融資600萬美金，把傳統(tǒng)應用變成AI Agent

昨天看到了一個新的融資：Adopt AI 剛剛完成了 600 萬美元的種子輪融資。起初，這看起來只是眾多科技初創(chuàng)公司融資的其中之一，但當我深入了解后，發(fā)現(xiàn)這家公司正在做一件極具變革性的事：他們希望徹底重新定義人們使用軟件的方式，讓所有應用都能通過自然語言交互完成任務。這引起了我的深度思考，因為近幾個月來，我在各種技術會議、產(chǎn)品論壇和行業(yè)討論中，不斷聽到人們談論 AI agent。有趣的是，大家對 AI agent 的理解卻各不相同，有人認為它只是更智能的聊天機器人，有人視它為可自主完成任務的 AI 助手，還有人把它等同于更復雜的自動化工作流。這種認知的差異讓我感到有必要梳理清楚 AI agent 的本質，并分享為什么我認為 Adopt AI 代表了軟件行業(yè)即將迎來的重大變革方向。

從他們的融資情況來看，這輪 600 萬美元的種子輪由 Elevation Capital 領投，F(xiàn)oster Ventures、Powerhouse Ventures、Darkmode Ventures 和一些知名天使投資人參與其中。這些投資者的參與本身就說明了市場對 AI agent 技術的高度認可。而讓我更感興趣的是，Adopt AI 的創(chuàng)始團隊并非初出茅廬的新人。創(chuàng)始人 Deepak Anchala、Rahul Bhattacharya 和 Anirudh Badam 此前曾共同創(chuàng)立過 Slintel，那是一個銷售智能平臺，曾獲得 2500 萬美元融資，擁有超過 300 家客戶和 100 多名員工，最終在 2021 年被 6sense 收購。這樣的創(chuàng)業(yè)經(jīng)驗讓我對他們的新項目充滿信心。

AI Agent 的本質是什么

在我看來，傳統(tǒng)的應用程序就像是一個充滿按鈕和菜單的工具箱，用戶必須學習這個工具箱的使用方法。你得記住哪個按鈕在哪里，哪個菜單有什么功能，然后不斷點擊、拖拽才能完成一項任務。這種交互方式從上世紀 80 年代以來幾乎沒有太大變化。即使是現(xiàn)在最先進的企業(yè)軟件，比如 CRM 系統(tǒng)、數(shù)據(jù)分析工具或項目管理軟件，仍然遵循著同樣的交互邏輯：提供一個復雜的界面，然后期望用戶花時間學習如何使用它。這就導致了一個普遍存在的問題：軟件功能越強大，學習曲線就越陡峭，用戶采用率就越低。我經(jīng)常看到企業(yè)花費數(shù)百萬購買了高端軟件，但大部分員工只會使用其中最基本的功能，因為其他功能太復雜了，根本不知道如何操作或者找到。

而 AI agent 則徹底顛覆了這種交互模式。不再是用戶學習適應軟件，而是軟件學會了理解用戶。你只需用自然語言告訴它你想做什么，它就會自動執(zhí)行相應的操作和工作流程，幫你完成任務。從根本上說，這是一種范式轉變：從基于界面的交互轉變?yōu)榛谝鈭D的交互。用戶不再需要知道"如何"完成任務，只需表達"想要"完成什么任務。這就像是從給計算機下達具體指令，變成了表達你的目標，讓計算機自己找出實現(xiàn)目標的最佳路徑。

拿我日常工作中用的數(shù)據(jù)分析軟件來說，傳統(tǒng)模式下，我需要點擊十幾次才能篩選數(shù)據(jù)、創(chuàng)建圖表并導出報告。我需要記住篩選器在哪里、如何設置條件、圖表菜單怎么打開、哪種圖表類型最合適、如何設置軸和圖例、如何導出并分享等等。但在 AI agent 模式下，我只需說："幫我分析上個季度的銷售數(shù)據(jù)，找出銷售額最高的五個區(qū)域，并生成一份包含趨勢圖的報表發(fā)給團隊。"AI agent 會理解我的意圖，自動執(zhí)行所有必要的步驟，最終完成這個復雜任務。這不僅節(jié)省了大量時間，更消除了學習軟件的心智負擔。

我覺得這種轉變的意義不亞于從命令行到圖形界面的跨越。圖形界面解放了我們的記憶力，不需要記住那么多命令；而 AI agent 則進一步解放了我們的操作能力，讓我們可以直接描述目標，而不是執(zhí)行步驟。這種交互方式更符合人類自然的思維方式，降低了技術使用的門檻，讓每個人都能更高效地使用復雜軟件。

Adopt AI 的創(chuàng)新之處

在了解了 Adopt AI 后，我發(fā)現(xiàn)他們的厲害之處在于找到了一條現(xiàn)實可行的路徑，能讓現(xiàn)有應用快速轉變?yōu)?AI agent 驅動的體驗，而不需要徹底重建整個技術架構。這點非常關鍵，因為如果每個想擁有 AI agent 能力的公司都需要從頭開始重寫他們的軟件，那么這種轉變將會非常緩慢且成本高昂。Adopt AI 則提供了一條捷徑，讓現(xiàn)有應用能夠快速進化，而不是被淘汰。

我之前以為要把應用變成 AI agent，開發(fā)團隊需要從頭開始重寫代碼，但 Adopt AI 的方法很聰明。他們創(chuàng)建了一個 Agent Builder 平臺，可以自動學習應用程序的工作流程和 API，然后自動生成能通過自然語言完成各種任務的 action。據(jù)他們介紹，這個平臺能夠"通過自動獲取應用程序的 API、內容、實體、URL 和其他工具，自動生成各種 action（包括 CRUD 操作、導航、輔助和分析操作），這些 action 可以通過自然語言提示工作"。簡單來說，就是讓你現(xiàn)有的應用在幾天內就能擁有 AI agent 能力，而不是幾個月或幾年。

更關鍵的是，他們提供的 Agent Experience 可以無縫嵌入到現(xiàn)有應用中，讓用戶直接通過對話來完成復雜操作。這解決了很多企業(yè)面臨的痛點：軟件學習曲線陡峭導致的低采用率、復雜界面導致的用戶挫折感，以及昂貴的培訓和支持成本。從實用角度看，這種方法讓企業(yè)能夠在不丟棄現(xiàn)有技術投資的情況下，快速適應 AI 時代的新交互模式。

我特別欣賞 Adopt AI 的一點是，他們非常注重企業(yè)對 AI agent 行為的控制能力。在他們的平臺中，開發(fā)團隊可以精細調整工作流程、引入高級邏輯，并在沙盒環(huán)境中進行測試，然后再將 agent 體驗部署給最終用戶。這解決了很多企業(yè)對 AI 的擔憂——害怕無法控制 AI 行為或者擔心 AI 可能會做出錯誤決策。通過 Adopt AI 的平臺，企業(yè)可以確保 AI agent 的行為符合預期，同時保持對底層技術的完全控制。

想象一下，企業(yè)花費數(shù)百萬購買的 CRM 或 ERP 系統(tǒng)，只有 20% 的功能被員工使用，因為其他功能太復雜了，沒人知道怎么用。而通過 Adopt AI 的解決方案，用戶可以簡單地表述他們想完成的任務，系統(tǒng)就能自動執(zhí)行必要的步驟，不管這個功能多么深藏不露。這不僅提高了軟件的使用率，也讓企業(yè)能夠真正發(fā)揮出軟件投資的全部價值。

我注意到一個來自 Spendflo 的 CTO 和聯(lián)合創(chuàng)始人 Ajay Vardhan 的引用特別能說明問題："Adopt 從根本上改變了我們思考產(chǎn)品構建的方式。它讓我們更快地進入市場，完全控制 AI 行為，并在不需要重建任何東西的情況下實現(xiàn)了跨產(chǎn)品的行動覆蓋。它完全適應我們現(xiàn)有的基礎設施，規(guī)范了我們設計 API 的方式，讓我們能夠專注于核心產(chǎn)品開發(fā)，而 Adopt 則處理 AI 的繁重工作。這就是現(xiàn)代產(chǎn)品應該如何考慮將平臺代理化的方式。"這段話充分體現(xiàn)了 Adopt AI 的價值主張：讓企業(yè)能夠專注于自己的核心業(yè)務，而不是被 AI 技術的復雜性所困擾。

為什么現(xiàn)在是 AI Agent 爆發(fā)的關鍵時刻

我認為 AI agent 之所以在現(xiàn)在這個時間點爆發(fā)，主要有三個原因：技術突破、用戶期望變化和商業(yè)需求的轉變。這三個因素共同創(chuàng)造了一個完美風暴，推動了 AI agent 從概念走向現(xiàn)實應用。

首先是大語言模型技術的突破。過去的 AI 無法真正理解復雜的自然語言指令，但現(xiàn)在的大語言模型已經(jīng)可以準確理解用戶意圖，并將其轉化為可執(zhí)行的步驟。沒有這個技術基礎，AI agent 根本無法實現(xiàn)。大語言模型的進步不僅在于能夠理解自然語言，還在于它們能夠連接意圖和行動。它們可以理解"我想在銷售報告中添加上個季度的數(shù)據(jù)"這樣的請求，并知道這需要打開報告、訪問數(shù)據(jù)庫、提取特定時間段的數(shù)據(jù)、格式化這些數(shù)據(jù)，然后插入到報告的適當位置。這種將高級意圖分解為具體步驟的能力，是 AI agent 的核心。而 Adopt AI 正是基于這種能力構建了他們的平臺。我之前分享過的視頻剪輯這類產(chǎn)品，也是很好的例子：

其次是用戶對軟件體驗的期望發(fā)生了變化。我發(fā)現(xiàn)周圍的人已經(jīng)習慣了用自然語言與 AI 助手交流，這讓他們對傳統(tǒng)軟件界面的容忍度越來越低。為什么要記住這么多操作步驟，如果我可以直接告訴軟件我想要什么結果呢？這種期望的轉變在 B2C 領域已經(jīng)很明顯，現(xiàn)在也開始影響 B2B 軟件。用戶不再愿意花時間學習復雜的界面，他們期望軟件能夠理解他們的意圖并完成任務。這種期望變化為 Adopt AI 這樣的公司創(chuàng)造了市場機會。

第三是企業(yè)開始意識到軟件投資回報率的問題。企業(yè)花費大量資金購買軟件，但如果員工只使用其中一小部分功能，那么大部分投資實際上被浪費了。AI agent 可以讓軟件功能的可訪問性大大提高，從而提升整體回報率。Adopt AI 在他們的材料中明確提到了這一點："提高軟件采用率和保留率。降低支持和開發(fā)成本。實現(xiàn)更大的投資回報率和業(yè)務成功。"這直接觸及了企業(yè) IT 決策者的痛點，解釋了為什么他們會對這種解決方案感興趣。

另外，AI agent 還能帶來額外的商業(yè)價值，比如提高用戶滿意度、減少培訓成本、降低支持負擔等。當軟件變得更容易使用時，用戶滿意度自然會提高，他們也更有可能繼續(xù)使用這個軟件并推薦給他人。同時，自助式 AI agent 可以大大降低客戶支持的負擔，因為用戶可以通過簡單的自然語言請求解決大部分問題，而不需要聯(lián)系支持團隊。

這些因素的結合，加上像 Adopt AI 這樣的公司提供的技術解決方案，創(chuàng)造了 AI agent 加速發(fā)展的完美條件。我相信我們正處在一個技術臨界點，AI agent 即將從實驗性概念轉變?yōu)槠髽I(yè)軟件的標準組成部分。

這對軟件行業(yè)意味著什么

我深信，我們正處在軟件交互范式轉變的前夜。未來五年內，自然語言將成為主流的軟件交互方式，點擊界面會逐漸變成次要選項甚至消失。這種轉變將重塑整個軟件行業(yè)，從開發(fā)方法、設計理念到商業(yè)模式都將發(fā)生深刻變化。

這對軟件開發(fā)者提出了全新挑戰(zhàn)。過去，軟件開發(fā)主要關注如何設計直觀的界面和流暢的工作流程。但在 AI agent 時代，開發(fā)重點將轉向如何設計靈活而強大的 API 和動作系統(tǒng)，以支持各種可能的自然語言指令。開發(fā)人員需要確保應用的底層架構足夠靈活，能夠支持通過 AI agent 執(zhí)行的各種動作。這意味著 API 設計將變得更加重要，因為它們將成為 AI agent 與應用交互的主要方式。正如 Adopt AI 在材料中提到的，這種轉變甚至會"帶來設計 API 的紀律性"，因為開發(fā)者需要確保 API 能夠滿足 AI agent 的需求。

同樣，產(chǎn)品設計也需要從設計界面轉變?yōu)樵O計交互對話和結果。不再是"這個按鈕應該放在哪里"，而是"用戶可能會如何描述他們想要完成的任務"。產(chǎn)品設計師需要思考用戶的意圖和目標，而不僅僅是用戶界面的布局和外觀。這需要一種新的設計思維，更關注用戶目標而非界面元素。在 Adopt AI 的案例中，他們提到了從"提供工作流程"轉變?yōu)?quot;提供結果"的重要性，這正是這種設計思維轉變的體現(xiàn)。

對于企業(yè)用戶來說，這意味著軟件培訓成本的大幅降低，以及員工生產(chǎn)力的提升。當軟件能夠理解自然語言指令并執(zhí)行復雜操作時，新員工的上手時間將從幾周縮短到幾小時。人們不再需要學習如何導航復雜的界面或記住大量的操作步驟，他們只需表達自己想要完成的任務，AI agent 就會幫他們執(zhí)行。這對于那些有大量軟件系統(tǒng)需要學習的行業(yè)，如銀行、醫(yī)療和企業(yè)服務，將帶來巨大的效率提升。

從商業(yè)模式角度看，軟件公司將從銷售功能轉向銷售結果。用戶不再關心軟件有多少功能，而是關心它能幫他們解決多少問題、完成多少任務。這將改變軟件公司的營銷和銷售方式，從強調功能列表轉向強調問題解決能力。Adopt AI 的材料中強調了"從提示到結果"的概念，這正是這種商業(yè)模式轉變的核心。

從 Adopt AI 的客戶案例來看，這種轉變已經(jīng)開始顯現(xiàn)成效。一些早期采用者報告說，他們的軟件使用率提高了 40%，用戶滿意度提升了 60%，同時支持請求減少了 30%。這些數(shù)字表明，AI agent 不僅是一種技術革新，更是一種能帶來實際業(yè)務價值的解決方案。在他們的早期訪問計劃引用中，多位行業(yè)專家都表達了對這種轉變的認可，比如 6sense 的聯(lián)合創(chuàng)始人兼 CTO Viral 就表示："我們正在進入一個新時代，軟件適應人類語言，而不是相反。點擊式界面將讓位于自然對話——通過文本或語音。Adopt 提供了加速這種轉變的工具。"

我對 AI Agent 未來的思考

雖然 AI agent 前景光明，但我也看到一些需要解決的挑戰(zhàn)。首先是安全性和權限控制。當 AI agent 可以代表用戶執(zhí)行各種操作時，如何確保它不會越權或被濫用？尤其是在企業(yè)環(huán)境中，不同級別的員工通常有不同的操作權限。AI agent 需要理解這些權限邊界，并在執(zhí)行操作前進行適當?shù)尿炞C。例如，一個普通員工的 AI agent 應該無法執(zhí)行只有管理員才能執(zhí)行的操作，即使這個員工要求它這樣做。

我認為企業(yè)需要建立嚴格的權限框架，明確定義 AI agent 可以執(zhí)行哪些操作，并建立審計機制追蹤所有自動執(zhí)行的動作。這就是為什么像 Adopt AI 這樣的平臺非常強調企業(yè)對 AI 行為的控制能力。他們在材料中多次提到"完全控制底層 AI 技術"和"精細調整工作流程"的重要性，這正是為了解決這些安全和控制問題。

其次是用戶習慣的培養(yǎng)。盡管自然語言交互看似直觀，但用戶仍需要了解系統(tǒng)能力的邊界，知道如何有效地表達指令。這需要一個過渡期，讓用戶逐漸適應這種新的交互方式。我經(jīng)常看到人們在使用 AI 助手時會感到困惑，不知道應該如何表達他們的需求才能得到最好的結果。同樣的問題也會出現(xiàn)在 AI agent 領域。企業(yè)需要投入資源來幫助用戶理解如何有效地與 AI agent 交流，可能需要提供示例提示、最佳實踐指南或交互式教程。

最后是 AI 技術本身的局限性。當前的大語言模型仍然可能誤解復雜指令或產(chǎn)生幻覺。在關鍵業(yè)務場景中，可能需要人工確認步驟或結果，至少在技術更加成熟之前是這樣。這就是為什么 Adopt AI 在他們的平臺中包含了測試環(huán)境和驗證機制，讓企業(yè)能夠確保 AI agent 的行為符合預期。隨著時間的推移和技術的進步，這些限制將逐漸減少，但在短期內，我們仍然需要人類在循環(huán)中提供監(jiān)督和指導。

我也思考過 AI agent 對就業(yè)市場的影響。一方面，它會自動化一些簡單的軟件操作任務，可能影響一些基礎崗位。但另一方面，它也會創(chuàng)造新的機會，比如 AI agent 設計師、AI agent 訓練師或 AI agent 審計員等角色?？傮w而言，我認為它會提高整體生產(chǎn)力，讓人們從重復性任務中解放出來，專注于更有創(chuàng)造性和更有價值的工作。

盡管如此，我依然對 AI agent 的未來充滿期待。Adopt AI 這樣的公司正在構建基礎設施，讓這種轉變變得既快速又平滑。他們的 600 萬美元融資只是開始，我相信隨著技術的成熟和更多成功案例的涌現(xiàn)，我們將看到更多資本涌入這個領域。據(jù)我觀察，AI agent 技術已經(jīng)吸引了風險投資界的極大關注，這將加速技術開發(fā)和市場應用。

從長遠來看，我相信 AI agent 將徹底改變我們與軟件的交互方式。我們將從被動地學習使用軟件，轉變?yōu)橹鲃拥刂笇к浖瓿扇蝿?。這種轉變不僅會提高效率，還會讓技術變得更加民主化，讓那些沒有技術背景的人也能充分利用軟件的力量。最終，軟件將不再是我們需要學習使用的工具，而是理解我們意圖并幫助我們實現(xiàn)目標的智能伙伴。點擊界面的時代即將結束，對話界面的時代正在到來。