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。

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：

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。

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：

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：

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：

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：

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，那最后就要交出效率。

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：

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：

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：

但后来真正跑起来之后，结果远远超过了最初的想象：

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。

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。

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：

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：

这个设计背后，其实有一个非常关键的判断：

传统 RAG 更像图书馆。而他们想做的，是一个在岗三年的人。

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”。

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：

聊完这场访谈之后，我脑子里一直有一句话：

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：

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。