哪些方面的考量？
唐兴才：AI Agent是当前大模型落地赋能的主要形态，企业客户面临的第一个问题就是找到场景，究竟是找服务场景，找营销场景，还是找内部协作办公场景，因为每个场景的投入产出是不一样的，要投入数据、算力以及开发资源，企业必然要先算一笔经济账，筛选出与业务变现更相关的一些场景。第二个考量因素是组织问题，即企业内部有没有相应的人员有意愿和创新能力去做，AI Agent开发及应用部署并不是一个纯技术部门的事情，需要内部的协调。第三是迭代更新的问题，AI Agent的落地应用不是一下子就能做出来或做完的，上线只是一个开始，它需要陪着企业成长“进化”更加智能。
《中国经营报》：容联云在推动AI Agent真正落地过程中面临的最大难点是什么？
唐兴才：简单总结一下，可以说要重点跨越三道关卡。一是解决“听不懂业务”的问题，对此解决方案是直接派技术人员驻扎客户内部，与质检岗位的员工同吃同住一起办公，把诸如监管红线、质量检查标准作业程序（SOP）等全部拆解成模型能够理解的200多条细则；二是解决“买不起算力”的问题。起初客户担心高算力GPU是不是买不到、买不起，怎么解决算力基础设施的问题，对此我们共同去探索，从客户的实际数据量出发——如判断每天到底有多少通话要去检测，基于此再去判断到底要选多大参数的模型。像在长江证券的质检回访场景中，我们分别使用7B、14B、32B、72B规模的模型连续做了性价比测试，最终锁定了32B模型、使用两张国产GPU即能跑满一万通会话，这样就把成本“打下来了”。三是解决“过不了信创”的问题。容联云服务的大客户以金融行业最为集中，因此具有信创的需求。对此，我们通过三个月的时间完成了多个国产芯片以及操作系统的适配，最后在金融客户验收时，一次即通过。
《中国经营报》：行业里常把Agent和Copilot并列讨论，该怎么理解两者的边界？
唐兴才：Copilot（副驾）是ChatGPT引爆大模型之后，由微软在办公生产力场景中率先使用，后来有了各种Copilot。从去年开始AI Agent兴起，2025年也被称为Agent元年，在C端和B端都出现了各类Agent。
为了便于理解，我们类比开车的场景，你可以把Copilot看作“副驾”，人始终要在主驾的方向盘之后；Agent则可以看作“无人驾驶”，在风险可控或C端场景直接实现端到端的闭环。预计未来三年内，两者并不会互相替代，而是像手动挡和自动挡长期共存，这取决于监管的态度和模型能力的下一步跃迁。
《中国经营报》：容联云AI Agent未来的迭代更新方向是什么？
唐兴才：用一句总结，就是从“单点聪明”走向“整条业务链聪明”。今年，我们会先把质检、回访、催收等节点一个个跑通；明年把这些 Agent 串起来，让营销 Agent 把线索推给回访 Agent，回访结果再实时回流给质检 Agent，形成真正的 AI 员工网络。最终目标是让金融机构像指挥一支数字员工队伍，低成本、低风险、高并发地完成从获客到服务的全链路智能升级。
