夜雨聆风
过去一年，软件 AI 行业有两个看似很技术化的变化：一个是 MCP，一个是 CLI。
MCP 可以粗略理解成 Agent 调用外部系统的标准插座。CLI 则是命令行入口，让 Agent 直接进入开发、运维、数据分析等专业生产现场。表面看，这是开发者工具的变化。往深处看，它其实在改写产品形态。
飞书CLI发布47天破万星，远超钉钉企微
过去的软件，大多默认“人”是唯一用户。人打开页面，浏览信息，点击按钮，提交表单，完成交易。于是产品经理围绕页面、路径、转化率、留存率做设计，放埋点，放勾子，诞生出来了一系列的工作岗：用增，战略，社群，活动，再到商业化，互联网行业将“人”的生意玩的炉火纯青。
现在，一个新的使用主体出现了：Agent。
Agent 会读取信息、调用工具、执行任务、发起支付、提交代码、创建工单、更新 CRM。它不一定看页面，但它需要上下文、权限、接口、动作说明、错误反馈和审计记录。软件正在从给人看，迅速变成给 Agent 调用的能力系统。
这会带来产品形态的 K 型分化：
上半支，是存量市场加上AI Coding大爆炸引发的软件通货膨胀，很多之前大厂做不了的，没考虑到的功能，被一个个独立开发者用ai快速补全，不断更新、维护更快、更简洁更用户导向的产品横空出世。
下半支，是以CLI为代表，被封装成 MCP Server、API、插件、自动化工具的能力节点，不一定拥有漂亮界面，但必须足够稳定、清晰、可调用、可审计。同时ChatGPT、Claude等这类模型入口，它们越来越像新的工作台和流量分发层。
一、Agent 会成为新增的生产单元，也会成为新的“用户”
冷静看，Agent 不是一个更聪明的聊天框。它更像一个新的生产单元。
在企业内部，它可以承担销售线索清洗、合同初审、代码修复、客服回复、报表生成、工单分派。对外部商业系统来说，它又会变成新的用户代理，替真实用户完成搜索、比较、下单、支付、售后等动作。
这意味着产品设计要增加一层“Agent 可用性”。
过去产品团队其实更关注，用户能不能看懂这个页面？按钮是不是明显？路径是不是顺？用户体验是相当重要的权重。
但未来还要问：Agent或不同的Skill如何使用，工作流是不是清晰？能不能安全调用？能不能重复、稳定？调用结果能不能解释？能不能被日志记录和复盘？
这些案例说明一件事：产品的“入口”正在外移。用户未必先进你的 SaaS 页面，Agent 可能先调用你的能力。
商业化也会随之变化。Salesforce推出 Agentforce 和 AgentExchange，本质上是在把“数字劳动力”平台化、市场化。Visa 的Intelligent Commerce 和 Mastercard 的 Agent Pay 则把问题推进到支付网络：如何确认一个 Agent 被用户授权，如何识别可信 Agent，如何让 Agent 完成购买。
所以，下一代产品经理也要补一门课：产品不只要 human-friendly，还要 agent-ready，agent的兴起也会创造新的分发网络。谁还只把产品理解成一组页面，谁就会慢慢从入口变成后台。
二、深度拆解电商行业引入Agent后...
过去互联网产品的指标体系，基本围绕人的行为展开：DAU、MAU、访问时长、点击率、转化率、复购率、留存率。
这些指标不会消失，但会变得不够用。
Agent 时代，其实不像以前搞那么多虚的东西。关键问题变成任务有没有完成，多会考察agent调用次数，成功率，执行成本（token消耗），人工介入率，风险事件拦截，结果满意度，更聚焦对业务结果有没有真实贡献。这就是指标从“使用行为”向“任务结果”迁移。
电商会是 Agent 时代最早被重构的行业之一。
原因很简单：电商天然就是“意图识别、商品比较、价格判断、库存确认、履约承诺、支付交易、售后服务”的连续任务链。过去这些动作由人完成，平台负责提供搜索框、商品页、筛选器、评价区和购物车。Agent 介入以后，用户可能只说一句：“帮我找一双适合通勤、能暴走、预算 800 元以内的黑色男鞋。”
接下来，Agent 会替用户理解需求、筛选商品、比较参数、判断评论可信度、核对库存、计算到货时间，甚至完成下单。
这意味着电商产品的核心战场，会从“人能不能搜到你”，进一步变成“Agent 能不能正确理解你、愿不愿意推荐你、能不能顺利替用户完成交易”。
例如，Shopify 近年围绕 agentic commerce 做了非常明确的布局。它在 Agentic Storefronts 中强调，商家可以进入 ChatGPT、Microsoft Copilot、Google AI Mode、Gemini 等 AI 场景，让商品在 AI 对话中被发现、被购买，并通过 Shopify Checkout 完成交易和归因。Shopify 也在官方文章中反复提到 product data、AI discoverability、structured data、checkout readiness 这些词。
这里的信号很重：电商的“货架”正在从搜索结果页、信息流广告、直播间，延伸到 AI 对话和 Agent 工作流里。
过去商家做增长，主要优化三件事：流量、页面、转化。
SEO 解决自然搜索可见性，SEM 解决付费流量效率，内容种草解决心智种草，落地页和商品页解决转化。增长团队盯的是曝光、点击率、CPC、CVR、ROI、GMV、复购率。Agentic Commerce 之后，商家还要优化另一套东西：机器可理解性和任务可完成性。
过去一个商品详情页写得好不好，主要影响人的阅读和转化。未来一个 SKU 数据结构好不好，会影响 Agent 是否把它纳入候选集，是否能正确比较它，是否敢把它推荐给用户。
Agent 漏斗要看的是：你的商品有没有进入 Agent 候选集，推荐排序是多少，被比较时输给了谁，Agent 放弃推荐的原因是什么，交易失败是因为价格、库存、支付、物流、权限，还是因为商品信息不完整。
这会倒逼增长体系变化。以前增长团队盯渠道、素材、落地页、转化漏斗。未来还要盯 Agent 来源、Agent 调用路径、AI-attributed GMV、任务完成率、工具调用成功率、Agent 推荐份额。
所以：
更成熟的产品指标体系，必须区分四类主体。
第一类是真人用户。他们依然看页面、点按钮、看直播、读评价。传统的转化率、停留时长、复购率仍然有效。
第二类是真人授权的 Agent。它代表用户完成搜索、比较、下单。这类主体要看授权成功率、任务完成率、支付成功率、用户确认率、退货率和投诉率。
第三类是企业内部 Agent。它服务商家自己，比如自动补货、自动调价、自动生成商品文案、自动做客服分流、自动处理售后。这类主体要看运营效率、人工节省、错误率、毛利影响和库存周转。
第四类是外部第三方 Agent。它们可能来自 AI 搜索、导购助手、比价工具、内容平台或超级 App。这类主体既可能带来订单，也可能带来抓取压力、恶意流量、虚假归因和风控风险。
三、传统企业数字化转型和 AI 中台建设的窗口期
对传统企业来说，这一轮机会很现实。
过去很多企业做数字化转型，顶层喊喊战略，做了系统，流程线上化和适度的重构，给领导们做做数据大屏，再就是优化一些多端审批、BI 报表。关键问题是，系统多了，流程还是割裂；数据有了，业务还是要人到处找；中台建了，前台还是嫌慢。事办了，但吃力不讨好，你企业的IT部门和领导还容易被指着骂整天给业务添乱。
那过去的中台死在哪里？
第一，很多企业把中台理解成 IT 平台。建数仓数据湖、建主数据、建接口平台、建流程平台、建低代码、建统一门户...这些动作，传导到业务侧天生没有那么容易理解，其实也没有办法。
第二，中台经常死在组织利益里。建中台往往没有和上层清晰的权责和制度对齐。前台业务线有自己的 KPI、预算、节奏和地盘。中台说“我来统一建设”，业务线听起来就是：你要拿走我的系统决策权、数据控制权、需求优先级，结果就只能是名义上赋能业务，实际上既管不动业务，也扛不起业务结果。
第三，很多中台做不好真正的抽象业务流程和数据统一。中台最难的是抽象业务共性。比如会员、商品、订单、营销、风控、履约、客户、合同，这些看起来是通用概念，但在不同行业、不同事业部里含义经常不一样。过去很多企业的做法是行政式抽象：总部说统一，那就统一。但业务真实差异没有被建模，最后平台能力要么过度通用，什么都能做但什么都不好用；要么被某个强势业务线绑架，其他业务根本用不了。
第四，数据中台经常只有“数据”，没有“决策”。很多企业做数据中台，最后停留在报表、大屏、指标口径、数据湖、标签体系。看起来很先进，但业务还是不知道下一步怎么做。
数据如果不能进入业务动作，就只是更贵的统计系统。
第五，公司根本不认为中台运营重要。
很多中台团队本质是项目制交付团队，不是产品团队，完全就是内部外包，关心上线节奏，啥时候交付，出问题了维护下。没人关心 adoption、复用率、调用量、满意度、业务贡献、迭代节奏、能力沉淀。没有产品运营机制，天天接需求，越接越碎。
但总的来说，过去不管建设质量怎样，在Agent时代过去的中台能力都用得上了，当年被喷的部门，弯下去的腰杆也能挺直了，新力量进公司后能拿来说的成果也多了很多必要性。
以前听起来没用的 IT 基建，现在变成了企业能不能向AI转型的前提。
Agent 时代给了一个重新组织企业能力的机会：重建企业中台。因为 Agent 真正需要的不是一个孤立模型，而是一套可调用的企业能力底座：统一身份、权限体系、数据目录、知识库、流程引擎、工具注册、任务编排、评估体系、审计日志、风控策略。
这才是下一代 AI 中台的重点。
大公司都在行动，Microsoft 对 MCP 的大规模支持，Salesforce 把 Agentforce 定义成数字劳动力平台，Google 推出 Agent2Agent Protocol 并获得大量企业软件和咨询公司参与，说明大厂正在争夺的不是单点 AI 功能，而是企业智能协同的控制层。
咨询公司也在给出类似判断，Gartner 预测，到 2026 年底，40% 的企业应用会集成任务型 AI Agent。但窗口期不等于红利自动兑现，Gartner 同时警告，很多 Agentic AI 项目会因为成本、治理和价值不清晰而被取消。这个判断很冷，但很准。企业如果只是买几个聊天机器人，包装成 AI 员工，大概率会进入新一轮“技术热闹、业务沉默”。
现在需要转型的公司，要往前再走一层，变成 Agent Operating Layer：让企业里的数据、流程、系统、工具和人，都能被安全地编排进任务流，甚至能自由编辑，能随着公司战略，决策人想法，相对自由的决定。
真正有机会成为 AI 原生组织的企业，会做三件事：
第一，把业务流程拆成可委派的任务单元。
第二，把企业系统封装成 Agent 可调用的能力接口。
第三，把评价体系从“有没有上线 AI”改成“AI 是否稳定创造业务结果”。
到这一步，AI 中台才不再是 IT 部门的技术项目，而会变成组织生产方式的底座。
