正在加载，请稍候
10 人压到 1.25 人是编制数字，不等于真省钱。本文拆开客服与销售开发两类 Agent 的评测口径，给出可代入的持续支出模型、被增长掩盖的三类风险，以及 90 天验收指标。
9 月中旬一次公开访谈里，「inbound 销售开发已实现约 90% 自动化、团队从 10 人压到 1.25 人」这个口径被反复转发。它出自高管访谈，没有公开的逐项拆解，因此本文不复述结论，而是给一套能代入自身数字的核算方法。
先给一个不讨喜的判断：把 10 个人压到 1.25 个人，是编制表上的变化；能不能算成成本下降，取决于省下的工时是否真的多于新增的复核工时、渠道费用与转化折损。下面把两本账分开来算。
两者都叫智能体，业务目标却相反：面向客服的那一类处理存量问题，评价标准是「多快、多干净地把已有问题闭环」；面向销售开发的那一类处理增量机会，评价标准是「从一堆陌生名字里筛出多少值得占用销售时间的机会」。前者 SLA 导向，后者转化导向。
站内此前两篇从客服侧展开的实践可以对照着看：一篇拆的是自动化率爬到 70% 的工程路径（从工单接入到 70% 自动解决率），另一篇讨论的是小程序端的首响预算与记忆分层（小程序端首响与上下文取舍）。本篇不重复这些内容，只聚焦销售开发侧的线索与账。
| 维度 | 客服智能体（存量服务） | 销售开发智能体（增量线索） |
|---|---|---|
| 目标 | 在 SLA 内解决既有问题 | 把陌生线索推进到下一步 |
| 成功定义 | 问题闭环、用户不再回来 | 换到一次有效沟通或会议 |
| 核心指标 | 首响时间、一次解决率（FCR）、转人工率 | 有效线索率、有效会议数、单条线索成本 |
| 失败代价 | 客户流失、投诉、SLA 违约 | 品牌打扰、渠道处罚、销售时间被浪费 |
| 省下的工时来自 | 工单处理与重复解答 | 资格筛选与首轮触达 |
混用指标的失真很具体：给销售开发侧挂上「一次解决率」，团队就会逼它把话讲完、把问题「解决」掉，而不是尽早判断这条线索值不值得占用销售工时——结果会话完成率漂亮，有效会议数不动。反过来，用「有效会议数」考核客服侧，会诱导客服把每个咨询都往销售流程里带，直接推高投诉。
单一指标不够用，这一点有实证支撑。Intercom 的工程团队发现，传统 CSAT 只能覆盖不到 10% 的会话，回应又集中在「非常满意」与「非常不满」两端，中间沉默的大多数根本不进分数；其自动化率做到约 80% 之后，仍需按「答案质量 / 客户费力程度 / 产品反馈」三个维度重建目标值（度量方法原文）。换句话说，自动化率是过程量，不是结果指标——这正是「10 人压到 1.25 人」最容易被误读的地方。
把预算拆成两类，才能看清「压缩人数」和「压缩开支」不是同一件事。
四项放在一起，净收益的算法是：
净收益 =（缩减的席位成本 + 节省的筛选工时）−（一次性建设摊薄 + 每次会话成本 + 人工复核工时 + 质量折损带来的转化损失）
为什么「压缩人数」≠「压缩开支」？因为从 10 人压到 1.25 人，裁掉的通常是可标准化的筛选与首轮触达工时，留下的 1.25 人恰恰是不可自动化的异常处理、复杂谈判与复核。如果触达量被放大 10 倍，复核工时和渠道费也按同一量级上涨，质量下滑又会抬高每条有效线索的实际获客成本——两头对冲后，编制表上的减法可能只剩很小的净收益，甚至为负。所以验收要盯「单条有效线索成本」，而不是「人均产出」。
触达量放大之后，回复数、会议预约数几乎一定上涨，掩盖了「这些线索到底合不合格」。Salesforce 的分析把传统「填表即合格线索」的公式直接判为失效，主张转向以账户为中心、结合意图数据判断「谁在真的买」（B2B Lead Detection 2026）。落到你的看板上：要盯有效线索率（符合 ICP 且推进到下一阶段的线索占比），而不是回复数或会议数。总量指标一旦单独汇报，质量下滑几乎不可能被发现。
销售开发侧做的是主动触达，比客服侧多一层监管暴露：是否明确告知对方在与 AI 交互、是否给了便捷的退出通道、发送时段与频次是否越界。这里有一个反直觉的实证：用户最看重的两件事，恰恰是「需要时能轻松转人工」和「一开始就被明确告知在跟 AI 对话」（同上报告）。合规不是纯成本，它就是转化率的一部分——主动披露反而提升信任。不同法域对商业电子信息的退订机制、发送时段、身份披露要求不同，出海业务需要按目标市场逐项确认，而不是全球一套策略。
最容易被低估的一类：把未认证的个人号、非官方接口用于规模化触达，触发平台风控、限流甚至封号，导致整条链路停摆。平台正在把企业触达推向「认证 + 模板 + 配额」的规范化路径——Meta 在本月开放让 AI 智能体处理 WhatsApp Business 的配置即是一例（TechCrunch 报道）。走非官方路径的批量打法，短期省了接入工期，账号风险却会集中爆发。务实做法是：主渠道走官方通道拿配额，把账号健康度（发送成功率、投诉率、退订率）纳入和转化率同等重要的监控项。
| 90 天验收指标 | 口径 | 参考门槛 |
|---|---|---|
| 有效线索率 | 符合 ICP 且推进到下一阶段的线索 / 触达线索总量 | 不低于人工基线 |
| 单条线索成本 | （渠道费 + 模型费 + 复核工时）/ 有效线索数 | 低于人工单条成本 |
| 人工介入率 | 需人工复核或接管的会话 / 全部会话 | 可控且随知识补齐持续下降 |
| 投诉率 | 投诉数 / 触达总量 | 不高于人工基线 |
门槛值因行业而异，正确做法是用第 1 步影子模式采集的前 4 周数据定基线，而不是抄一个行业平均值。
共用事实层，别共用策略层。产品、价格、政策口径这类事实应当同源，避免两个智能体对同一条政策给出不同答案；但对话目标、可用话术、可承诺范围必须分开——客服侧不该承诺折扣，销售开发侧不该给出技术支持结论。知识同源、策略分离，是成本最低且最不容易出错的组织方式。
三件事缺一不可：显式披露（一开始就说清是 AI）、一键转人工（不要让人兜圈好几轮才找到入口）、带上下文交接（会话摘要、已收集字段、已尝试动作随单转出）。前述用户调研里，这两项恰好是人们最看重的信任来源。转人工不是失败，是信任设计的一部分。
分三类触发，并且都要写进编排状态机，不能只靠提示词里一句「必要时停止」：合规类——用户表示不希望再被联系，立即永久停止并落库；质量类——连续 N 次未推进或置信度低于阈值，转人工；风险类——渠道配额、退订率、投诉率越线，自动降频或暂停该渠道。停止条件的价值不在于「优雅退出」，而在于把一次失误的成本限制在可控范围。