千问办公更新，第一个懂经营的Agent来了

深水研究

DeepWater Research

文丨陈白

如何让天下没有难做的生意？AI时代，回答这个问题的，依然还是阿里。

最近有媒体发现，千问办公专家套件广场，悄悄新增了两款针对餐饮和零售商家端的套件，覆盖门店巡检、商品管理、评价管理、经营分析等高频场景。

在套件中，商家可以根据自身经营和管理需求，并通过连接器连接外部商家平台，在授权和连接器支持范围内查询、汇总和处理经营数据。

也就是说，从现在开始，餐饮和零售老板们只要输入一句需求，Agent便能自动接管查数据、盯门店和管商品等日常经营工作。

但其实这件事真正有意思的地方，还不是千问办公为老板们上线的套件，而是这同时说明一件事：今天的AI正在以我们肉眼可见的速度，真正进入真实的商业运营当中去。

过去两年，关于AI商业化我们讨论最多的，还是像模型参数、智能体、AI搜索、AI客服等等，还有就是，消费者到底会不会把购物入口从电商平台迁移到AI助手。但这些讨论背后都有一个默认假设：AI首先改变的是“人怎么买东西”。

而千问办公这一次更新的，不是继续帮消费者点奶茶，也不是说让购物更方便，而是开始回答另一半同等重要的问题：AI时代，商家怎样做生意。

这恰恰又回到了阿里最熟悉的地方。从互联网时代开始，阿里真正擅长的从来不只是制造一个流量入口，更多是把一整套复杂的商业活动数字化。

从开店、交易、营销，到物流、支付和客户管理，阿里过去二十多年积累起来的最深层能力，是对“生意如何运转”的理解，以及围绕商家建立起来的一整套数字商业基础设施。到了AI时代，这些能力正在获得新的价值。

于是，二十多年后，阿里又一次站到了同一个命题面前：如何让AI时代，没有难做的生意？

外卖零售所在的本地生活，其实是一个非常适合AI Agent进入的行业，因为它足够复杂，也足够具体。

一个餐饮老板每天真正面对的问题，通常并不宏大。更多是比如今天哪个门店营业额突然下降了，哪个商品差评比较多，出餐是不是变慢了，为什么曝光有了，但订单没有跟上。

这些问题单独看都不复杂，但数量巨大、频率极高，而且数据往往分散在不同后台。

在此前我跟踪报道餐饮消费行业时，能够很明显感受到的一个压力就是，餐饮业的数字化、智能化其实程度并不高。这其实并不是因为说企业不愿意做信息化、智能化，而是需求太零散，然后算上成本又不划算。

举个例子，餐饮门店在每天打烊以后，店长还需要把曝光量、进店转化率、门店翻台率、出餐超时、单均实收等数据重新整理进表格；一旦门店数量增加，总部还要再把各家门店的数据汇总起来。等到缺货、低评分或者履约异常真正出现在汇总表里，问题往往已经发生了一段时间。

但AI出现之后，这些复杂细碎的问题，能够以一个更加便捷且低成本的方式解决。

比如当一家门店转化率下降时，过去店长需要打开不同数据看板，逐层寻找问题。举个例子，如果一家连锁经营商家需要批量调整商品价格，可以直接下达类似“周末双人套餐全部下调2元”的指令，再由系统完成批量处理。

过去的经营软件逻辑，是人理解系统、找到功能、完成操作；Agent时代则可能反过来，人只需要表达目的，由AI理解系统、调用系统并完成任务。

这意味着，一个老板未来可能就未必需要知道某项数据藏在后台第几级菜单里。他只需要问，“昨天表现最差的五家门店是哪几家，为什么？”然后，查询、汇总、分析，甚至把结论推送给相应负责人，都可以被同一个Agent串联起来。

从操盘，到分析，再到输出和传递结论，这是AI真正进入经营的开始。

AI商业化一直是近几年来的热门话题。但如果我们回头看过去两年就会发现，AI在商业领域的第一轮落地，最初也最普遍的场景其实还是客服。

当然，这也是因为客服场景天然就有大量文本数据，同时工作流程也相对标准，于是几乎所有企业都很容易想到，让AI大模型来直接回答用户问题，减少人工客服成本。

客服再往前一步延伸，自然就是消费者端的AI助手。在这一阶段，AI开始帮助消费者理解需求、比较商品、筛选信息，甚至直接完成下单。这也很好理解，帮助消费者进行决策，也是AI商业的很重要的一部分。

但问题是，商业世界真正复杂的地方，其实发生在另一端。消费者完成一次购买可能只需要几分钟，而商家经营一家店，却需要每天处理商品、库存、评价、营销、价格以及新品等大量动态问题。

所以，如果说AI商业1.0的阶段解决的是消费者怎么买，那么2.0阶段需要争夺的，是商家怎样经营。

在媒体报道中可以发现，如今已经有很多知名连锁品牌开始了AI商业化的探索。

比如古茗开始利用千问办公汇总消费者对新品的评价，再从中分析口味偏好、消费场景和情绪反馈，为新品调整提供参考；一家只有两家门店的新锐餐饮品牌“七八分鲜炒牛肉”，则用Agent自动生成经营日报，运营人员根据差评、出餐超时等数据调整备料和人员排班。

这两个案例看起来公司规模完全不同，但指向了同一件事情：AI开始穿透营销和客服这些外围环节，进入真正的经营决策。

这也让最近打得如火如荼的AI办公边界发生了变化。过去我们理解的AI办公，往往是写PPT、做表格、总结会议纪要、生成报告，本质上是在既有工作流程上提高个人效率。

但真正的AI Native工作方式，其实应该回到组织工作本身。工作这件事，从来就不只有文档和表格，真正最广泛的场景，还是在企业经营的系统当中。而当Agent能够连接真实业务系统以后，它服务的就不再只是一个人的效率，而是一家企业的经营效率。其规模效应完全不在一个层级。

这或许才是AI商业2.0真正值得关注的地方：AI的价值正在从帮人完成工作，进一步走向参与一家公司的经营。

而我们如果把AI商业2.0这件事情放回整个AI产业来看，会看到一个更加清晰的趋势，就是AI竞争正在从模型战阶段进入落地战。

过去三年，模型能力几乎决定了一家AI公司的行业位置。参数、推理能力、Benchmark、上下文窗口……每一次技术进步都可能迅速转化成产品差异。

但走到今天，大模型之间的能力差距正在缩小，国产模型和硅谷顶级模型依然存在差距，但双方已经咬得越来越紧。尤其是在大量日常办公、信息处理、搜索和内容生成场景中，用户能够明显感知到的差异已经远没有两年前那么巨大。

而当模型逐渐成为一种基础能力之后，下一轮竞争，自然也就回到了现实世界。真正决定AI商业化规模的，越来越取决于谁拥有场景、数据、系统以及把AI嵌进真实工作流的能力。

一个大模型可以学习互联网上几乎所有公开知识，但它并不知道一家奶茶店昨天为什么营业额下降，也不知道一家连锁餐厅哪家门店库存出了问题。

这些信息并不在开放互联网里，而在企业自己的经营系统中。AI只有进一步连接交易、营销、物流、供应链、支付和组织管理，才有机会从一个“会回答问题的模型”，变成真正能够创造商业价值的生产工具。

这也让千问办公作为一款AI产品的定位，开始变得更加清楚起来。说实话，今天很多AI办公产品变得越来越相似，大家都会写文档、做PPT、生成表格、总结资料，因此产品的标签反而越来越模糊。

客观来说，如果只停留在通用办公效率这一层，很难建立真正长期的差异。对于阿里而言，当千问办公开始进入餐饮等真实商业系统之后，长板就逐渐显现出来。

从此前阿里的一系列动态来看，千问办公此前已经上线1688商家助手、客如云餐饮经营分析助手等等，这一次增加餐饮与零售经营套件，本质上是在继续向真实经营场景延伸。

互联网时代，阿里最擅长的是降低获客和交易的成本；AI时代，千问办公正在尝试的，是进一步帮助企业提升经营效率、降低企业运营的成本。

从这个角度来说，AI革命真正决定胜负的地方，很可能不会发生在模型的排行榜上，而会发生在一家家门店、一张张报表乃至一次次真实交易里。在技术能力无限趋同以后，场景深度会越来越重要。

谁能让AI真正进入生意，谁才更接近AI商业化的终局。