广告
加载中

谁来领导AI Agent?

贾昆 2026-04-21 16:46
贾昆 2026/04/21 16:46

邦小白快读

EN
全文速览

文章核心讨论了AI Agent的领导问题,强调应由既懂业务又懂技术的人主导,并提供了实操干货。

1.领导AI Agent应由业务和技术双修的人才负责,如吴泳铭、蒋凡、张一鸣等案例,他们既能把握市场交易又能驾驭技术变革。

2.AI与电商存在商业模式冲突:电商依赖广告税(如CPC/CPA),但AI转向Token税,可能颠覆平台收入,需优先区分未来税制。

3.业绩核查分三类方法:纯降本型(通过AI节约成本,由CFO核算)、拉动销售型(关注ROI和ARPU值,提升产品毛利)、用户生命周期型(核心是LTV,即用户生命周期价值,强调复购和忠诚度)。

4.实操建议包括从用户体验出发设计技术,避免价格内卷,并学习阿里巴巴ATH事业群的转型经验。

文章聚焦AI对品牌的影响,涉及品牌溢价、消费趋势和用户行为。

1.品牌营销需警惕价格内卷:AI变革中,品牌可能因迎合消费降级而贬值,应优先提升品牌溢价而非单纯降价。

2.用户行为观察显示LTV(用户生命周期价值)是核心指标,AI能帮助提升用户忠诚度和复购,如通过Agent交互增强依赖。

3.消费趋势指向AI Agent时代:品牌需适应新交互方式,如命令行(CLI)化,避免依赖传统广告,参考拼多多专注交易的案例。

4.产品研发启示:从用户体验出发,倒推技术应用,避免品牌价值下滑,学习阿里巴巴转向Token税的差异化定位。

文章解读了AI带来的政策变化、机会风险及应对措施。

1.政策解读:平台税(如GMV驱动)面临挑战,AI转向Token税可能颠覆广告模式,需关注阿里巴巴ATH事业群的新税制。

2.增长市场与机会提示:AI可降本增效(纯降本型)或拉动销售(关注ROI),但风险是商业模式冲突可能导致入不敷出。

3.事件应对措施:学习吴泳铭挂帅案例,业务部门应与AI团队协作;可学习点包括核查业绩分三类方法,优先LTV。

4.风险提示:AI变革中,卖家可能因追风失败而损失利润,建议深度思考税制区分,并咨询服务商获取合作方式。

文章启示工厂在AI时代的数字化和电商机会。

1.产品生产和设计需求:适应AI Agent时代,如推进命令行(CLI)化交互,优化供应链效率,避免技术脱离业务场景。

2.商业机会:AI推进数字化,可借鉴电商交易侧的重要性,如阿里巴巴案例,聚焦订单和用户LTV提升价值。

3.推进电商启示:从用户体验出发设计产品,参考乔布斯哲学;工厂可学习降本型AI应用,由CFO核算成本节约。

4.机会提示:服务商转型如CLI接入,提供启示;工厂需关注Token税与广告税的差异,避免在商业模式冲突中损失。

文章分析行业趋势、新技术和客户痛点解决方案。

1.行业发展趋势:AI Agent化是未来方向,服务商需接入命令行(CLI),如压扁为二向箔对接平台。

2.新技术:AI Agent作为新入口,颠覆传统交互,解决方案包括CLI化,避免依赖广告税模式。

3.客户痛点:品牌商家面临平台税问题、商业模式冲突(Token税 vs 广告税),及业绩核查难题。

4.解决方案:服务商可提供降本增效或拉动销售的AI服务,参考业绩分三类方法;并学习阿里巴巴ATH案例,帮助客户区分税制。

文章讨论平台在AI时代的需求、做法和风险管理。

1.商业对平台的需求:应对AI颠覆广告税模式,如阿里巴巴设立ATH事业群收Token税,满足商家对LTV的关注。

2.平台的最新做法:转向Token税制,参考拼多多专注交易案例;招商启示包括吸引商家适应新交互,如命令行化。

3.运营管理:需调头适应AI Agent,如吴泳铭挂帅示范业务与技术融合;平台应提供扶持政策,帮助商家核查AI业绩。

4.风险规避:商业模式冲突可能导致平台收入损失,需优先区分Token税和广告税;管理风向包括避免GMV驱动,转向LTV核心。

文章揭示产业新动向、问题和商业模式启示。

1.产业新动向:AI Agent领导问题引发组织变革,如阿里巴巴人事调整,强调业务与技术双修主导。

2.新问题:商业模式冲突(Token税 vs 广告税)和AI业绩核查难题,需研究LTV作为核心指标。

3.政策法规建议:从用户体验出发设计技术,参考乔布斯哲学;启示包括税制改革,如ATH事业群的Token税。

4.商业模式分析:电商+AI vs AI+电商本质冲突,研究者可探讨复购和忠诚度机制,参考用户生命周期型AI案例。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

The article examines the leadership challenge in AI Agent development, emphasizing the need for leaders who combine business acumen with technical expertise, and provides practical guidance.

1. AI Agent initiatives should be led by talent proficient in both business and technology, such as Yongming Wu, Fan Jiang, and Yiming Zhang, who can navigate market dynamics and technological shifts.

2. A fundamental conflict exists between AI and e-commerce business models: e-commerce relies on ad-based revenue (e.g., CPC/CPA), while AI is shifting towards a token-based tax, potentially disrupting platform income. Prioritizing future tax models is crucial.

3. Performance evaluation for AI projects falls into three categories: pure cost-reduction (CFO-tracked savings), sales-driven (focusing on ROI and ARPU to improve margins), and user lifecycle-focused (centered on LTV, emphasizing retention and loyalty).

4. Practical advice includes designing technology from the user experience perspective, avoiding price wars, and learning from Alibaba's ATH business unit transformation.

The article focuses on AI's impact on brands, covering brand equity, consumer trends, and user behavior.

1. Brand marketing must guard against price commoditization: during AI transformation, brands risk devaluation by catering to consumption downgrading. Prioritizing brand premium over price cuts is essential.

2. User behavior analysis highlights LTV as the core metric; AI can enhance loyalty and repurchase rates through Agent interactions that foster dependency.

3. Consumer trends point to the AI Agent era: brands must adapt to new interaction modes like CLI, moving beyond traditional ads, as seen in Pinduoduo's transaction-focused approach.

4. Product development insights: apply technology backwards from user experience to prevent brand value erosion, and learn from Alibaba's shift to a token-based tax for differentiation.

The article interprets AI-driven policy shifts, opportunities, risks, and countermeasures for sellers.

1. Policy analysis: platform taxes (e.g., GMV-driven) face challenges as AI moves towards token-based taxes, potentially disrupting ad models. Sellers should monitor Alibaba's ATH unit for new tax structures.

2. Growth opportunities: AI can reduce costs or boost sales (focus on ROI), but the business model conflict may lead to unsustainable losses.

3. Actionable measures: emulate Yongming Wu's leadership example by fostering collaboration between business and AI teams; adopt the three-tier performance evaluation framework with LTV priority.

4. Risk warnings: sellers may incur losses by chasing trends without depth; deeply analyze tax distinctions and consult service providers for partnership models.

The article highlights digitalization and e-commerce opportunities for factories in the AI era.

1. Product and design needs: adapt to the AI Agent era by advancing CLI-based interactions and optimizing supply chain efficiency, ensuring technology aligns with business scenarios.

2. Business opportunities: AI-driven digitalization can leverage e-commerce transaction importance, as seen in Alibaba's case, focusing on orders and LTV to enhance value.

3. E-commerce insights: design products from user experience, drawing from Steve Jobs' philosophy; factories can learn cost-reduction AI applications tracked by CFOs.

4. Opportunity alerts: service provider transitions like CLI integration offer lessons; factories must understand token vs. ad tax differences to avoid losses in model conflicts.

The article analyzes industry trends, new technologies, and solutions for client pain points.

1. Industry trends: AI Agentization is the future; providers must integrate CLI interfaces, akin to flattening into a "2D foil" for platform connectivity.

2. New technology: AI Agents as new entry points disrupt traditional interactions; solutions include CLI adoption to reduce reliance on ad tax models.

3. Client pain points: brands face platform tax issues, business model conflicts (token vs. ad tax), and performance evaluation challenges.

4. Solutions: offer AI services for cost reduction or sales growth, referencing the three performance categories; learn from Alibaba's ATH case to help clients differentiate tax systems.

The article discusses platform demands, strategies, and risk management in the AI era.

1. Business demands on platforms: address AI's disruption of ad tax models, exemplified by Alibaba's ATH unit adopting token taxes to meet merchant LTV focus.

2. Platform strategies: shift to token tax systems, inspired by Pinduoduo's transaction-centric approach; merchant recruitment should attract adaptation to new interactions like CLI.

3. Operations management: pivot to accommodate AI Agents, as demonstrated by Yongming Wu's leadership in integrating business and tech; platforms should offer support policies for AI performance checks.

4. Risk mitigation: business model conflicts may cause revenue loss; prioritize distinguishing token and ad taxes; shift from GMV-driven to LTV-centric management.

The article reveals industry shifts, challenges, and business model insights for researchers.

1. Industry trends: AI Agent leadership sparks organizational change, e.g., Alibaba's personnel adjustments stressing business-tech hybrid leaders.

2. Emerging issues: business model conflicts (token vs. ad tax) and AI performance evaluation difficulties necessitate LTV as a core metric for study.

3. Policy implications: design technology from user experience, following Steve Jobs' philosophy; insights include tax reforms like ATH's token tax.

4. Business model analysis: inherent conflict between e-commerce+AI vs. AI+e-commerce; researchers can explore repurchase and loyalty mechanisms via user lifecycle AI cases.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

最好是技术男懂业务,技术女也行吧。

文丨贾昆 编辑丨史婉嘉

【亿邦原创】“虽然电脑几年就废了,但迪士尼60年前拍的《白雪公主》,依然能让我几岁的儿子看得目不转睛。因为技术会老化,但故事能感动人这件事,是没有保质期的。”

1994年,39岁的乔布斯被苹果扫地出门。期间,他创立了NeXT。

他在接受采访时指出了技术与艺术,还有人性之间的关系。

但让我难以想象的是,乔布斯这样独具品味的审美天才,会如何去评价今天大行其道的AI。

注意力经济的时代,很多时尚度拉满的议题转眼沦为明日黄花。

所以,什么外卖大战、即时零售,已经被OpenClaw、Cloude code所掀起的AI Agent风暴所掩埋。

这件事旋即反映到股价上,就是阿里巴巴为什么过去一年狠烧几百亿的淘宝闪购,却在今年没能得到资本的正向反馈。

如果说阿里巴巴像一面镜子,那或许能给很多公司提示:

为什么要设立Alibaba Token Hub(ATH)事业群?

大模型技术负责人林俊旸为什么会离职?

为什么吴泳铭要亲自挂帅?

为什么淘宝闪购的负责人会被调离?

毋庸置疑,今天的AI Agent,不只是热门的投资主题,更是势在必行的业务主题。

然而,到底由谁来主导AI Agent?是任何一个进入风暴中的船长,都要做出战略抉择。

谁是好舵手?

在人事关系和组织任命上,这是上下同欲者胜的关键会师,还是换汤不换药的又一轮权利的游戏?

黄仁勋一边卖GPU,一边呼吁老板们要有Agent战略。

最近常有一些电商公司的前老板、前合伙人,都已经转型开始做AI Agent相关的服务。

也常有消费品公司谈及,该如何正确的推行内部的AI Agent落地。

AI Agent领导力将主宰一切走向。

如今,是时候盖棺定论了。

01 懂电商的人来主导,还是懂AI的人来主导?

数次证明,脱离业务场景谈技术改革都是扯淡。

咱电商是拉动销售的。你AI浓眉大眼的是来干什么的?降本增效的?

在电商和数字化的那轮革命里,技术专家与业务骨干之间的PK是组织博弈的一大看点。

结果,IT部门是率先被弱化的那群人。

胜利的一方,一定是贴近市场、业绩可衡量的销售部、市场部。甚至是独立的电商化团队/部门。

很简单,电商,电商,电子商务。“电子”再怎么折腾,落脚点注定是在交易侧。

这就如同IT168、中关村在线抵不过京东,汽车之家事到如今依然是过度依赖于广告业务的媒体平台。

搞信息化已经让一批门外汉吃了瘪。外行雇佣兵指导内行专家的事,你可千万别再老路上重走一遍又一遍了。

真正的交易,背后一定是订单。

所以,搞双11的张勇即便是CFO出身,但也能硬控天猫多年。其核心是,拉动交易,是全链路数据的翘板和支点。

你看,无论过去风口属于谁,作为交易的最后一公里,电商永远坐享其成。

搁到以前,电商兄弟们硬气得很。转折在于,今天电商也有可能是个入不敷出的赔钱生意。老板一年到头发现,还不如线下门店利润丰厚。

马上就要618了,相信大家都能感觉到,这两年,平台小二各种威逼利诱商家上活动的积极性,可比商家自己踊跃得多。

归其原因,平台又要交租子了,每年两次大的,还有10次小的,各位赶紧众筹一下,包你跟老板汇报GMV时好交差。

但现在老板不看GMV了,或者说既要又要了,GMV之余还得贡献利润。

“平台税”是没少交,可钱也没挣着。

老板心想:你说这次AI Agent的变革,还由你做电商的主导?你是不是跟平台串通一气来坑老子的钱了?

你扭捏得像个小媳妇:嗯……嗯……这何必说穿,以前我这么干的时候……额,不,以前咱可不是这么说的……

老板一砸桌子:搞短视频、搞直播、搞即时零售,搞情绪消费,现在还要搞短剧,每个风口都不还是你从外面听来的,然后煽风点火的跟我传递焦虑,说再不抓紧就完了。结果每次都是一地鸡毛,你提了裤子就走人。

可见,懂业务的接地气,跟着市场追风,甭管是早起一步,还是晚上一步,总算是在无数次商业迭代里面完成了自我更新。

但这次AI维度跨度之大,绝非固有的思维框架和范式可参考,可理解。

你能相信,昨天还在田间地头搞产业带,搞极致性价比、搞白牌供应链的人,今天摇身一变跟你侃侃而谈说AI革命吗?

老板不信,客户也不会相信。

人才审美上,就算不是姚家班毕业,好歹也是清华大学计算机系吧?

理想汽车创始人李想朋友圈

为什么吴泳铭挂帅ATH就显得很有科技感?因为他本人是懂技术的,不,准确的说,是做过技术的。

更重要的是,在阿里味多年的熏陶下,势必也对业务了如指掌。

技术男懂业务,放眼今天的时代,还有比这更性感的吗?

其实蒋凡也是技术男,也懂业务。

张一鸣、张小龙都是这样的天赋异禀的超人类。

因此,品牌企业的老板们,若是发现自己公司里有这等优质男女,就偷着乐吧。

02 电商+AI,还是AI+电商?

我换个说法:是互联网+,还是+互联网?

这个议题是不是耳熟能详?

没错,技术革命与产业应用,永远都有两个迷人的叙事。

光是在黑猫白猫这件事的争论上,就足够养活一堆理论家。

但过往的经验也容易让我们忽视一个重要的变量:AI到底是一种技术,还是一个新的体验?

是的,这里我特意没有强调是不是一个入口。

AI作为未来的入口是毋庸置疑的。但真正革命性的,不在于入口本身,而在于这个入口到底面向谁?

我在《淘宝接入龙虾,Agent就是下一代的平台》一文中阐述过,越来越多的互联网产品正在CLI化。

背后的逻辑正是,在下一波浪潮里,流程和体验优先对齐Agent,而不是人。

何意味?

电商的本质是流量的倒买倒卖,所有的利润都源自品牌商家以不同形式向平台递交的广告税赋(CPC/CPA/CPM……)。

试想,假如通过OpenClaw实现外卖点单,平台失去的不只是流量入口的价值和流量分配的权力,还可能因为嵌入的整套交易流程,完全转换成了Agent之间的协作。

整个过程,用户需求只有一次机会,是通过人类语言进行输入,其余端口间均以命令行为输入输出条件。这个被封装的工程系统,不需要向用户展示任何多余交互界面的必要。

直白的说,我对着微信或者飞书(将来也可能是某个AI耳机或者AI眼镜)下单的时候,直接跳过了那些信息流广告、那些原本属于电商平台CMR分佣的主要收入来源。而Agent又根本不需要看这些广告,那么对于习惯了搜索和推荐为主的电商而言,简直是场为了AI叙事而自杀式的重创。

是牺牲短期利益,壮大长期入口和消费习惯(也就是靠电商这只现金牛来哺育AI成长),还是像拼多多一样,就一门心思做交易,做到极致,管它AI不AI?

懂了吗?无论是AI+电商,还是电商+AI,两者在商业模式上本质是冲突的。根本就+不到一起去。

这既是拼多多聪明的地方,也是阿里巴巴后来变得聪明的地方。

Alibaba Token Hub(ATH)事业群未来收的是Token税,而不是交易税。

也或许这样的区隔,一定程度上解释清楚,两种不同的商业模式之间差异化定位。

但系统性调头是需要时间的。大多数参与电商交易的品牌型企业可能还只停留在GEO的层面(如何被用户更好的在AI时代检索)。内部尚未思考清楚,主导ROI的电商/市场部门,与AI建设的团队之间到底如何相辅相成,如何瞄准未来交互形态,形成合力。

一不留神,劲儿使拧巴了,最后两头不着岸。这也是多数老板积极参与,但仍在观望的主要原因。

各方面都要考虑到,固有的流程、组织架构、利益设计都要在整个系统性调头里“干中学”。

现在给我的感受是,在AI Agent的浪潮下,无论船大船小,调头都是个难事。

但无论如何,劝诫品牌商家当下深度思考的优先级,要搞清一个逻辑:未来哪部分是给Agent交Toekn税,哪部分继续给平台交广告税?

要是还搞不懂,那最佳办法,就是跟服务商打听打听。

我之愚见,未来的数字化服务商,都是接入Agent的命令行。

如果服务商把自己压扁了,变成二向箔,那就是跟未来平台对接的最佳方式。

那就赶紧回去跟技术团队打个招呼:别再那搞什么数字人直播了,赶紧问问龙虾,能不能做个CLI!

03 如何核查AI业绩?

99%的消费品公司老板,都是实干家,不是科学家(当然也有一批文学家、历史学家)。

实在不懂技术,又举棋不定的,索性奉行结果导向。

现在千呼万唤的Deepseek V4都连续跳票,显然AI Agent还处在早期阶段。

这个时候通常是公说公有理,婆说婆有理的阶段。倘若企业内部各执一词,争执不下,简单的策略,就是少谈点主义,拿业绩说话!

目前看,最直观的业绩可以分为三类:

1、纯降本型AI

这也是老板们当下最喜欢的类型。属于CFO的福利。只要月度、季度、年度财报中能看出来成本的节约,就非常直观有效。

耶鲁大学经济学家,也是全球最顶尖的自动化经济学家Pascual Restrepo就在近期发表论文《We won't be missed》中,提到了一个比“机器取代人的威胁论”还骇人听闻的观点。

他说,人类作为一种可以计算的劳动资源,在未来经济中的将被重新定义。在AGI的时代,人类的劳动价值将不再由产出决定,也不再由市场决定价格,而是由复制这项劳动所需的计算资源的机会成本来锚定。

我给诸位翻译下,简而言之,你不再是稀缺的了,你的工资也不再取决你给公司赚了多少钱,而是取决于公司采购AI要花多少成本才能做到跟你一样好。这个成本,将决定你薪酬的定价上限。

懂了吧?可计算,加上摩尔定律,就是贬值的开始。所以,甭管谁来主导,老板让CFO先把全公司上上下下每个人的产出成本全核算一遍,然后再跟Token税比一比,哪个更划算。结论一目了然。

2、拉动销售型AI

卖SaaS的讲降本增效,其实也是无法推动订单和交易增长的无奈叙事。

AI Agent战略也是一样,与其搞自己人,炼化同事.skill,不如出门去搞定你的客户。

视频播客《下班》

识别上方二维码观看完整内容 ↑

当然这里不是暗示各位品牌老板都要把消费者都蒸馏了。

这里需要厘清的是,无论交多少Token税,最终就看是不是交易额增长,品牌价值提升了,企业利润丰厚了。ROI懂吧?ARR懂吧?ARPU值懂吧?

这类AI应该是拉高你的产品毛利,而不是综净利率。

最怕的是,AI大旗是立起来了,结果品牌溢价打下去了。美其名曰迎合消费降级大趋势,实则还是换个由头把自己贱卖了。

咱电商时代的价格内卷,已经杀到上至品牌商下至消费者都倦怠的状态了,新瓶装旧酒可不兴就这么干脆利落稀里糊涂的喝了。

毕竟那种只考核员工烧Token数量,甚至逼迫员工每年必须烧够多少额度,而不关心产出和市场定价的老板,应该拉出去鞭尸了。

3、用户生命周期型AI

这个概念少有人提,就当是我现编的。当年PC互联网大战拼UV,到了移动互联网拼DAU,但最后胜利的是拼赢了用户使用时长的抖音。

能在复杂系统里,看清决胜要素的关键指标,这个要求对绝大多数老板而言,还是太高了。

毕竟不是谁都能成为张一鸣。

以上这些关键指标,我理解都不是最重要的。

以当下的市场环境,只有用户LTV才是核心。

此前,有个公式我非常信奉:

就是要从原来的“GMVx佣金率”,转为“DAU x Retention x LTV”的新公式。(推荐阅读《穿越电商20年 淘宝“回归生态”的样本观察》)

商家今天最迫切的是要找到哪个平台拥有浓度更高的用户价值。

用户价值的核心是在于他是否对你产生依赖,有足够的复购。

就像投资人公式讲的,复购是投资标尺——只要客人能留得住,商家就有十足的把握再追加投入。

聪明的老板在考虑如何拉动销售,而智慧的老板在思索AI Agent能帮你把客人留住吗,能把你的溢价拉升吗?

的确,靠资本和运营驱动的电商正在被新技术、新产品、新设计、供应链效率、品牌塑造等更多元的价值链条、更完整的商业要素所融合。

因此,无论是AI Agent能否实现去中心化的商业夺权,价值链条中的每一个参与者都应该有合理的回报。特别是在平台流量红利消失殆尽、商家运营能力差异被逐步抹平之后,就尤其需要认清在不稳固的关系链中,如何通过重新分配利润空间,让消费者对品牌保持忠诚,让商家对平台保持忠诚?

记住,乔布斯的产品哲学永远是:你不能从技术出发,然后去想如何才能卖出去。必须从用户体验出发,再去倒推用什么技术。

更何况今天我们的主题依然是“活下去,做自己,比命长”。

文章来源:亿邦动力

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0