


一项技术真正成熟的标志,是它从令人惊叹的新奇事物,悄然转变为日常使用的工具。
从事财经报道二十年,我习惯通过报表审视企业处境。然而,当我亲自坐到线下门店的吧台后,才发现经营一家店铺面临的是另一套更为琐碎且迫切的语言体系。
这里存在一个耐人寻味的反差:近年来,生成式AI用户规模已超7亿,人人皆可与它对话,但真正将其引入核心经营环节的小商家却寥寥无几。
这道横亘在技术与生意之间的门槛究竟卡在哪里?在我投资运营南京新街口OPG电竞公园并亲历其试营业过程后,才逐渐看清答案。
数据孤岛:小商家的经营困境
作为媒体出身的团队,我们缺乏专职运营人员,取数、对账、投放、复盘均需从头摸索。正是在这家店中,豆包工作接入三款官方经营插件,让我首次目睹这道门槛被逐步跨越的过程。

开店初期的首要难题并非缺乏数据,而是数据难以解读和应用。刚开业时,为了理清一天的经营状况,需在抖音来客和生意经之间分别登录、导出并拼接数据,往往一个上午便耗费在这些重复性操作中。仅完成数据收集就已耗尽大半精力,导致无暇深入分析变化原因。
一款周末套餐的经历让这种困境具象化。该套餐上线不久后退款率攀升。通过豆包工作顺着成交、核销、退款和评价链条逐一排查,很快发现问题根源在于预约规则:顾客下单时未看清时间限制,到店无法使用,进而引发差评。
若在以往,定位此类问题需要经验丰富的运营人员反复比对数据、商品和评价。如今,仅需两三分钟和几句指令,系统即可生成复盘报告,将问题与改进方案分列,店长可直接据此执行。

在广告投放侧,感受同样显著。店内巨量引擎计划的点击率、转化成本及核销情况,过去散落在后台不同页面,如今可在一个对话窗口中集中呈现,系统还能提供增加预算或继续观察的建议。
这些看似轻松的问答背后,实质解决了两种稀缺资源的问题:时间和经验。对于缺乏专职运营的新店而言,既缺用于取数、拼表、对账的时间,也缺从数据中识别问题、判断方向的经验。
这种处境并非孤例。抖音生活服务上有超过1519万家门店在运营,绝大多数没有专门的数据岗位,老板往往身兼采购、店长、客服和投放负责人多职。同口径复盘、跨门店对比、基于数据的及时调整,长期是连锁巨头的日常,对于街巷小店则是奢侈,后者更多依赖经验、直觉以及守店形成的敏感度。

他们并非没有数据。手机中的订单、核销、评价和投放记录已将经营过程数字化,真正缺失的是处理这些数据的时间,以及将数据转化为经营动作的能力。
这也解释了开篇提到的反差。中国互联网络信息中心数据显示,生成式AI用户已超7亿,但赛迪智库和网商银行今年6月的调研显示,小商家将AI用于经营决策、数据分析等核心环节的比例仍然不高。
因为会聊天、会写文案,与让AI读懂一门生意,截然不同。

从建议到行动:Agent的核心突破
此次跨越门槛的关键,藏在豆包工作的产品属性中。作为豆包面向生产力场景推出的Agent(智能体),它于今年8月问世。对门店经营者而言,它与通用问答助手的区别可归结为一点:你得到的是一条建议,还是一项已向前推进的工作。
通用大模型长期存在根本局限:游离于企业真实业务系统之外,回答基于公开知识而非自有数据,擅长解释普遍规律,却无法回答“我这家店此刻该怎么办”。
豆包工作旨在解开这一死结。前提在于授权。账户登录并确认权限后,它能读取门店的成交、曝光和投放数据。数据主动权始终掌握在商家手中,分析的也是真实的经营记录,而非凭空推测。

如果说授权解决的是“看得见”,工具调用解决的则是“做得到”。豆包工作此次接入的关键,不在于增加入口,而在于将原本分散的环节连接成一条任务链:生意经和抖音来客连接经营数据,本地推连接投放场景,豆包工作负责理解问题、组织步骤、调用工具并整理结果。
授权后,它能调动数百个工具进行持续盯盘,并在部分场景中直接创建广告、调整投放。AI的角色由此从提供认知和建议,延伸至行动本身。理解、判断与执行被打通,这正是Agent区别于传统聊天机器人的核心。
人的角色也随之转变。不再充当数据和页面之间的搬运工,而是回归问题本身,判断原因是否成立、建议是否值得采纳、资源应投向何处。
更深层次的意义在于,分析结果可同步至飞书文档和多维表格。这不仅带来便捷,更让原本停留在个人经验中的一次性判断,沉淀为团队可共享、跨周期接续的组织资产。小店的经营智慧首次得以积累和复用。

置于商业史维度看,新工具能否立足,从来不是因为功能繁多,而是因为它重组了人们的工作方式。当模型足够丰富时,真正稀缺的是将通用智能接入真实业务、让认知转化为行动的能力。

多方共赢:重构本地生活生态
豆包工作接入抖音本地生活,使几方关系发生变化,这些变化恰好回应了开篇提出的门槛问题。在此过程中,没有单方面受益者。
对商家而言,过去需熟悉复杂后台才能完成的动作,如今在对话中即可交代清楚,降低了工具使用门槛。而生意经、本地推等平台现有工具,也获得了更自然的使用方式,无需层层翻找。
对豆包工作而言,它迫切需要这样一个高频、具体、能用真实经营结果检验的场景。在这里,它不再是陪聊助手,而是开始承担具体工作。

中国信息通信研究院今年的《企业级智能体技术与应用研究报告》印证了这一点:智能体通过标准化接口对接企业核心业务系统,打破数据与流程孤岛。大模型负责认知、Agent负责决策、执行层负责动手,这一共识正在本地生活商家身上率先落地。
当然,豆包工作的成功不仅依赖单一产品,更依托字节整个体系在AI领域的多年投入。自研大模型与算力打底,飞书、火山引擎协同,加上海量用户和商家的持续使用与反馈,模型得以在真实场景中逐步学会“听懂”一门生意。
回顾大模型发展的两年历程,喧嚣过后,它究竟能帮谁、解决什么真问题?对我们这家电竞公园而言,答案不在宏大概念中,而在几个可验证的变化上:重复的取数对账是否减少,经营问题是否更早被发现,投放决策是否更有依据,下一次复盘能否接续上一次。
这或许就是AI带来的普世红利。







