index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
文章探讨了传统客户管理模式的失效及其原因，指出90%的客户被忽视，40%的增长机会流失。Trig公司凭借其AI Agent平台，通过实时发现流失风险、扩展机会，并自动化个性化互动，显著提升客户管理效率，将Owner入门时间从32天降至2天，流失率下降52%。该平台已获得20VC领投的600万美元融资，有望引领客户管理新范式。
🎯 **客户管理痛点与增长机遇**：文章指出，传统客户管理模式已失效，导致大量客户（90%）被忽视，企业错失了本应来自现有客户的40%增长机会。这种低效源于人力有限、数据分散以及难以实时响应客户信号，迫使企业将有限资源集中于大客户，而忽略了大部分客户的潜在流失和扩展机会。
🤖 **Trig的AI Agent解决方案**：Trig推出的专为客户管理设计的AI Agent平台，通过整合CRM和产品使用数据，能够实时监测客户行为，预测流失风险和识别扩展机会。平台自动化执行个性化互动计划，如激励性入门培训，有效缩短客户价值实现时间，并提高客户参与度。
📈 **显著的客户绩效提升**：通过Trig平台，Owner公司将客户入门培训时间从32天缩短至2天，入门资产收集率提高3倍，流失率下降52%。Nory公司通过Trig活动将餐厅客户的采用率提高了266%，大大缩短了价值实现时间，证明了AI Agent在驱动客户成功和营收增长方面的强大能力。
🚀 **AI Agent重塑客户管理范式**：Trig的成功源于实时洞察、自动化执行和精确归因。它将客户管理从被动“救火”转变为主动的、可预测的增长引擎，并催生了“客户绩效负责人”这一新职位，强调以数据驱动营收增长，预示着B2B SaaS行业客户管理模式的深刻变革。
原创 Leo 2025-10-14 10:57 浙江
企业90%的客户正在被忽视，而40%的增长本应来自他们。Trig获20VC领投600万美元，用AI Agent重新定义客户管理：实时发现流失风险和扩展机会，自动执行个性化互动，让Owner入门时间从32天降至2天，流失率下降52%。传统客户
你有没有想过，为什么企业花费数百万获得的客户，最终却有大半在悄无声息中流失？为什么销售团队拼命开发新客户，却对现有客户的流失视而不见？这不是因为企业不重视客户，而是因为传统的客户管理模式已经彻底失效了。想象一下这个场景：你的公司有一千个客户，但你的客户成功团队只有十个人。他们每天忙得焦头烂额，却只能照顾到那些合同金额最大的客户。剩下 90% 的客户呢？要么收到千篇一律的群发邮件，要么根本没人搭理。直到有一天，他们选择了你的竞争对手。
这就是当下 B2B 企业面临的残酷现实。数据显示，现在企业 40% 的增长来自现有客户，而不是新客户。但讽刺的是，大多数企业在客户管理上的投入却远远不够。他们能看到客户续约了、流失了或者扩展了，但不知道为什么。等他们反应过来时，客户已经走了，机会已经没了。这个问题困扰了整个 SaaS 行业多年，直到一家名为 Trig 的公司站了出来，用 AI agent 给出了一个全新的解决方案。他们刚刚获得了 600 万美元的种子轮融资，由知名投资机构 20VC 领投，Marc Benioff、Frontline Ventures 等行业领袖跟投。更让我感兴趣的是，这家公司正在定义一个全新的品类：专为客户管理打造的 AI agent 平台。 客户管理到底出了什么问题
我认为，要理解 Trig 正在解决的问题，需要先搞清楚传统客户管理模式为什么失效了。这不是简单的效率问题，而是整个商业逻辑发生了根本性变化。在过去，企业增长主要靠开发新客户。销售团队拿着提成冲锋陷阵，签下一个又一个新合同。至于这些客户用得好不好、会不会续约，那是客户成功团队的事。这种模式在市场快速扩张时期还能运转，但现在情况完全不同了。
现在的企业增长严重依赖现有客户。数据很清楚：40% 的营收增长来自现有客户的续约和扩展。这意味着，如果你不能让现有客户满意并持续从他们身上获得更多收入，你的增长引擎就会停摆。但问题来了：客户管理这件事，真的太难做好了。客户每天都在发送各种信号，有些准备扩展业务，有些面临流失风险。但发现这些信号、分析这些信号、采取行动，整个流程太慢了，涉及太多团队，依赖的客户数据和产品数据又散落在各个系统里。
即使团队有数据、有人手，他们也只能关注前 10% 的大客户，而且很多时候只有在出现问题时才会介入。剩下 90% 的客户呢？他们要么收到千篇一律的群发邮件，要么什么都收不到。这不是因为企业不想照顾这些客户，而是根本做不到。一个客户成功经理通常要管理几十甚至上百个账户，他们怎么可能给每个客户提供个性化的服务？他们只能把有限的精力集中在那些合同金额最大的客户身上，这是理性的选择，但也意味着大量潜在的流失和扩展机会被白白浪费了。
对于营收负责人来说，他们面临的困境更大。他们能看到结果：哪些客户续约了、流失了、扩展了。但他们不知道原因。为什么这个客户流失了？为什么那个客户没有扩展？弄清楚这些问题往往需要几个季度的时间，等他们搞明白了，客户已经走了，机会已经没了。如果他们决定增加客户覆盖率，唯一的办法就是招人，但这既昂贵又慢，短期内根本看不到效果。这就是 20VC 的合伙人 Kieran Hill 所说的："客户管理是 B2B 增长中最被忽视的驱动力之一。企业错失扩展机会、面临流失风险，仅仅是因为他们无法足够快地发现信号并采取行动。"
Trig 如何用 AI Agent 重新定义客户管理
在深入了解 Trig 之后，我发现他们的核心洞察非常深刻：客户管理不应该是被动救火，而应该是主动的、可预测的增长引擎。这听起来很美好，但怎么做到呢？Trig 的答案是：用 AI agent 来完成那些人类根本做不过来的事情。他们开发了第一个专为客户管理打造的 AI agent 平台，能够实时发现流失风险和扩展机会，为每个客户设计定制化的管理计划，然后通过团队和客户已经在使用的工具执行这些计划，最后把每个行动直接归因到营收影响上。
让我用一个具体案例来说明 Trig 是怎么工作的。Owner 是一家为独立餐厅提供数字化解决方案的公司，他们在 2025 年已经服务了超过一万家餐厅。但他们的首席营收官 Kyle Norton 发现了一个大问题：餐厅老板太忙了，根本没时间完成产品的入门培训。拍摄菜单照片、更新网站内容这些任务对他们来说太繁琐了，结果就是入门培训一拖再拖。而 Kyle 知道，入门培训每拖一天,流失风险就增加一分。他的八人团队每天花四个小时打电话、发邮件催促客户完成这些任务，但随着客户数量快速增长，团队根本应付不过来。
Kyle 有个想法：如果给客户一些激励，比如折扣，他们可能就不需要这么多人工催促了。但问题是，要确定哪些客户需要什么样的激励来完成哪些里程碑，这需要数据科学资源，而 Owner 根本没有多余的人力来做这件事。更麻烦的是，他们的 CRM 系统和产品使用数据分散在不同工具里，要把所有可能的入门培训路径都梳理出来，几乎是不可能完成的任务。这时候 Kyle 想到了 Trig。他之前在 Shopify 工作时就认识 Trig 的联合创始人 Mark Ryan，他知道自己必须试试这个平台。
Trig 的 AI agent 给 Owner 带来的改变是立竿见影的。仅仅两周时间，Kyle 就看到了"巨大的成果"。在与 Owner 的 CRM 和产品分析平台完成一键集成后，Kyle 与 Trig 团队合作，针对一组精选客户推出了激励性的入门培训活动。结果让他大吃一惊：这些客户完成入门培训里程碑的速度比没有激励的对照组高出 70%。这个早期胜利给了 Kyle 团队极大的信心，他们决定在 Owner 的整个客户群中推广使用 Trig。
现在，Trig 的 AI agent 会持续监控所有新客户的入门培训进度。它们会显示每个客户还剩多少里程碑要完成，以及需要什么样的消息和激励来帮助他们完成，完全不需要数据科学团队的支持。基于这些数据，Trig 的 AI agent 会建议并编排全自动的邮件活动，引导每个客户提交所有必需的资料，包括菜单照片和网站更新。虽然这些活动针对多个账户，但每一个都根据客户及其入门培训阶段进行了定制。例如，当一个客户完成了三个主要成果中的两个时，系统会自动触发一封邮件，提供一次性的月度折扣来激励他们完成第三个。
Kyle 说："让 Trig 替我们做所有这些提醒工作，真是减轻了巨大的头疼。如果能让客户更快获得价值，我们非常乐意给他们一点小小的财务奖励。"更棒的是，通过 Trig 用户友好的仪表板，他可以轻松追踪和验证他们在客户成功上的每一次投入。这些报告提供了透明的实时视图，显示客户在这个旅程中的进展速度，包括邮件打开率、回复率，以及完成的成果。这样，他的团队就有了决定下一步行动所需的所有信息。
对于那些成功完成入门培训的客户，这意味着奖励他们激励措施，并最终将他们转移到扩展活动中以推动追加销售。对于那些继续拖延的客户，这意味着温和但持续地重新定位，直到他们上线。到目前为止，Trig 的投资回报率预测非常准确。不仅采用率飙升，而且现在客户正在积极地将 Owner 定制为他们的品牌和工作流程，他们的增长潜力分数也出现了明显的上升。在 Kyle 的经验中，当客户的增长潜力分数强劲时，留存率和生命周期价值总是会随之而来。
最终的结果令人震撼：Owner 的入门前流失率下降了 52%，入门资产收集时间线缩短了 80%，启动时完整资产收集率提高了 3 倍，入门培训的平均时间从 32 天缩短到了 2 天，降幅达到 94%。这不是边际改进，而是颠覆性的变化。Kyle 说得很直白："Trig 改变了我们的入门培训速度，显著缩短了我们的价值实现时间，并实质性地推动了 ARR 增长。很多软件工具都很有用,但很少有工具能像 Trig 那样影响我们的底线。这是一个令人难以置信的产品。"
Trig 的独特优势在哪里
看完 Owner 的案例，我开始思考：Trig 到底做对了什么，让它能够取得如此显著的效果？我认为关键在于三个方面：实时洞察、自动化执行和精确归因。这三个能力结合在一起，创造了一种全新的客户管理范式。
实时洞察方面，Trig 的 AI agent 会持续监控客户的行为数据和产品使用数据，发现那些隐藏的流失风险和扩展机会信号。这不是每周或每月的报告，而是实时的、持续的监控。当一个客户的使用模式发生变化时，AI agent 会立即察觉。当一个客户完成了某个关键里程碑时，AI agent 会马上识别出这是一个扩展销售的好时机。这种实时性是人类团队根本做不到的，即使是最勤奋的客户成功经理也不可能 24 小时盯着所有客户的数据看。
自动化执行方面，Trig 不仅仅告诉你应该做什么，它还会帮你做。这是与传统客户成功平台的根本区别。传统平台可能会生成一份客户健康报告，告诉你哪些客户有风险，但接下来你还是需要人工去联系这些客户、设计沟通策略、发送邮件或安排会议。而 Trig 的 AI agent 会自动设计和执行个性化的客户互动计划。它会根据每个客户的具体情况，选择合适的沟通渠道、合适的时机、合适的消息内容，然后自动执行这些计划。这意味着你的客户管理能力可以扩展到每一个客户，而不仅仅是那些合同金额最大的客户。
精确归因方面，Trig 会把每一个行动直接归因到营收影响上。这对于营收负责人来说至关重要。他们不再只能看到结果，而是能看到每个行动如何影响了结果。哪个入门培训活动带来了最高的完成率？哪种激励措施对流失风险最高的客户最有效？哪些客户互动导致了扩展销售？Trig 都能给出明确的答案，并用具体的营收数字来衡量每个行动的投资回报率。这种透明度让客户管理从一门艺术变成了一门科学。
另一个让我印象深刻的案例来自 Nory，这是一家为餐厅提供 AI 驱动的管理平台的公司。他们的客户成功负责人 Stephen Mannion 也面临着类似的挑战：餐厅经营者和管理者时间紧迫，面临着提高运营效率的巨大压力。Nory 知道，不完整的入门培训流程会让餐厅面临流失风险。他们的目标是改善入门培训流程，缩短客户的价值实现时间，同时突出 Nory 需要介入并提供额外支持的领域。
Nory 使用 Trig 的行为分析来识别客户在产品入门培训过程中停滞的关键领域。他们想找出流程中哪些地方可以部署激励措施，推动餐厅老板优先考虑入门培训流程。他们对成功的定义是：为餐厅老板提供更快、更有效的入门培训节奏。然后他们想把这作为一个互动循环，让 Nory 的团队能够向餐厅合作伙伴提供更定制化、更有针对性的产品。
Trig 的 AI agent 通过三种方式为 Nory 提供了激励和推动快速入门培训的工具。他们能够识别每个新餐厅运营商需要采取的步骤，以完全融入产品。他们锁定并与餐厅的关键联系人沟通，提供激励措施来完成每个步骤。使用 Trig 的激励产品，他们为完成步骤的运营商提供亚马逊礼品卡作为奖励。结果同样令人惊叹：在第一次活动中，餐厅的采用率提高了 266%。66% 的客户在十天内完成了入门培训。83% 的活动中的所有新餐厅都完成了所有入门培训步骤。活动消息在目标客户中的打开率达到 100%，证明了 Trig 在向 Nory 客户群传递关键信息方面的有效性。
为什么现在是 AI Agent 重塑客户管理的关键时刻
我认为，Trig 之所以能在这个时间点获得成功，不是偶然的。整个商业环境正在经历深刻的变化，这些变化共同创造了一个完美的时机，让 AI agent 驱动的客户管理成为可能。
经济环境的变化是一个重要因素。在过去几年的低利率环境中，企业可以通过不断融资来支持快速增长，获客成本再高也无所谓。但现在情况完全不同了。投资者更关注利润率和效率，企业必须证明每一块钱的投入都能产生回报。这意味着，从现有客户身上获得更多收入变得比开发新客户更重要。数据也证明了这一点：获取一个新客户的成本是留住一个老客户的五倍。在这种背景下，投资于客户管理不再是可选项，而是生存必需。
技术的进步是另一个关键因素。大语言模型的突破让 AI 能够真正理解复杂的客户行为模式，并做出智能决策。过去的客户成功平台只能提供静态的健康评分，告诉你某个客户是红色、黄色还是绿色。但这些评分往往是滞后的，等你看到红色信号时，客户可能已经决定要走了。而基于大语言模型的 AI agent 可以分析海量的客户数据、产品使用数据、沟通记录，发现那些细微但关键的信号，预测客户的下一步行动，并主动采取措施。
客户期望的变化也不容忽视。现在的客户，无论是 B2B 还是 B2C，都习惯了个性化的体验。他们不想收到千篇一律的群发邮件，不想等几天才能得到问题的答案，不想被迫走一个死板的流程。他们期望软件能够理解他们的需求，主动提供帮助，在他们需要的时候出现。这种期望对传统的客户管理模式提出了巨大挑战，因为人类团队根本无法为每个客户提供这种级别的个性化服务。但 AI agent 可以，它们可以同时为成千上万的客户提供个性化的体验。
还有一个经常被忽视的因素：自助服务工具的兴起。AI 笔记工具、聊天机器人、知识库搜索等自助服务工具的普及，减少了客户与客户成功团队的互动频率。过去，客户成功经理会定期与客户会面，了解他们的需求和问题。但现在，客户更倾向于自己解决问题，只有在真正遇到困难时才会联系支持团队。这意味着，客户成功团队失去了通过定期互动来了解客户状况的机会。而这正是 Trig 这样的平台发挥作用的地方：通过分析客户的行为数据，AI agent 可以在没有直接互动的情况下，准确了解客户的状况和需求。
20VC 的创始人 Harry Stebbings 对 Trig 的评价非常到位："从我还是个小男孩的时候起，我就被教导说人生中最糟糕的事情就是后悔。把数十亿美元留在桌子上是企业可能拥有的最大遗憾之一。Trig 以一种没有其他人能做到的方式解决了这个问题。这是一家将塑造收入未来的划时代公司。"这段话精准地指出了问题的核心：大多数企业都坐在一座金矿上,却不知道如何开采。他们的现有客户中隐藏着巨大的增长潜力，但传统的客户管理方式无法发现和实现这些潜力。
客户绩效：超越客户成功的新范式
在研究 Trig 的过程中，我发现了一个特别有意思的细节：他们创造了一个全新的职位，叫做"客户绩效负责人"（Head of Customer Performance）。这不是简单的改名游戏，而是反映了客户管理理念的根本转变。他们聘请的第一位客户绩效负责人是 Lee Beddows，他在 Datadog、Airtable 和 Synthesia 等顶级 B2B SaaS 公司拥有多年领导客户管理和成功工作的经验。最近，他在 Synthesia 领导客户成功和售后团队，管理着数千个账户中的一亿美元收入。在他的职业生涯中，Lee 通过他富有远见的售后策略，帮助客户成功和销售团队管理了数十亿美元的 ARR 和 NRR。
那么，客户成功和客户绩效到底有什么区别？客户成功长期以来一直专注于建立持久的客户关系，最终目标是让客户足够满意，从而续约合同。而客户绩效则描述了一种前瞻性的、主动的工作，通过鼓励产品使用和扩展来推动营收增长。这不仅仅是管理关系和维持现状，而是使用数据来帮助客户发现从产品中释放价值的新方法，这自然会导致更深入的采用。简单来说，客户绩效比客户成功更注重数字。Lee 在 Trig 所做的一切都是定量和定性的，从深入挖掘客户数据、聚焦新的营收机会，到通过个性化的沟通实现这些机会。无论如何，他始终明确地为 Trig 更大的增长目标服务。
我认为这个角色的创建非常有前瞻性。它反映了整个行业正在发生的转变：从关注客户健康度转向关注客户带来的营收贡献。在过去，客户成功团队的 KPI 可能是客户满意度分数、NPS 分数或者客户互动次数。但在今天的环境中，这些指标已经不够了。投资者和董事会想看到的是：这个团队为营收增长做出了多少贡献？他们防止了多少流失？他们创造了多少扩展收入？这就是为什么客户绩效这个概念如此重要。
Lee 被 Trig 吸引的原因，正是因为它远远超越了传统客户成功平台的范围。传统平台提供的是静态的（而且很快就过时的）健康报告，而 Trig 则实时量化客户的成功程度和满意度。通过统一的销售和产品使用数据视图，Trig 还消除了团队依赖一对一客户管理来了解客户的需要。团队不再需要浪费时间进行防御性的"氛围检查"——这充其量只能揭示谁即将流失——他们可以使用 Trig。它的主动 AI agent 始终待命，扫描隐藏的流失和扩展信号。
更重要的是，Trig 的 agent 会立即跟进他们的洞察，向最终用户发起经过精心编排且可衡量的行动。这使得售后团队能够大规模推动留存并抓住增长机会。Lee 说："我花了十年时间把不同的工具拼凑在一起，试图获得客户绩效的全面视图，但我从来没有真正做到。Trig 获取所有销售和产品使用数据，然后用它来触发高度情境化的 agent 行动，这些行动专门设计用于推动留存和扩展。这太棒了。"
通过这种方式，Trig 还使 Lee 这样的领导者能够承担传统上分散在成功、营收运营和销售团队之间的责任。"当这么多人拥有售后流程时，真的很难根据数据采取行动，"Lee 解释道。"通过将所有这些工作整合到一个业务功能中，Trig 使你能够更加战略性和整体性地运营。"而作为 Trig 的常驻超级用户，Lee 将扩展每个用例并对每个版本进行压力测试，确保客户实现价值，团队达到雄心勃勃的增长目标。他还将为整个 B2B 领域的售后团队铺平一条更高效的未来之路。
对整个行业的启示
在我看来，Trig 的成功不仅仅是一家创业公司的胜利，更代表了整个 B2B SaaS 行业即将迎来的深刻变革。这种变革会影响到产品设计、组织架构、投资决策等多个层面。
从产品设计的角度看，未来的 B2B 软件需要从一开始就考虑客户成功的因素。过去，产品团队主要关注功能的开发和性能的优化，客户成功是产品上线后才考虑的事情。但在 AI agent 时代，产品需要内置客户成功的能力。产品需要能够追踪用户行为、识别关键里程碑、发现流失风险信号。产品数据需要与客户数据无缝集成，为 AI agent 提供全面的洞察。这意味着产品架构需要从底层进行重新思考。
从组织架构的角度看，客户成功团队的定位和职责将发生根本性变化。传统的客户成功团队主要负责关系维护和问题解决，他们的工作很难量化，也很难直接归因到营收上。但随着 AI agent 接管了大部分日常的客户互动工作，人类团队可以把精力集中在更有战略价值的工作上：设计客户成功策略、优化客户旅程、处理复杂的客户问题、推动大客户的扩展销售。这些工作需要人类的判断力、创造力和同理心，是 AI agent 无法替代的。
从投资决策的角度看，投资者会更加关注企业的客户留存和扩展能力。在过去的高增长时代，投资者主要看 ARR 增长率和客户获取数量。但在效率优先的新环境中，投资者会更关注 NRR（净收入留存率）、客户生命周期价值、流失率等指标。一家拥有强大客户管理能力、能够持续从现有客户获得增长的公司，将比那些只会烧钱获客的公司更有投资价值。这也解释了为什么 20VC 会领投 Trig 的种子轮融资，因为他们看到了这个赛道的巨大潜力。
我特别认同 20VC 合伙人 Kieran Hill 的观点："客户管理是 B2B 增长中最被忽视的驱动力之一。企业错失扩展机会、面临流失风险，仅仅是因为他们无法足够快地发现信号并采取行动。我们非常兴奋能够支持 Trig，因为他们正在定义营收团队如何通过 AI 释放这个机会。"这句话准确地描述了当前 B2B 行业面临的核心挑战，也指出了 Trig 正在开辟的新方向。
更深层次地看，我认为 Trig 代表的不仅仅是一个新的产品品类，更是一种新的商业思维方式。在过去，企业把客户管理看作成本中心，是为了减少流失而不得不做的投入。但 Trig 证明了，客户管理可以成为利润中心，是推动增长的主要引擎。当你能够系统性地发现和实现每个客户身上的增长机会时，客户管理就不再是防御性的成本支出，而是进攻性的增长投资。这种思维方式的转变，对整个行业的影响将是深远的。
我对未来的一些思考
看完 Trig 的故事，我开始思考 AI agent 驱动的客户管理会把我们带向何方。我认为这不是终点，而是一个新时代的开端。未来几年，我们会看到客户管理领域发生更多深刻的变化。
客户管理会变得越来越预测性。现在的 Trig 已经可以实时发现流失风险和扩展机会，但未来的 AI agent 会走得更远。它们不仅能告诉你哪个客户有风险，还能准确预测这个风险会在什么时候变成现实，以及采取什么行动可以最有效地化解这个风险。它们不仅能发现扩展机会，还能预测这个机会的规模、时机和最佳的销售策略。这种预测能力将让客户管理从艺术变成科学，从依赖经验变成依赖数据。
客户管理会变得越来越自动化。现在的 Trig 已经可以自动执行很多客户互动任务，比如发送个性化的邮件、提供激励措施、追踪客户进度。但未来的 AI agent 将能够处理更复杂的任务，比如自动诊断客户问题、设计解决方案、协调内部团队、甚至直接与客户进行实时对话。人类团队的角色将从执行者转变为监督者和战略制定者，他们设定目标和边界，AI agent 负责执行。
客户管理会变得越来越个性化。每个客户都是独特的，他们有不同的需求、不同的使用场景、不同的成功标准。传统的客户管理方式往往采用一刀切的策略，因为人类团队没有能力为每个客户定制方案。但 AI agent 可以。它们可以根据每个客户的具体情况，设计完全个性化的管理计划。这种个性化不仅体现在沟通内容上，还体现在沟通时机、沟通渠道、提供的资源、推荐的功能等各个方面。
客户管理会与产品开发更加紧密地结合。现在，产品团队和客户成功团队往往是分离的，产品团队负责开发功能，客户成功团队负责帮助客户使用这些功能。但在 AI agent 时代，这两个团队需要更紧密地协作。客户使用数据不仅能帮助发现流失风险，还能指导产品改进方向。AI agent 发现的客户痛点可以直接转化为产品需求。产品的每个新功能上线时，AI agent 可以自动向最可能受益的客户推广。这种产品和客户管理的融合，将创造更好的客户体验和更快的产品迭代。
我也看到一些潜在的挑战。隐私和数据安全是一个重要问题。AI agent 需要访问大量的客户数据和产品使用数据才能有效工作，但企业必须确保这些数据的安全性和隐私性。客户需要知道他们的数据如何被使用，企业需要建立严格的数据治理机制。过度自动化也是一个风险。虽然 AI agent 可以处理很多任务，但某些情况下人类的介入仍然是必要的。企业需要找到合适的平衡点，知道什么时候让 AI agent 自主工作，什么时候需要人类接管。
AI agent 的决策透明度也值得关注。当 AI agent 做出某个决策时，比如向某个客户发送特定的消息或提供某种激励，人类团队需要理解这个决策背后的逻辑。这不仅是为了监督 AI agent 的工作质量，也是为了从中学习和改进。Trig 在这方面做得不错，他们的平台提供了详细的分析和归因，让用户能够理解每个行动的效果。但随着 AI agent 变得越来越复杂，保持这种透明度将是一个持续的挑战。
技能要求的变化也会给行业带来影响。传统的客户成功经理需要擅长沟通、同理心和关系建设。但在 AI agent 时代，他们还需要数据分析能力、对 AI 工作原理的理解、以及设计和优化自动化流程的能力。这意味着企业需要重新培训现有团队，或者招聘具有新技能组合的人才。Lee Beddows 这样的客户绩效负责人代表了这种新型人才，他们既懂客户关系，又懂数据和技术。
结尾
也欢迎大家留言讨论，分享你的观点！觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。欢迎关注深思圈，一起探索更大的世界。
a16z重磅预测：Vibe coding赢者通吃？错了，垂直专业化才是未来
阅读原文
跳转微信打开
