在AI创业浪潮中，语核科技创始人翟星吉选择了一条看似「反共识」的路径——专注于ToB销售场景，打造「数字员工」。这一选择背后，是对AI Agent商业化本质的深刻洞察：只有解决企业核心业务流程中的「堵塞点」，创造可量化的价值，才能真正赢得市场认可。
从ToC到ToB：寻找「离钱近」的场景
语核科技的发展历程并非一帆风顺。2023年成立之初，团队曾尝试开发ToC桌面端AI助手，功能类似划词解释、翻译等，在短短几个月内积累了十几万用户，日活过万。然而，商业化之路并不理想。翟星吉坦言：「我们复盘发现，大模型带来的是生产力变革，工具本质是杠杆，杠杆撬动的是使用它的人的生产力价值。」
普通C端用户的时间价值不高，基数小，杠杆效应自然有限。语核团队将目光投向两类高生产力价值的用户：一是合伙制企业中的合伙人，二是企业内的职场精英和中高层。最终，他们选择了ToB市场，因为「企业本身就是为了高效构建生产力而存在的组织。只要能帮企业提高一点点效率，比如把100个线索成交5个变成成交6个，营收增长率就是20%。基数足够大，杠杆效应就足够大。」
选择销售场景并非偶然。翟星吉强调：「我们要做企业最核心业务流里的东西，解决核心问题。以前在传统SaaS公司，销售成本很高，因为卖软件本质上不会对企业的经营带来直接改善，效果无法量化，需要画饼说服对方这个在管理上有价值。」
语核的产品定位不是替代销售本身，而是成为「售前解决方案专家」，为销售提供「武器弹药」。例如，在留学中介机构的应用中，语核的AI帮助分析客户画像，推荐定制化方案和成功案例，显著提高了成单率。数据显示，使用该产品前，客户营收同比下滑；使用后，营收实现了正增长10%。
制造数字员工：技术与应用的平衡
打造真正有价值的数字员工，面临的首要挑战是「选择本身」。翟星吉指出：「Agent最终能带来多大价值，取决于它做的事情本身价值够不够大。我们秉承的观点是帮用户解决最核心业务流程里最核心的堵塞点，他一听到就愿意付钱。」
技术上，数字员工需要真正实现承诺的价值，不能仅停留在概念层面。翟星吉强调：「不能给用户描绘宏大愿景，但技术上只能做到人类初级员工水平，最终业务用不起来。」
关于哪些职业容易被AI取代，翟星吉给出了清晰判断：「容易实现的Agent一定是岗位本身SOP清晰、创造性弱的工作，特别是一些信息重组、加工类工作。比如常规翻译、速记、单据录入等，飞书的会议纪要就很好用。」他避免直接点名具体职业，但指出「SOP清晰、创造力不强」这两个特征能辐射出很多岗位。
在销售场景中，语核选择不直接替代销售，而是专注于售前解决方案专家角色，因为「如果岗位强交互、强关联，特别是建立在线下沟通和信任关系上，那么这个岗位不适合用Agent。」
年轻团队攻克「老登」场景
语核团队的构成颇具特色：1996年出生的CEO翟星吉，加上从GitHub「挖」来的2003年出生的CTO，平均年龄仅24岁。这样一个年轻团队，却选择了传统上被认为需要「老道」经验的ToB销售场景。
翟星吉对此并不担心：「我以前的公司也很年轻。我2023年离职的时候平均年龄是27、28岁，也是很年轻的团队，但做中国ToB行业营收将近20亿，经营模型很健康。」
团队组织采用了「产研+营销」的双轨制：产研端招募非典型路径下的年轻人，如辍学创业者、连续创业者；营销端则聘请有经验的人员，深谙客户和场景需求。翟星吉强调：「我们的人才组织工作做得特别好，有很好的培养体系，能让团队快速成长。」
针对传统SaaS面临的定制化难题，翟星吉提出了两个解决方案：「第一是把价值讲清楚，让用户愿意为价值本身付钱，天花板可能更高，我们还是蛮相信它对标的就是人力资源市场。第二是提高产品在合同中的核心占比，只做和Agent相关的部分，不做七七八八的事情。」
AI重塑组织：从内部实践到未来展望
作为一家AI原生公司，语核科技率先实践了AI驱动的组织重构。翟星吉介绍：「如何经营一家AI Native的公司，我们内部是完全重构了业务流。比如做战略规划时，人做上层规划器，让模型执行所有研究工作，用Deep Research产品快速出分析报告。」
团队内部设立了「Agent数字化运营」岗位，核心价值是帮助团队定义业务流程，找出适合用Agent重构的环节。「比如营销端，新客户进来后，用Agent生成完整背调报告；见过客户后，基于增量信息迭代报告；客户需求进来后，用Agent生成初稿解决方案。每个环节都重构掉，包括HR面试记录、总结等。」
语核团队规模精简，刻意控制人效比，践行「高生产力组织」的理念。「我们做的事就是帮助企业用数字员工提效，自己一定得是最佳实践。」
关于AI Agent的未来，翟星吉认为：「现在Agent还处于单点突破阶段，但点会连成面，最终引发组织形态的变革。就像工业革命把手工作坊变成流水线企业，Agent将催生全新的人机协作组织形态。」
语核的短期目标是继续深耕数字员工，计划推出第二个数字员工，形成员工矩阵。「每个数字员工都要做到90%以上的准确率，具备足够的业务价值和技术壁垒。」长期来看，「最终可能就是一个新时代的人力资源外包公司，企业注册一个账号就能获得大量AI劳动力，快速把公司运转起来。」
创业心得：认知迭代速度是核心竞争力
创业两年多，翟星吉总结出四点心得：「首先要有勇气探索未知，找到自己真正想要的；第二要有快速判断和果断决策的能力，以及坚持这个决策的勇气；第三要有把愿景变成现实的执行力，仰望星空，脚踏实地；第四也是最重要的，要有开放的心态和快速迭代的能力，不断修正自己的选择。」
其中，最关键的是认知迭代能力。「这个时代最大的竞争力就是认知迭代速度，你的斜率要足够陡。首先就是要坚定地选择，去落地、实践，而不是空想；其次是心态足够的开放，能听进去不同的意见，不断跟别人碰撞、交流，要拥抱冲突，有勇气找出正确答案，再修正自己的决策。」
翟星吉特别强调了「滑跪」能力：「我们团队讲究'滑跪'的能力，就是说我上一秒还在和你激烈争论，下一秒发现你是对的，就立刻采纳你的观点。快速修正、快速执行，这才是关键。」
风险与挑战：责任边界与人才发展
关于AI Agent的责任边界问题，翟星吉将其比作自动驾驶：「这个问题本质和自动驾驶一样，我们现在的状态是L2，是人机协作，目标是L4。当前特别严肃的场景，Agent生成内容需要人工审核。我们先替代初级员工，变成初级和高级协作状态。」
当Agent发展到L4阶段，「与人类高级员工水平对等时，会直接跳到L4，这个基础上犯的错当然是我们的Agent承担，毋庸置疑。这个时候最好的商业模式就是，你把发给人的工资发给我就好了，人背KPI，我们的Agent也可以负责。」
针对AI可能导致人才断档的担忧，翟星吉提出了不同视角：「我们做业务专家型Agent，要和人类专家对话梳理，把他们的SOP和思考路径拿出来。这些知识以前在专家脑子里，初级员工成长靠老专家带，速度慢。如果工作做好，可以把老专家的知识体系方法论梳理清楚，初级员工成长更快，不会在初级状态待很多年。」
关于客户内部复刻Agent的风险，翟星吉认为「没办法避免」，但指出「做Agent需要业务专家和能力把业务知识系统化方法论化，以及技术基建工作。企业端可能做不好这两点，这还是蛮有难度的。另外，我们站在更宏观视角，看到N个企业的需求，做更抽象的解决方案，更接近第一性原理。」
结语：AI Agent的商业化本质
语核科技的实践揭示了AI Agent商业化的本质：必须解决企业核心业务中的「堵塞点」，创造可量化的价值。翟星吉的观点直击传统SaaS的痛点：「传统的SaaS往往因为无法直接量化价值而陷入销售困境，AI Agent必须切入企业最核心的业务流，解决那些不仅重要而且'堵塞'的问题。只有解决了这些痛点，客户才会有立即付费的意愿，而不是仅仅将其视为一个可有可无的管理工具。」
AI作为生产力杠杆，其价值取决于使用者的基础价值。「C端普通用户的单位时间价值有限，杠杆效应不明显；而企业主、职场精英以及企业组织本身是为了高效构建生产力而存在的，在这些场景下，AI带来的效率提升（如转化率微小的提升）能被巨大的基数放大，产生显著的商业回报。」
人机协作的演进将经历从L2到L4的过程：「目前的Agent处于L2级别（人机协作），主要替代初级员工的繁琐工作，需要人类专家审核；未来的目标是迈向L4（高度自治），届时Agent将具备与高级员工对等的业务理解与执行能力。在这个阶段，企业实际上是在为'结果'付费，而非为'人头'发工资。」
最终，Agent将重塑组织形态：「正如工业革命将手工作坊变为流水线工厂，Agent的普及最终会引发组织形态的变革。未来的公司可能呈现出极高的人效比，通过'人类规划器+AI执行器'的模式，甚至可能演化为一种新形态的人力资源外包平台，企业仅需少量核心人员即可驱动大规模的AI劳动力。」
在AI时代，创业者的核心竞争力是「认知迭代速度」：「保持开放心态和极高的认知斜率。团队需要具备'滑跪'的能力——即便上一秒在激烈争论，下一秒发现对方正确时也能立刻采纳并执行。勇气在于快速决策，更在于发现错误后快速修正。」
语核科技的探索之路，为AI Agent的商业化提供了宝贵经验：只有真正「离钱近」的解决方案，才能在AI ToB的浪潮中脱颖而出，成为企业不可或缺的数字员工。
