a16z：從按時收費到按結果分成，一場價值千億美元的接力賽

原文標題：Winning the Relay Race: Long-Running Agents in High-Value Customer Journeys

原文作者：David Haber，a16z 合夥人

原文編譯：深潮 TechFlow

導讀：a16z 這篇分析直指 AI 商業化最關鍵的轉折：從按小時節省成本到按結果分成。如果你是 SaaS 從業者或投資人，這篇文章解釋了為什麼下一批 AI 獨角獸不會再賣"坐席費"，而是直接拿走客戶收入增長的一部分。

傳統上，打電話給網路運營商報修斷網大概是這樣的：一個機器人聲音先把你稱為"尊貴客戶"，然後讓你在電話菜單裡折騰好幾分鐘："按 3 進技術支持，按 2 選寬帶，再按 4 處理其他問題"。接著你被搁置在等待音樂裡，感覺自己被遺忘了，直到終於有個客服接起來，問你要姓名、帳號和問題描述。如果重啟路由器沒解決，你又得繼續等，然後跟另一個客服把整個事情從頭講一遍，最後才能約到上門維修。

AI 已經在改變這類客服場景。你不用再跟機器人聲音和好幾個客服糾纏，一個 AI 代理現在可以立刻接起電話。它能查看你的帳戶，檢查你所在區域是否有其他用戶也受影響，要麼直接解決簡單問題，要麼幫你預約維修人員。再也沒有"當前所有客服代表正忙"，也沒有等待音樂了。直到最近，這基本就是技術的上限。

但現在，新的能力正在讓 AI 代理能夠在更長的時間跨度裡追蹤線索、執行任務。我們相信，這將讓 AI 公司超越單次客戶交互，重新思考如何處理持續數週甚至數月的複雜客戶旅程。AI 將引導保險客戶從第一次來電到最終賠付，引導按揭借款人從預批到過戶，引導企業銷售線索從第一次演示到簽約。這不僅會給客戶帶來更好的結果，也讓 AI 供應商能夠根據收入增長獲得報酬，而不只是靠節省成本來收費。

價值只出現在接力賽的終點

有很多類型的業務，為客戶創造價值需要很多步驟，跨越數週甚至數月。以傳統的原告律所案件準備流程為例。潛在案件通常以電話線索形式進來，接案專員收集關鍵信息後交給律師評估是否接這個客戶。一旦律所簽下案件，調查和取證就開始了：律師助理調取警方報告，設法聯繫證人，向被告發證據保全函以保留證據，同時持續向客戶更新進展。然後律所要等客戶結束治療，再起草醫療時間線，把材料交給律師完成索賠函。

這個過程就是我們過去所說的"接力賽"：一段漫長的旅程，每次交接都存在流失或價值損耗的風險。潛在客戶通常會打給好幾家個人傷害律所，往往跟回覆最快的那家簽約。所以如果客戶只聽到語音信箱，或者資格審核太慢，案件就會從漏斗裡流失。客戶簽約之後，取證涉及多條並行線索，律所未必有耐心在四次電話沒人接之後再去打第五次。另外，人力限制可能讓律所無法詳細審閱每一份證據，尤其是那些看起來常規、標的不大的案件。如果仔細讀醫生記錄本來能發現腦損傷的跡象，從而大幅提高和解金額，但律所可能直接接受了對方的第一次報價。最後，案件可能拖好幾個月，涉及眾多參與者，信息散落在文檔、人物和系統之間。這讓律所幾乎不可能對每個客戶保持全局視圖。結果就是，重要帳單可能沒被寫進索賠函，治療空白期也沒人解釋，最終壓低和解金額。

長程代理的機會

直到最近，AI 代理大多只處理有邊界的任務："發這封跟進郵件""總結那通電話""創建這份文檔"，以及範圍很窄的交互。比如，客服之所以成為 AI 早期落地的優秀場景，是因為問題空間定義清晰，可以實現高可靠性，同時還能根據公司具體政策做定制。交互時間短，結果可驗證，而且如果 AI 代理遇到處理不了的邊緣情況，現成的客服團隊通常還在，可以做升級處理。

現在，長程代理能夠跨越幾十個步驟、多種模態和更長的時間跨度去追求目標，這讓它們能夠從頭到尾跑完接力賽。在原告律所的例子中，從最初的接案電話開始，就可以給一個長程代理分配案件，目標是最大化客戶的獲賠金額。代理會在需要時保存和檢索案件背景信息。它根據事件或截止日期自動喚醒，主動派出子代理去聯繫證人、更新客戶、通過電話、郵件或短信跟律師溝通。然後它整合發現，規劃下一步行動，起草待審閱的文件，推動案件走向盡可能好的結果。跨客戶層面，它持續學習，每個案件產生的數據都能幫它把下一個案件處理得比現在更好。

代理解決了今天接力賽中觀察到的主要價值損耗點。在旅程起點，客戶不再因為案件評估緩慢而流失，因為代理無論幾點、周幾都在線，而且幾乎可以即時完成案件評估。取證不再受人力限制，因為案件代理隨時可以拉起一個額外的子代理去打第五次、第十次甚至第二十次電話。由於代理幾乎可以無限擴展，即使是看起來常規的案件也會被徹底處理，每一份證據都被仔細審閱，從而暴露出可能被忽略的腦損傷線索。最後，代理保留案件的完整記錄，從證人電話錄音到警方報告再到醫療記錄，確保任何信息都不會丟失。

按結果收費

除了堵住這些漏洞之外，擁有完整的客戶旅程還能改變代理供應商的商業模式。當代理能以更高質量和更快速度交付結果時，它可以為客戶帶來收入增長，而不僅僅是成本削減。更重要的是，由於影響是可觀察的、可歸因於代理的，供應商可以通過按工作產品或結果定價來分享自己創造的增量價值。以原告律所為例，單個案件是自然的工作單元，最終結果即和解金額的價值清晰可識別。此外，由於代理在最終工作成果中佔據越來越大的份額，結果也更容易與代理關聯起來。供應商因此可以分享收入的增長，達到此前單純靠成本削減無法企及的合同金額。

誠然，轉向按結果定價並非毫無摩擦。在原告律師行業，大多數州禁止非律師分享法律費用，因此定價需要與和解金額對齊，但又不能直接從中分成。在其他垂直領域，供應商可能會遇到採購團隊的反對，因為他們還沒有按結果簽約的先例。而且即使智能體更接近完全擁有結果，歸因爭議初期仍可能出現。因此，成功部署長期運行的智能體，既是一場商業挑戰，也是一場技術挑戰。

不過，在高價值客戶旅程中按結果收費並不是新想法。

一個 AI 原生版 Red Ventures 的理由

Red Ventures（RV）是一個很好的歷史案例。RV 由 Ric Elias 和 Dan Feldstein 創立，率先為長期消費者合同提供數位化的端到端外包銷售運營。以保險為例，RV 會在客戶搜索這些產品時收集他們的信息（通過擁有 homeinsurance.com 等網站），主動聯繫客戶，帶他們了解承保選項，並最終成交保單。由於完全擁有這一旅程，RV 每成交一單保單就從保險公司獲得一筆報酬。這一模式曾經極其有效：據 S&P Global 數據，RV 在 2022 年以約 $14 億銷售額創造了約 $3.7 億 EBITDA。

如今，這一模式似乎面臨結構性威脅。在漏斗頂部，消費者發現產品的方式正在改變。他們不再依賴 Google 搜索或比價網站來探索和比較產品，而是可以直接向 Meta 的 Muse 或 Instinct 等個人智能體詢問產品推薦，這降低了過去擁有探索類網站的價值。再往下游看，不再是成百上千的人運營線性漏斗，長期運行智能體可以處理遠比過去複雜的旅程。它們能跨產品、跨溝通方式、並行工作，支持任何語言並大規模運行，且擁有無限的堅持力。RV 的 EBITDA 在 2025 年預計降至約 $1.6 億，原因是客戶流失和廣告支出走軟，這已經初步表明該模式的脆弱性，而 AI 還將進一步改變整個行業。

三種市場切入路徑

將長期運行智能體推向市場有不同的方式：

(1) 賣平台：在這種方式下，供應商把長期運行智能體作為軟體出售，支持企業在現有運營中使用。原告律所案例中，智能體與現有團隊及其工作流整合就是一個好例子。賣平台能帶來收入上行空間，因為通常沒有可比的軟體或外包服務合同來錨定價格。但這也拉長了銷售周期，因為需要創建新的預算條目，而且當一個智能體與企業的多個部門交互時，很難清晰地把結果歸因於它。

(2) 賣服務：這裡供應商接手一項已經外包出去的服務，以更有效地交付期望的結果，就像 Red Ventures 為保險公司擁有整個獲客旅程一樣。這種方式縮短了銷售周期，因為買方的 ROI 計算簡單，而且 BPO 的預算條目已經存在。然而，現有的 AI 出現之前的定價模型可能無法反映長期運行智能體真正能交付的價值，而且今天許多高價值旅程由企業內部運營，限制了這種方式的覆蓋面。

(3) 全棧切入：全棧意味著垂直整合，成為一個 AI 原生玩家。例如，與其把長期運行智能體賣給一家債務催收公司，不如自己買入債務組合並自行催收，這樣你可以完全捕獲 AI 帶來的任何上行空間，並解決歸因問題。但這也意味著你要承擔牌照或合規等服務環節，它們在實際客戶旅程之外，會增加干擾和運營複雜性。

現在判斷哪種方式會勝出還為時過早，但我們確信，長期運行智能體將在大規模接力賽中獲勝，並把 AI 可尋址的市場從勞動力預算的一部分擴展到收入的一部分。原告案件準備只是個例子，我們預計智能體將在其他高價值旅程中推動結果，比如抵押貸款發放、保險理賠處理、複雜企業銷售以及無數其他場景。如果你正在捕捉這一機會，我們很樂意聽到你的消息！