桑文锋:企业要的不是软件,而是一支 AI Growth Team

6 月 26 日，神策数据正式发布 Sensors AI 1.0。

相比一次单纯的产品更新，这更是神策数据在 AI Agent 时代，对自身方向和战略的一次重新定义。

过去十一年，神策数据始终围绕“数据驱动”这一核心命题持续投入：从数据采集、用户行为分析，到数据闭环、营销云，再到今天的 AI Growth Team。变化的不是神策对数据价值的信念，而是对“数据如何真正创造业务增长”的理解，正在发生一次更深层次的迭代。

在神策数据创始人桑文锋看来，企业真正需要的从来不是软件本身，而是增长。过去，软件更多是把工具交给客户，能力依赖客户自己的团队；但在 AI Agent 时代，企业购买能力、组织工作和交付结果的方式，都可能被重新定义。

这也构成了桑文锋对神策未来方向的核心判断：AI 不会只是让软件多一个对话入口，而会推动企业从“使用软件”走向“雇佣增长团队”；神策要做的，也不再只是交付软件，而是从交付软件走向交付工作量，并最终走向交付结果。同时，这也让他确定了神策数据面向未来三年的产品战略：打造一支 L4 级 AI Growth Team。

神策成立十一年来，一直坚持一个使命：帮助客户实现数据驱动。这个使命没有变，但桑文锋对“数据驱动”的理解，经历了持续迭代。

2015 年神策刚刚成立时，他认为企业要实现数据驱动，首先要解决数据源问题。只有把数据采集、数据结构化和数据模型这些基础工作做好，数据才能真正可用。因此，神策构建了围绕数据采集的产品能力，提出 Event-User 数据模型，并立下了“花十年时间，重构中国互联网的数据根基”的愿景。

到了 2020 年，神策进一步意识到，只有数据洞察还不够。企业拿到数据之后，如何把洞察转化成业务行动，才是更关键的问题。于是，神策进入营销云领域，并提出 SDAF 数据闭环，希望帮助企业把感知、决策、行动和反馈真正连接起来，让数据从“被看见”走向“被使用”。

在当时，桑文锋相信，只要企业建立起完整的数据驱动闭环，增长就会成为一个自然结果。但随着实践不断深入，他逐渐意识到：数据驱动，并不是增长的充分条件。

数据驱动更像是一种放大器。它可以放大好的业务策略，也可能放大不成熟的策略。真正决定增长结果的，仍然是业务本身的判断、策略和执行。企业真正关心的，不是有没有数据闭环，而是用户是否增长、转化是否提升、复购是否改善、业务是否真正向前走。

这也让桑文锋开始重新审视神策过去多年服务客户的方式。

Sensors AI 1.0 发布会现场

过去的数据驱动闭环，本质上仍然是一种高度依赖人工协同的工作流。感知、决策、行动、反馈，每一步都需要专家和团队持续推动。企业不仅要懂业务，也要懂数据，还要能够熟练使用工具、组织跨团队协作。

对于组织能力成熟、团队配置完善的企业来说，这套体系能够发挥很大价值；但对于更多处在数字化转型过程中的企业而言，要持续跑通这样的闭环，仍然有较高门槛。

因此，桑文锋提出了一个更根本的判断：数据驱动的天花板，本质上是组织能力的天花板。

这也是神策使命进一步迭代的起点。

过去，神策强调“帮助客户实现数据驱动”；今天，神策进一步明确为“帮助客户实现数据驱动，用数据驱动业务增长”。

数据驱动是一种方法，业务增长才是目的。只要市场经济存在，增长就是企业永恒的主题。神策要回到这个原点：帮助企业真正用数据驱动业务增长。

在桑文锋看来，很多企业真正缺少的，并不是增长想法。

在大量真实业务场景中，企业内部往往已经沉淀了许多业务判断、运营经验和策略想法，其中不少甚至已经被验证有效。但因为人力、资源、排期、跨团队协同等原因，很多增长动作很难长期、稳定、成体系地运行起来。

企业知道该做什么，却不一定能持续做；知道哪些策略有效，却不一定能复制到更多场景；已经跑通过一些增长项目，却不一定能沉淀成组织能力。

这正是神策希望解决的问题。

神策要做的，不是替代企业对业务的判断，而是把客户的业务经验、神策的数据能力和 AI Agent 的执行能力结合起来，让那些“已知但尚未持续落地”的增长工作流真正跑起来。

这也是桑文锋思考 AI Agent 的起点。

三年前，ChatGPT 发布之后，他开始思考一个问题：既然汽车可以自动驾驶，业务增长能不能也实现“自动驾驶”？

开车时，人只需要设定目的地，系统就可以规划路线，并在一定条件下自动行驶。业务增长是否也可以这样？企业设定增长目标、预算和约束条件，系统自动规划、执行、交付结果并持续优化。

如果把业务增长类比自动驾驶，大致可以分为三个阶段：L2 阶段是 Copilot 辅助，AI 给出建议，人来判断和执行；L3 阶段是 AI 主导部分任务，但仍需要人较多确认和干预；L4 阶段是在限定场景内，AI 能够端到端自主完成增长工作，人只需要设定目标和边界。

而未来的业务增长，有机会逐步走向 L4 阶段：在限定场景内，由 AI 主导完成大量标准化、流程化、可复用的增长工作，人负责目标设定、关键判断、边界控制和例外接管。

这不是一件可以一蹴而就的事情。桑文锋也清楚，今天很多 AI 产品还远远没有做到 L4。但在他看来，这恰恰是未来三年最值得投入的方向。

过去，软件公司的核心交付物是软件。客户购买一套系统，部署一套平台，然后让团队去学习、使用、配置和运营。软件本身提供能力，但真正把能力转化为业务结果，仍然高度依赖客户自己的组织。

但在 AI Agent 时代，软件的交付对象正在发生变化。

第一阶段，是交付软件。也就是把工具交给客户，帮助客户建设数据和运营能力。

第二阶段，是交付工作量。AI Agent 开始替客户完成大量具体、重复、复杂但又高度必要的增长工作，例如分析用户、圈选人群、生成策略、配置流程、追踪效果、复盘优化。

第三阶段，则是交付结果。也就是说，服务商不只是帮助客户使用工具、完成工作，而是进一步对增长结果负责，并按效果衡量价值。

在桑文锋看来，企业和软件服务商的关系，也会因此发生变化：过去企业购买的是一套增长软件，未来企业更像是在“雇佣一支 AI 增长团队”。

企业真正想要的，从来不是软件本身，而是增长。AI Growth Team 就是一支可被雇佣、能上岗、可协作，并逐步对结果负责的增长团队，只不过，它由 Agent 组成。

这也是“AI Growth Team”这个概念的真正含义。

它不是一个更聪明的问答助手，也不是一个新的操作界面，而是一种新的工作方式：让 AI 真正进入企业增长流程，承接具体任务，持续运行工作流，并在业务反馈中不断进化。

当前市场上已经出现了很多 ChatBI、Copilot 和通用 Agent 平台。但桑文锋认为，对于业务增长来说，仅仅回答问题还远远不够。

增长不是一次问答，也不是一个孤立任务。它是一条围绕业务目标持续运行的完整工作流，包含目标设定、问题诊断、用户分析、策略制定、动作执行、效果评估和持续优化。

因此，神策要做的不是一个普通 Copilot，而是围绕增长场景持续工作的场景化 Agent。真正的增长 Agent，必须能够面向真实业务目标，端到端完成分析、策略、执行和复盘。

这背后对应的是 AI Growth Workflow。

过去，神策帮助客户构建的是人工 SDAF：感知、决策、行动、反馈，每一步都依赖专家推动，很难持续，很难复制，对组织能力要求也很高。

今天，基于场景化 Agent，神策希望帮助客户构建由 AI 持续运行的 SDAF。它从业务目标出发，完成分析、策略、执行和复盘，并让整个过程持续运行、可复用、可编排、可沉淀。

过去增长工作流之所以很难做，是因为增长场景里有大量创造性决策。比如应该运营哪类人群，提供什么样的权益，匹配什么商品组合，触达节奏如何设计，效果不好时如何调整。这些问题不是简单的选择题，而是问答题，需要大量人的经验、判断和创造性思考。

AI 的出现，让一部分创造性决策可以由模型完成。也就是说，在增长工作流中，我们可以选择什么时候消耗人脑 token，什么时候消耗模型 token。这正是桑文锋认为 AI Growth Workflow 能够成立的基础。

在他看来，AI 对软件行业的价值，不是简单把 GUI 换成 LUI，不是给原有系统增加一个对话入口，而是通过 AI 创造新的增量价值。

这个增量价值，就是把过去做不起来、做不持续、做不闭环的增长工作流，通过 AI 真正构建起来。

为了让 Agent 真正能够上岗，神策总结了三大核心支柱。

第一，承载完整增长工作流。AI Growth Workflow 必须覆盖从目标、分析、策略、执行到复盘的全过程，而不是只解决其中几个环节。第一阶段，我们要帮助客户把那些已经知道、但没有持续做好的增长工作流先跑起来；再往后，当越来越多增长场景被构建起来之后，Agent 对客户、对业务、对增长的理解会不断加强，进而帮助企业发现更多未知增长机会。

第二，赋予 Agent 真实的执行力。一个 Agent 是否强大，很大程度上取决于它能调用什么工具。神策底层有 CDP 客户数据引擎、CJA 客户旅程分析引擎、CJO 客户旅程优化引擎。这些能力都可以通过 OpenAPI 封装成一系列增长 Skill，供 Agent 调用。这样一来，Agent 就不只是会“说”，而是真正能够“做”。

第三，真正理解客户。过去，神策帮助客户构建的是 CDP，也就是客户数据平台。但在 AI 时代，神策要进一步帮助客户构建 CWM，Customer World Model，客户世界模型。CDP 是给人用的，CWM 是给 Agent 用的。Agent 要做好增长，不只需要基础数据，也需要理解企业的业务知识、运营经验、行业认知、成功案例、失败经验，以及对客户未来行为的预测能力。

Sensors AI 1.0 发布会现场

这件事还只是刚刚开始。未来两到三年，神策会和客户一起不断探索：真正给 Agent 使用的客户世界模型，到底应该长什么样。

在桑文锋看来，AI Agent 时代还有一个重要变化：过去很多专家经验，将不再只以 PPT、方案或阶段性项目的形式交付，而会被沉淀为一个个可运行、可优化的 Agent。

因此，神策内部也定义了一个新的角色：Growth Agent Builder，增长智能体构建师。

过去，神策业务专家更多输出指标体系、运营策略、业务方案，很多时候交付的是 PPT、方案或阶段性陪跑。但在新的 AI 时代，业务专家输出的不再只是方案，而是一个个能够持续运行的 Agent。

Agent 本身也是一种产品。只不过，这种产品不一定通过 Java 或 Python 构建，而是通过自然语言、知识库、Skill、Workflow 和评估体系共同构建。

GAB 的工作，一端是帮助客户理解业务、抽象增长场景；另一端是基于 Agent Platform，把这些场景落地成一个个可运行、可优化的增长 Agent。

这一角色可以由神策专家担任，深入客户场景陪伴客户构建增长 Agent；也可以由客户自己的员工担任，基于平台自建增长工作流，逐渐成为企业自己的 Growth Agent Builder。

这也是神策服务模式的一次转型：过去输出的是工具、方案和陪跑；未来输出的是可持续运行的增长智能体。

要让场景化 Agent 真正可持续运行，仅有平台和角色还不够，还需要把增长经验沉淀为可复用、可评估、可迭代的资产体系。

一个场景化 Agent 的构建，背后需要五大资产库支撑：第一是行业知识库，用来沉淀行业认知、业务经验和增长方法；第二是场景 Mode 库，用来定义不同增长场景要解决什么问题；第三是 Agent Playbook 库，用来沉淀每类场景的执行路径和最佳实践；第四是增长 Skill 库，用来封装分析、人群、标签、触达、评估等可被 Agent 调用的能力；第五是 Eval 基准集，用来评估 Agent 的执行效果和输出质量。

这五类资产共同构成了场景化 Agent 的运作闭环。Agent 不是一次性生成的工具，而是在业务场景中持续运行、持续评估、持续优化的增长智能体。随着评估结果不断反哺知识、场景、方案和能力，企业的增长经验也会逐步沉淀为可复用的智能资产。

Sensors AI 1.0 的发布，是神策 AI Growth Team 战略落地的第一步。

但从更长远的视角看，它并不只是一款新产品，而是神策在 AI Agent 时代对自身定位的一次重新定义。

过去十一年，神策一直在帮助客户实现数据驱动。2015 年，神策帮助客户解决数据源问题，构建数据根基；2020 年，神策帮助客户从洞察走向行动，构建数据闭环；今天，面对 AI Agent 时代，神策希望进一步帮助客户打造 AI Growth Team。

这不是一次简单的产品升级，而是产品战略和交付方式的一次升级。

在桑文锋看来，AI 时代的软件公司，不能只停留在“把工具交给客户”。真正有价值的方向，是进入客户的业务流程，承接真实工作量，持续沉淀行业知识和场景能力，并最终面向业务结果创造价值。

这也是神策从数据驱动走向 AI Growth Team 的深层逻辑。

企业真正需要的不是更多软件，而是能够持续创造结果的新型团队。

未来，神策希望和更多客户一起，打造属于每一家企业自己的 AI Growth Team，让数据真正成为可协作、可执行、可沉淀的增长力量。

如果你也希望进一步了解 Sensors AI 及 AI Growth Team 的更多实践，欢迎参与神策数据 Sensors AI 系列线下活动，扫描文章底部二维码即可报名。

✎✎✎

【更多内容】

Sensors AI 1.0 正式发布

AGI is coming，还需要软件公司吗？

Sensors AI 开放试用

▼ 点击“阅读原文”，了解更多神策数据