勤策刘昭：真正能卖掉的 Agent，不陪你聊天

图片由 AI 生成

文 | 燕子

我问勤策创始人兼 CEO 刘昭，AI 最早是从勤策内部哪里开始的？

他第一句话就把问题挡了回来：

“我们没有 AI 转型啊，所以不存在从哪里开始。”

这很刘昭。

采访还没正式展开，宏大叙事先被他拆掉了。可是聊下去会发现，勤策并不是没有 AI。

它在消费品渠道数字化这个很具体的行业场景里，已经把 Agent 放进了业务员、经销商、门店和渠道管理的真实流程里。

只是刘昭不太愿意把这件事说成 “ 转型 ” 。

在他那里，AI 首先不是一套话术，也不是一个发布会概念。更朴素的问题摆在前面：客户到底用不用？愿不愿意付费？能不能产生可计量的价值？

这也是勤策这个样本最有意思的地方。

勤策没有讲 AI 组织重构，而是提供了一个观察入口：在垂直行业 SaaS 里，什么样的 Agent 真的能卖掉？

勤策做的是消费品渠道数字化，长期服务快消、食品饮料、酒水、日化等行业客户。

它的产品原本就离一线很近：业务员跑店、经销商订货、门店陈列、终端执行、渠道巡检，这些都是非常具体的工作。

以前很多管理软件的问题在于，它更多是从企业管理者的视角出发。

公司要看数据，要管流程，要知道一线人员有没有拜访客户、有没有完成任务、陈列有没有达标。

系统当然有价值，但对一线员工来说，它意味着填报、打卡、上传、被监督。

所以刘昭说了一句很重要的话：管理软件以前容易让员工觉得“这是管我的”，但有了 AI 和 Agent 之后，它有机会变成 “这是我要的” 。

这个变化不小。

它不再只是管理者要求员工使用的工具。它开始变成员工自己完成工作时需要的助手。

这可能是 AI 对管理软件最真实的一层改变。它不急着先让老板更好地管人，而是先让一线员工感受到，系统能直接替他们完成具体工作。

刘昭讲勤策的 Agent 时，反复强调一件事：他们只做客户愿意买单的东西。

他把消费品客户形容得很实在。

一个概念、一个平台、一个未来想象，很难让他们直接付费。客户要看到这个东西确实有帮助、有价值，才会买。

这句话放在今天的 AI 热潮里，尤其值得听。

很多 ToB 软件公司做 AI，第一个动作是在原来的系统里加一个对话框，做一个知识助手，或者做一个“什么都能问”的入口。勤策试下来，真正卖得好的并不在这里。

刘昭提到，目前勤策做得比较好的 Agent，集中在几个具体场景：语音抄单 / 下单、门店洞察、陈列检核。

这些场景都不飘。

• 语音抄单解决的是业务员、经销商在订货场景里的操作效率问题；

• 门店洞察对应的是终端经营和渠道执行里的判断问题；

• 陈列检核则延续了快消行业长期关注的货架、排面、执行标准和巡检效率。

它们有一个共同点：都嵌在原有工作流里。

用户并不需要先打开一个聊天窗口，问系统“我应该做什么”。更自然的方式，是在原本就要完成的任务里，让 Agent 帮他更快、更准、更省力地把事情做完。

刘昭的判断很直接：“凡是这种对话形式的 Agent 都卖不掉。”

这句话可能会得罪不少人，但很适合放在今天的 ToB AI 讨论里。

因为很多时候，软件厂商以为用户想要一个会聊天、会理解、会回答问题的助手。但在一线业务场景里，用户真正想要的未必是对话。

刘昭说，用户根本不想和系统来回交流，用户想让系统帮他把事做了。

这句话说到底，是一个产品判断。

AI 产品不能只迷恋自然语言交互，也不能把 Agent 简单理解成聊天机器人。

对企业客户来说，尤其是快消这种执行链条很长、终端动作很多的行业，真正有价值的 Agent，要进入任务，不能停在入口。

聊到未来软件形态，刘昭提到一个现在很热的词：卖结果。

他说，现在很多人都在讲软件要变成卖结果，这个方向是对的，但很多人的理解有点片面。

不少人把 “ 卖结果 ” 理解成从客户的经营结果里分钱，客户多赚了钱，软件公司按比例抽成。刘昭不太认同这种简单理解。

在他看来，以前企业软件更多是满足客户需求。客户要 A，软件公司给 A；客户要 B，软件公司给 B。

软件完成了功能交付，但它创造的价值不一定被清楚计量。

未来不一样。

所谓卖结果，不一定要从客户结果里抽成。刘昭更愿意把它理解成另一件事：软件满足需求之后，还要产生可以被计量的价值。

这个说法落地得多。

对绝大多数 ToB 软件公司来说，直接按客户收入、利润、经营结果抽成，并不是一件容易的事。客户愿不愿意开放数据，结果归因怎么算，软件贡献占多少，这些都很复杂。

但 AI 进入之后，软件公司的确需要更清楚地回答：我帮客户省了多少时间？减少了多少错误？替代了多少重复动作？让多少任务更快完成？让哪些以前不可见的问题变得可见？

这就是可计量价值。

勤策的 Agent 收费也已经和使用量、调用量发生关系。

虽然具体数据还需要正式确认公开口径，但可以看到一个方向：客户愿意为 Agent 付费，原因不在名字，而在它能不能在高频任务里产生足够明确的价值。

AI 时代，ToB 软件销售最难的地方，可能已经从解释功能，转向解释价值。

功能可以演示，价值要被客户相信；功能可以列清单，价值要能落到具体业务动作里。

这轮访谈里，我也问了刘昭一个现在很常被讨论的问题：勤策有没有类似 FDE 的角色？

他的回答很简单：他们还是叫实施顾问。而且在刘昭看来，FDE 本质上就是实施顾问。

因为实施顾问原本就要到客户现场，理解客户需求，听懂多个部门之间不同的诉求，知道客户内部情况，懂业务，也懂产品和技术。

Agent 项目当然有一些细节不同，但在勤策这里，它并没有变成一个完全不同的新岗位。

这个判断和一些 AI 原生公司的说法不太一样，也正因为如此，反而有价值。

很多公司做 AI，并不一定要发明一套新组织名词。中国 ToB 软件公司里，连接客户现场和产品技术的人其实早就存在了，早些年叫售前、实施、解决方案、项目经理，或者客户成功。

AI Agent 出现之后，这些角色的能力会变化，但岗位名称未必马上变化。

勤策的做法，是把 Agent 纳入原有实施体系里。

刘昭也不认为 Agent 项目的交付周期天然比传统 SaaS 更快或更慢。

这给 ToB AI 讨论提了一个醒：FDE 可以成为 AI 时代组织的新物种，但不是所有公司、所有变化都必须通过新岗位和新组织来实现。有些变化会重构组织，有些则会先被原有组织吸收。

有些变化确实会重构组织，也有一些变化会先被原有组织吸收。

对勤策来说，Agent 更像一种新的产品能力和交付内容，还没有马上催生一套全新的组织结构。

问到勤策内部哪些岗位受 AI 影响最大，刘昭回答得很快：研发。

在他看来，今天再问研发人员用不用 AI，已经没太大意义。

至少在软件行业里，研发使用 AI 工具已经接近默认状态。市场等岗位也会或多或少用 AI 辅助工作，行政、财务等岗位相对弱一些。

但刘昭更在意的，已经超出了某个岗位有没有用 AI。他关心的是，AI 会怎样影响整个软件行业的供给结构。

他认为，AI 极大释放了研发生产力。

这对勤策这样的垂直 SaaS 公司来说，真正的挑战不在“ 要不要 AI 转型 ”这个词上，而在能不能抓住 AI 带来的创新机会。

刘昭还谈到一个关于人的判断。

刘昭说勤策没有 AI 转型。

但这次聊完，我反而觉得，勤策提供了一个很重要的样本：有些公司的 AI 转型，未必表现为组织大调整、部门重命名、战略口号升级。

它可能悄悄发生在产品形态、客户任务和付费逻辑里。

对勤策来说，“做了多少 Agent”不是最重要的。更关键的是，他们怎么判断哪些 Agent 能卖，哪些卖不掉。

对话式知识助手卖不掉，嵌入工作流的语音抄单、门店洞察、陈列检核能卖。

这背后有一条清晰的产品逻辑：客户不会为 AI 概念买单，他们买的是被完成的任务、被节省的时间、被看见的价值。

从这个角度看，AI 对垂直行业 SaaS 的改变，可能不会先从一个宏大的平台故事开始。它会从一个业务员少填一次表、一个经销商更快下一张单、一个门店问题更早被发现开始。

这听起来不够炫，但可能更接近 ToB 软件的真实世界。

AI 最终能否真正融入企业，不取决于它被包装得多么像未来，而在于它有没有进入每天都在发生的工作流程。