---
title: "为什么越来越多企业，不想再买AI工具了？"
id: "20260323A07IEG00"
publicationAccount: "非凡产研"
originalPublishedAt: "2026-03-23T20:22:30+08:00"
canonical: "https://ffcap.cn/research/20260323a07ieg00"
source: "https://view.inews.qq.com/a/20260323A07IEG00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["AI Agent","销售与客服","营销增长","企业服务 SaaS","企业应用","智能制造","工作流","模型与基础设施"]
---

# 为什么越来越多企业，不想再买AI工具了？

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

**非凡产研·嘉宾访谈**

## **为什么越来越多企业，不想再买AI工具了？**

  

语核科技廖灿：企业真正缺的，不是一个更聪明的软件，而是一个能签KPI、能交结果、还能越干越懂业务的数字员工。

**受访者**：廖灿（语核科技营销合伙人）

**访谈时间**：2026年3月

这两年，几乎所有企业都在谈 AI。

有人买了知识库，有人接了大模型，有人上了助手，有人还做了内部 Agent 试点。表面看起来，大家都在往前走，但如果你真的去问企业老板、业务负责人，尤其是制造业里的销售VP、售前主管、信息化负责人，你会发现一个非常微妙的现实：

**他们并不缺"会一点AI的工具"。**

他们真正缺的，是一个能进流程、扛结果、对业务负责的角色。

这也是我跟语核科技营销合伙人廖灿聊完之后，最强烈的感受。

他不是那种一开口就跟你讲模型参数、智能体架构、Agent workflow 的人。相反，他的判断几乎一直站在业务一侧。他会反复追问一个问题：

**"这个东西到底能不能真正替企业干活？"**

如果不能，那它就只是一个看起来很新的工具。

如果能，那它就不只是软件，而更像一个**"数字员工"**。

而语核做的，恰恰就是后者。

![为什么越来越多企业，不想再买AI工具了？ · 原文图片 1](https://inews.gtimg.com/om_bt/OQ669KrQOkSaSdUbd1bQUj3p3bGfv5MFlQTBsP8c0lZe8AA/1000)

  

## **从帆软出来的人，为什么最后会押注 Agent？**

廖灿的职业路径很典型，也很不典型。

典型在于，他一路都在 ToB 里打仗。从帆软，到创业公司做 RPA+AI，再到大厂看企业级生态，最后进入语核，切入 Agent。

不典型在于，他经历的不是几份工作，而是**四次企业数字化范式的切换**：从 BI 大数据，到传统 AI 工具，到 SaaS 生态，再到 AI Agent。

如果你熟悉中国 ToB 软件的演化，会知道这条路径其实很有代表性。很多人都从"卖系统"出发，但最后能走到"卖结果"这一步的人，并不多。

廖灿说，帆软对他最大的塑造是两个字：**务实**。

这家公司像很多 ToB 从业者口中的"黄埔军校"，不靠花架子，不靠概念包装，内部靠业绩说话，对外靠产品效果说话。客户买了软件，能不能真正用起来，能不能在业务里活下来，这是最重要的判断标准。

这套思维后来变成了他看 AI 的底层坐标。

所以他今天做 Agent，不怎么跟客户讲"大模型有多先进"，而是讲：

**"你这个岗位现在4天干完的活，数字员工能不能压缩到20分钟。"**

  

## **他不是因为"技术兴奋"才做 Agent，而是因为旧方案真的走不动了**

很多人进入 AI 行业，是因为被技术点燃了。

廖灿不是。

他更像是被现实推着，一步一步走到这里的。

离开帆软之后，他去了一家 B 轮创业公司，做 SaaS 事业部商业化负责人，方向是 RPA+AI。团队做了从 B 轮到 C 轮，也从 0 到 1 搭起了 GTM 体系，做了 300 多个标准化应用场景，上百家客户，业务同比增长 10 倍。

如果只看数字，这已经是很不错的成绩了。

但他后来发现，那个方向有一个根本问题：

"

**RPA 只进化了手、脚和眼睛，它没有脑子。**

它可以更快地执行动作，可以更高效地搬运流程，但企业真正缺的，不只是一个更快的操作工，而是一个能理解上下文、能做判断、能参与复杂业务的角色。

ChatGPT 出来之后，他一下就意识到，之前缺的那块东西，终于补上了。

所以他的判断不是"AI 很火，我想试试"，而是：

**底层能力成熟了，企业痛点一直存在，只是以前没人能真正把这件事做成。**

过去几年，企业买过太多工具了。知识库、流程系统、RPA、BI、SaaS 平台、协同系统……几乎每一个环节都被工具化过。

但企业真正的感受是：**系统越来越多，人还是越来越累**。

为什么？

因为这些工具大多只解决了"局部动作"的问题，没有接手"完整岗位"的问题。

而语核判断的是另一件事：

**企业不需要再多一个工具了，企业需要的是一个真正能上岗的数字员工。**

  

## **最难的，不是把"数字员工"卖出去，而是让客户真的相信它能扛结果**

从"卖软件"到"卖数字员工"，表面看是销售话术变了，实际上最难变的是客户的预期。

这点廖灿讲得很实在。

以前卖软件，客户买的是功能。你把东西交付了、培训了、上线了，后面能不能用好，很多时候是客户自己的事。

但数字员工不是。

**客户买的是结果**。

你说它能帮我缩短报价周期，那最后就要真的缩短。你说它能让 5 个人撑起原来 10 个人的工作量，那最后就得撑起来。你说它能提升售前效率，那最后就要提高效率。

所以今天他们跟客户聊，不再是讲"我们有什么功能"，而是**直接拆岗位**：

• 这个岗位每天在干什么？

• 哪些动作可以由数字员工接管？

• 接管之后预期提升多少？

• 最后谁来审核，谁来拍板，谁来为结果负责？

也因此，他们碰到客户时最常见的反应，不是"感兴趣"，而是两种非常典型的怀疑。

一种叫：**"不就是那样"**

客户以前用过一些 AI 帮写邮件、翻译文档，于是天然会把你也当成那种"差不多的东西"。

另一种叫：**"会不会怎样"**

尤其到了报价、标书、技术方案这种场景，错一个参数就可能废标。这个时候，客户最关心的不是 AI 炫不炫，而是能不能稳。

语核的应对方式也很直白：**不跟你空谈概念，直接 demo**。

他说得很对，很多客户从怀疑到"真香"，往往一次 demo 就够了。

关键不在于你用了多少技术名词，而在于客户有没有亲眼看到：

**自己的业务数据，真的被跑出了结果。**

  

## **真正让制造业客户买单的，不是"AI很强"，而是"你终于能把这件事干了"**

如果你去看今天很多 AI 创业项目，会发现一个问题：它们做出来的东西，常常很聪明，但不够痛。

而制造业恰恰相反。

这个行业里有太多场景，不是"优化一下"，而是再不解决，就直接拖业务后腿。

比如售前、报价、招投标、方案响应这些环节。

语核在中远海运集团做的，就是这样的场景。

最开始，对方技术负责人根本不信。业务负责人倒是很着急，因为他每天都被大量询价响应折磨得很痛，所以一开始甚至没敢提太高要求，只说：

"

你们先别想着自动出完整响应文件，先帮我把询价材料做归类和结构化，就已经很好了。

但后来真正跑起来之后，结果远远超过了最初的想象：

📉 **报价周期从4天压缩到20分钟**。

📈 **客单价还上涨了20%**。

为什么还能涨价？

因为数字员工不只是更快，它还可以更精准地匹配产品、设计更适合的方案，甚至在客户询价时顺带推荐更合适的保养计划。

这就不再只是效率工具，而开始触碰到**收入增长**了。

  

## **"底薪+提成"这件事，不是商业模式花活，而是定价语言彻底变了**

我觉得语核最值得写的一点，不只是他们做数字员工，而是他们把"怎么卖 AI"这件事，也想明白了。

过去 SaaS 世界里的收费方式，不外乎那几种：按功能收费，按席位收费，按用量收费。

本质上，都是**卖工具**。

但数字员工不一样。

当客户面对一个"签了KPI的AI员工"时，他脑子里启动的不是采购软件的逻辑，而是**雇人**的逻辑。

这两套逻辑，差别极大。

你跟客户说："我们这个 AI 平台一年多少钱。"客户脑子里会自动冒出一句：又是一个系统。

但你跟他说："我给你配一个数字员工，一年工资12万，大概是真人售前的40%，24小时在线，不请假，不跳槽，还会越干越熟。"

这时候客户开始算的，就不是 IT 预算，而是**人效账**。

这也是为什么廖灿说，"底薪+提成"不是坐在办公室里灵光一现拍脑袋想出来的，而是在客户反馈里一点点磨出来的。

它的本质，不只是换一种收费方式。而是把 AI 从**"买软件"的语言，切换成了"雇员工"的语言**。

这一步非常关键。

因为中国企业对软件付费，很多时候是谨慎的、迟疑的、容易压价的；但对"能帮我扛结果的人"，反而更容易快速判断值不值。

  

## **企业真正缺的，从来不是一个"更聪明的知识库"**

聊到企业级 Agent，绕不开"知识"和"记忆"。

但廖灿这里有个观点我很认同：

"

**市面上大多数方案，本质上只是更聪明的搜索。**

把文档丢进去，做检索，做召回，做回答。这个方向当然有价值，但如果你真的去看企业里最有价值的知识，你会发现：

**至少一半，不在文档里**。

它们藏在老师傅脑子里，藏在售前对客户的判断里，藏在销售总监对价格策略的拿捏里，藏在那些"为什么上次这么做"的经验里。

所以语核的做法，不是要求企业先把所有知识文档化，而是让数字员工在工作过程中自己积累。

他们提了一个**三层记忆体系**：

**第一层**：知识库层，放产品手册、行业标准、规格参数。

**第二层**：业务状态机，记录项目跟进、客户档案、决策历史。

**第三层**：岗位经验层，让数字员工通过每天的"工作日记"，逐渐沉淀踩坑库和最佳实践。

这个设计背后，其实有一个非常关键的判断：

**企业要的不是一个知道很多书本知识的AI，而是一个越干越像老员工的AI。**

传统 RAG 更像图书馆。而他们想做的，是一个**在岗三年的人**。

  

## **为什么100%续约率背后，不只是服务好，而是"换掉它等于丢掉一个老员工"**

语核现在商业化一年营收超千万，客户续约率 **100%**。

很多人看到这个数字，第一反应可能是：客户成功做得好。

廖灿的回答倒是挺清醒。

短期当然靠客户成功。专人跟进、定期复盘、快速响应，这些都重要。

但长期真正支撑续约的，其实是**产品粘性**。

因为数字员工和普通软件最不一样的地方就在于：它在客户那里工作得越久，沉淀下来的岗位经验越多，就越像这个组织里的一部分。

你换掉一个普通软件，最多是系统迁移。你换掉一个干了三年的数字员工，等于丢掉了**三年积累下来的业务记忆**。

这就是为什么他说，换掉数字员工的代价，不是"换一个系统"，而是**"失去一个在岗三年的老员工"**。

  

## **企业级 Agent 和个人 Agent，真正的分水岭，不是聪不聪明，而是有没有"组织感"**

现在很多人都在做 Agent。

但绝大多数 Agent，底层其实还是个人视角：我交给你一个任务，你帮我完成。

这套逻辑放到个人场景里没问题，甚至很爽。但放到企业里，很快就会撞墙。

因为企业不是一个"任务完成系统"，而是一个"多目标博弈系统"。

廖灿给了一个总结，我觉得特别适合拿来做企业级 Agent 的分水岭：

**企业级 Agent 必须内置三重校准器。**

**第一重，ROI 校准**。先问值不值，再问能不能。

**第二重，权限校准**。不只是"谁能看"，而是"这事该不该做"。

**第三重，战略校准**。短期 KPI 不能砸掉长期饭碗。

  

## **我越来越相信，下一代企业软件，卖的不是功能，而是"岗位结果"**

聊完这场访谈之后，我脑子里一直有一句话：

**"AI 最终不会先吃掉所有软件，它会先吃掉那些可以被岗位化定义的工作。"**

这意味着什么？

意味着企业服务接下来最重要的变化，可能不是"再做一个更聪明的平台"，而是从卖模块、卖系统、卖功能，慢慢转向**卖岗位、卖结果、卖生产力**。

过去企业买软件，买的是一个能力框架。未来企业买 AI，更可能买的是一个具体角色。

不是"给我一个协同平台"，而是"给我一个会干售前的数字员工"。

不是"给我一个知识管理系统"，而是"给我一个能记住经验、能参与决策、能持续进化的岗位AI"。

不是"给我一个工具箱"，而是"给我一个能扛 KPI 的人"。

如果这个判断成立，那我们今天看到的很多企业级 Agent，还只是刚刚开始。

真正的分野，接下来会非常清楚：

有些公司还在卖**"会一点AI的工具"**；

有些公司，已经开始卖**"会干活、会成长、会为结果负责的数字员工"**。

而后者，显然更难做。但也更像下一代真正有价值的企业服务。

  

## **精选 Q&A**

**Q1：语核做的，到底是工具，还是员工？**

从产品形态上看，它当然还是软件平台；但从客户购买逻辑和价值交付逻辑上看，它更像一个数字员工。企业买它，不是为了多一个系统入口，而是为了让某个岗位真的被接管一部分工作，并且对结果负责。

**Q2：为什么"底薪+提成"这种模式更容易打动客户？**

因为它把 AI 的定价语言，从"买软件"切换成了"雇员工"。企业天然会用人效、工资、产出来算这笔账，而不是把它当作又一个 IT 采购项目来看待。

**Q3：企业级 Agent 和个人 Agent 最大的区别是什么？**

个人 Agent 对"任务完成"负责，企业级 Agent 则必须对"组织价值"负责。它不能只会执行，还要理解权限边界、角色分工、ROI 约束和长期战略。这种"组织感"，才是企业级 Agent 真正的门槛。

**Q4：为什么语核能做到 100% 续约率？**

短期靠客户成功，长期靠产品粘性。数字员工在客户那里工作越久，越懂这家企业的业务，也就越难被替代。对客户来说，换掉它不只是换一个软件，而是丢掉一个已经熟悉业务、沉淀经验的"老员工"。

**Q5：AI 数字员工最终是替代人，还是增强人？**

这个问题本身就有点旧了。更准确的说法可能是：AI 在激活新的组织形态。它既不是简单替代，也不只是轻量辅助，而是在推动经验沉淀、流程重构和组织能力升级。干活的方式变了，结果不是谁更强了。当组织开始习惯这种人类员工和数字员工"共生"的模式——组织就具备了在AI时代持续进化的可能。

**企业真正缺的，从来不是一个"更聪明的软件"，而是一个能签KPI、能交结果、还能越干越懂业务的数字员工。**

---

原始发布版本：https://view.inews.qq.com/a/20260323A07IEG00

本站阅读页：https://ffcap.cn/research/20260323a07ieg00