過去，當你因為網路斷線而打給電信商的客服專線時，流程大概是這樣的：語音機器人會先問候你這位「尊貴的客戶」，接著讓你在電話選單裡耗上好幾分鐘（「技術支援請按 3、網路問題請按 2、其他問題請按 4」）。然後你就被轉入等待狀態，感覺自己被遺忘了，直到客服人員終於接起電話，詢問你的姓名、帳號和問題。如果重啟路由器沒能解決問題，你又會被轉入等待，只為了把整件事再跟另一位客服人員說一遍，最後才拿到技術人員的預約時間。
AI 已經在改變這類客服互動了。現在，AI Agent 可以立刻接手，讓你不必再跟語音機器人和好幾位客服人員周旋。它能查看你的帳號、確認同區域的其他客戶是否也受到影響，並直接解決簡單問題或幫你預約技術人員。再也沒有「所有客服人員目前都在忙」，也沒有惱人的等待音樂。直到最近，這都還是技術所能達到的極限。
但如今，新的能力讓 Agent 能夠追蹤多條任務線，並在更長的時間跨度內執行工作。我們相信，這將讓 AI 公司不再侷限於單次客戶互動，而是重新思考如何處理橫跨數週甚至數月的複雜客戶旅程。AI 將引導保險客戶從第一通電話走到理賠撥款，陪伴房貸借款人從預先審核走到結案過戶，並帶領企業潛在客戶從首次產品展示走到簽約。這不僅能為這些客戶創造更好的結果，也讓 AI 供應商能因為帶來的營收成長而獲得報酬，而不只是賺取節省成本的那一份。
價值只在接力賽的終點浮現
有很多產業要為客戶創造價值，必須經過數週甚至數月、跨越許多步驟。以傳統的原告律師案件準備流程為例。潛在案件通常以電話線索的形式進來，由收案專員蒐集關鍵事實，再交給律師評估是否承接這個客戶。一旦事務所接下案件，就會進入調查與蒐證階段：律師助理調閱警方報告、設法聯繫證人、寄發證據保全函給被告以防止證據滅失，同時持續向客戶更新進度。接著，事務所會等客戶完成醫療療程，再整理出就醫時間軸，並將資料交給律師定稿求償函。
這個流程就是我們過去所說的「接力賽」：一段漫長的旅程，每一次交接都有掉棒或價值流失的風險。潛在客戶通常會打好幾家個人傷害律師事務所的電話，而且往往會選擇最快回覆的那一家。因此，如果客戶只聽到語音留言，或者資格審查拖太久，案件就可能從漏斗中流失。客戶簽約後，蒐證工作會同時展開多條平行任務線，而事務所可能沒有足夠的毅力，在前四次都沒人接聽之後，還願意打第五次電話給潛在證人。此外，人力限制也會讓事務所無法仔細檢視每一份證據，尤其是那些看似例行、金額不高的求償案件。事務所可能會接受對方的第一次報價，但如果仔細閱讀醫生的診斷證明，或許就能發現腦部損傷的跡象，進而提高和解金額。最後，案件可能一拖就是幾個月，需要許多人參與，資訊又散落在各種文件、利害關係人和系統之間。這讓事務所幾乎不可能掌握每位客戶的全貌。結果就是，重要的帳單可能沒被寫進求償函，治療空窗期也沒得到解釋，最終拉低了和解金額。
長效型 Agent 的機會
直到最近，AI Agent 大多還在處理有明確邊界的任務（「寄出這封後續追蹤信件」、「總結那通電話」、「建立這份文件」）以及範圍狹窄的互動。舉例來說，客戶支援一直是 AI 很好的早期應用場景，因為問題範圍定義清楚，容易達到高可靠度，同時又能根據各家公司的政策進行客製化。互動時間短、結果可驗證，而且就算 AI Agent 遇到無法處理的邊緣案例，通常也還有現有的客服團隊可以接手升級處理。
現在，長效型 Agent（long-running agents）能夠橫跨數十個步驟、多種媒介和更長的時間跨度來達成目標，讓它們可以從頭到尾跑完整場接力賽。在原告律師的例子中，你可以指派一個長效型 Agent 從最初的收案電話就開始負責某個案件，目標是最大化客戶的賠償金額。Agent 會依需求儲存和提取案件的上下文。它會根據事件或截止日自動喚醒，主動派出子 Agent 去聯繫證人、向客戶更新進度，並透過電話、電子郵件或簡訊與律師溝通。接著，它會彙整調查結果、規劃下一步行動、草擬文件供審閱，並推動案件走向最佳結果。在不同客戶之間，它會持續學習，因為每個案件產生的資料都能幫助 Agent 把下一個案件處理得比現在更好。
Agent 解決了當今接力賽中幾個關鍵的價值流失點。在旅程一開始，客戶不會再因為案件評估太慢而流失，因為 Agent 不分日夜與假日隨時待命，而且幾乎能瞬間完成案件評估。蒐證也不再受限於人力，因為案件 Agent 隨時可以啟動額外的子 Agent，去打第五通、第十通，甚至第二十通電話。由於 Agent 幾乎可以無限擴展，即使是看似例行的案件也能被完整處理，每份證據都會被詳細檢視，找出原本可能被忽略的潛在腦部損傷。最後，Agent 會保留完整的案件紀錄，從證人通話逐字稿到警方報告和病歷，確保沒有任何資訊遺失。
為成果收費
除了堵住這些漏洞，掌握完整的客戶旅程還能改變 Agent 供應商的商業模式。當 Agent 能以更快的速度交付更高品質的成果時，它們為客戶帶來的就不只是降低成本，而是營收成長。更重要的是，當這些成效可被觀察且能歸功於 Agent 時，供應商就能透過按工作產出或成果計價的方式，分享自己所創造的價值。以原告律師為例，單一案件就是一個獨立的工作單位，而最終成果的價值——也就是和解金額——非常明確。此外，當 Agent 承擔了最終工作產出的更大比例時，成果也更容易歸因於它們。如此一來，供應商就能分享營收成長的果實，達到過去只靠「節省成本」永遠觸及不到的合約金額。
當然，轉向成果導向的定價模式並非毫無阻力。在原告律師領域，多數州禁止非律師人士分享律師費，因此定價必須與和解金額掛鉤，卻不能直接從中抽成。在其他垂直產業，供應商可能會遇到採購團隊的反對，因為他們還沒有成果導向合約的先例。而且，即使 Agent 越來越接近完全掌握成果，初期仍難免會出現歸因爭議。因此，成功部署長效型 Agent 既是技術挑戰，也是商業挑戰。
不過，針對高價值的客戶旅程按成果收費，並不算是新概念。
打造 AI 原生的 Red Ventures
Red Ventures（RV）就是一個絕佳的歷史案例。RV 由 Ric Elias 和 Dan Feldstein 創立，開創了針對長期消費者合約的數位端到端外包銷售營運模式。舉例來說，在保單方面，RV 會在消費者搜尋相關產品時蒐集他們的資料（透過經營 homeinsurance.com 等網站），主動聯繫他們、帶他們了解保障方案，最後完成投保。因為掌握了整個旅程，RV 能就每張成交的保单向保險公司收取費用。這套模式過去非常成功：根據 S&P Global 的數據，RV 在 2022 年以約 14 億美元的營收，創造了約 3.7 億美元的 EBITDA。
但現在，這個模式在結構上面臨威脅。在漏斗頂端，消費者發現產品的方式正在改變。他們不再依賴 Google 搜尋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 這類個人 Agent 詢問產品推薦，這降低了經營傳統探索型網站的價值。在漏斗下游，長效型 Agent 可以處理遠比線性漏斗複雜的旅程，取代原本需要數百位人類員工的工作。它們能同時跨產品、跨溝通媒介、以任何語言大規模地運作，並且擁有無限的耐心。受客戶流失和廣告支出放緩影響，RV 的 EBITDA 預計將在 2025 年下滑至約 1.6 億美元，這已初步顯示出該模式的脆弱性，而 AI 未來還會進一步顛覆這個產業。
三種進入市場的策略
要把長效型 Agent 推向市場，有幾種不同的做法。
(1) 銷售平台： 在這種模式下，供應商把長效型 Agent 當作軟體來賣，支援企業既有的營運流程。原告律師的案件 Agent 整合進現有團隊及其工作流程，就是一個好例子。銷售平台有機會帶來更高的營收，因為通常沒有類似的軟體或外包服務合約可以作為價格錨點。但這也會拉長銷售週期，因為必須建立新的預算項目；而且當 Agent 需要與企業內多個部門介接時，也很難清楚地把成果歸因於它。
(2) 銷售服務： 在這裡，供應商接手一項已經外包的服務，以更高效的方式達成預期成果，就像 Red Ventures 替保險公司包辦整個客戶獲取旅程一樣。這種做法能縮短銷售週期，因為買方的 ROI 計算很簡單，而且 BPO（業務流程外包）的預算項目本來就存在。然而，既有、前 AI 時代的定價模式可能無法反映長效型 Agent 真正能帶來的價值，加上目前許多高價值旅程都是由企業內部自行處理，限制了這種做法的適用範圍。
(3) 全端整合（Full-Stack）：全端做法意味著垂直整合，成為一家 AI 原生的業者。舉例來說，與其把長效型 Agent 賣給催收公司，不如自己買下債務組合並親自催收，這樣你就能完全掌握 AI 創造的所有價值，同時解決歸因問題。但這也代表你必須處理授權或合規等實際客戶旅程之外的服務環節，增加干擾和營運複雜度。
現在要判斷哪種做法會勝出還太早，但我們確信，長效型 Agent 將大規模贏得這場接力賽，並把 AI 可觸及的市場從「勞動力預算的一部分」擴大到「營收的一部分」。原告案件準備只是其中一個例子，我們預期會看到 Agent 在房貸申辦、保險理賠處理、複雜的企業銷售等無數高價值旅程中推動成果。如果你也正在努力把握這個機會，我們很期待聽到你的想法！
