AI Agent 可以在哪些业务中发挥作用？从最初尝试到团队日常使用，需要经历哪些调整，又有哪些经验值得借鉴？
10 月 28 日，由 ThinkingAI 主办的 ThinkingAI Summit 2026 在北京瑞吉酒店举行。大会以“Agentic Growth｜组织跃迁，增长跃升”为主题，邀请来自游戏、泛娱乐及互联网行业的实践者，分享组织建设、产品应用与业务探索的进展。
1. AI Native 组织：从个人提效到组织能力
ThinkingAI创始人兼CEO吕承通以《AI驱动业务增长的新范式》为题，从自己用AI创作游戏的经历谈起：当产品创作变得越来越容易，验证产品是否符合用户需求的速度，也需要跟上。
现场，吕承通正式发布了AI驱动的用户研究平台Heari.ai，为用户理解提供了新的方式。关键行为可以自动触发访谈，研究对象可以根据实际行为圈选；将用户的表达与行为记录对照，团队能够进一步了解行为背后的原因。在设计实验或调整运营策略之前，也可以先通过抽样访谈补充反馈，减少仅凭经验作判断的情况。
用户研究由此更紧密地进入产品和经营过程。数据呈现用户做了什么，访谈帮助解释为什么，后续改进则继续接受用户反馈的检验。
把这种工作方式持续开展下去，还需要组织方法的变化。吕承通所著《AI Native组织：从思考到实践》，围绕知识编码、人机分工与持续进化展开：个人经验怎样整理成AI能够使用的知识，哪些工作交给Agent，哪些判断由人负责，新的经验又怎样影响下一次工作。AI Native组织的建设，也落实在这些日常安排之中。
ThinkingAI创始人兼CEO吕承通《AI驱动业务增长的新范式》
2. Agentic Engine：让企业级 Agent 跟上业务问题
ThinkingAI 联合创始人兼 CTO 周津，以《Agentic Engine：开箱即用的企业级 Agent》为题，集中展示了 Agentic Engine 如何调动企业数据、业务知识与专业工具，支持业务人员开展分析、采取行动，并将有效方法留给团队继续使用。
业务人员可以带着一个具体问题开始工作。AE 连接已有数据，完成结构识别、字段整理和质量校验，再通过分析寻找线索。现有记录不足以解释问题时，AE 能指出缺失的行为信息，协助形成采集方案，并衔接研发工具完成采集实现与数据验收。原来需要反复协调的数据准备工作，可以随着调查一起推进。
分析进入业务决策后，口径与效果同样需要检查。AE 将人群定义、指标规则与适用范围纳入知识库，减少同一问题反复解释、不同成员各算一套的情况。在相关系统已经接入并授权的前提下，确认后的方案可以接入运营触达或 A/B 实验，继续观察效果，为是否推广提供依据。
团队协作则让一次调查的价值延续到后续工作。分析师留下的诊断可以被研发读取并落实为改动，运营与投放沿用共同的业务背景，事项记录目标、进度和交付物。通过 AE-CLI 等开放方式，在 WorkBuddy、Claude Code、Codex 等工具也能调用 AE 的企业数据与专业能力。成员使用熟悉的工作入口，仍能接续同一项业务任务。
ThinkingAI联合创始人兼CTO周津《Agentic Engine：开箱即用的企业级Agent》
3. 企业级 Agent 应用实践：客服、内容、数据与车货匹配
卓动科技：多 Agent 协同的 AI 客服工作流
卓动科技游戏发行技术负责人黄志锋，在《多 Agent 协同的 AI 客服工作流》中，提出了一种能够随着使用持续积累经验的系统设计。
传统客服依赖人工补充知识，已经处理过的问题仍可能反复进线。卓动将高频问题及其处理状态回写问题库，将人工回复中可复用的经验回写知识库，前台 Agent 据此回答和办理后续诉求。客服也可以用自然语言教会系统新的处理步骤，逐步扩展可办理的任务。
ThinkingAI 的用户行为日志查询，是这些步骤中的重要工具。通过开放接口，日志查询可以与订单查询等工具组合成处理技能，帮助 Agent 按业务需要排查问题。良好的接口封装与查询响应，让客服技能的组合更灵活。人工客服积累的经验有了回流的地方，也能将更多精力用于处理新问题和调教系统。
卓动科技游戏发行技术负责人黄志锋 《多Agent协同的AI客服工作流》
星云：AI 短剧的生产组织与全球化经营
在内容行业，制作效率提高之后，竞争继续延伸到生产组织与市场经营。星云 CEO、灵矩科技联合创始人吕少龙，以《全球化视角下，AI 短剧的新变化——从人人做短剧到人人发短剧》为题，分享了团队的调整。
产能扩张后，原有小组制出现了人效下降的问题。团队转向中台分工，将制作流程拆解为 120 个知识点，推进语言、审美和工具标准化。随着内容供给增加，生产端的效率提升，还需要发行和商业化承接。星云平台将内容生产与全球化发行连接起来，为创作者提供商业化服务。
海外经营也要求重新理解用户。国内既有的人群分类难以直接指导海外创作，内容适配需要从实际行为中寻找依据。ThinkingAI 对用户行为的统一采集、沉淀和归类，为不同市场的用户理解与内容判断提供数据基础，支持团队根据反馈调整经营决策。
星云CEO、灵矩科技联合创始人吕少龙《全球化视角下，AI短剧的新变化》
Livo：从生成内容走向仿生世界
快看世界 Livo AI 算法负责人吴庶宸，以《Livo：从“生成内容”走向“仿生世界”》为题，探讨了内容产品的一种新形态：作品发布之后，角色与世界仍能持续发展，用户的参与也会改变后续故事。
在 Livo 的构想中，用户离开后，世界的时间仍在向前；角色保有过去，也会因新的经历而变化。创作者定义人物的立场、世界规则与长期方向，用户则在参与中形成各自不同的经历。共同经历逐渐积累，让 IP 在作品和角色之外，增加了一层属于用户与角色的关系资产。
这种体验能否延续，取决于历史能否在新的情境中发挥作用。Livo 通过仿生心智推理模型选择与当前处境相关的记忆，再由叙事世界模型推演人物、关系与事件的后续发展。角色需要保持可信的性格与边界，也要让过去的经历影响当下的回应和选择。
让已有知识与经历进入后续行动，同样关系到企业 Agent 能否持续完成工作。ThinkingAI 将知识检索、工具调用与任务接续连接起来：Agent 从知识库中查找依据，调用专业工具执行任务，并通过事项和空间记忆保留工作上下文。此前确认的信息和已经完成的工作，能够成为下一次行动的基础。
快看世界 Livo AI算法负责人吴庶宸 《Livo：从“生成内容”走向“仿生世界”》
携程酒店：数据智能 Agent 与数据基建
携程酒店数据总监俞恺结合携程酒店的数据智能 Agent 实践，提出了一个明确方向：AI 将成为数据资产的重要使用者，企业需要重新审视数据的组织与治理方式。
更强的大模型，也需要准确的指标引擎、清楚的业务语义和可维护的知识。自然语言降低了问数门槛，但指标对应什么业务含义、维度如何识别、数据怎样获取，仍要逐项解决。携程的 ChatBI 通过多个 Agent 分工处理这些任务，并以准确率评测、自动化测试、主动澄清和结果可信度分级检查质量。业务人员既能更方便地获取分析，也能判断哪些结果值得采用、哪些还需核验。
携程酒店 数据总监 俞恺 《携程酒店数据智能Agent 与数据基建的落地实践》
货拉拉：从用户意图到车货匹配
车货匹配则把问题推进到实际履约：理解用户的话之后，还要给出符合装载要求的方案。货拉拉 AI 应用促增长负责人吴立薪，以《从用户意图到业务增长：AI Agent 驱动的增长闭环——从智能客服到车货匹配的实践》为题，拆解了这一过程。
从电话客服到车型推荐，系统都需要先理解用户。客服对话要处理口音、噪音和打断时机；车货匹配则需要将“几件家具要运”“两个人跟车”“怕淋雨”等表达，变成货物尺寸、乘员数量和车型条件。货拉拉将任务交给懂货物、懂用户、懂车型的三个 Agent，通过多轮追问补齐信息，再交给专业引擎计算装载方案。模型负责理解和交互，空间、承重与摆放规则由计算引擎校验。
这套分工需要任务编排和工具连接。ThinkingAI 的 Agent Team 与工具连接机制，可以承接不同 Agent 之间的协作，按需调用知识检索、专业计算等工具。关键行为进入分析平台后，团队还可以查看用户在哪一步流失，回看策略调整后的转化表现，继续改进匹配与服务过程。
货拉拉AI应用促增长负责人吴立薪 《从用户意图到业务增长：AI Agent驱动的增长闭环》
4. 企业级 Agent 如何进入团队日常
一项应用做成之后，怎样让更多部门用起来？在甲子光年首席内容官王博的主持下，猩球游戏 AI 总监黄鑫、理想汽车大数据平台负责人钱瀚、WaytoAGI 发起人 AJ，围绕“从产品到组织，企业级 Agent 如何跑进每个业务部门”展开交流。
黄鑫将问题落在统一建设与业务探索的分工上：企业建设共用的数据、工具和能力，业务人员根据场景需要组合使用、创建自己的 Agent。钱瀚强调，Agent 参与业务判断，前提是数据可靠、业务定义清楚；规则变化后，也必须有人负责更新和验收。AJ 则从知识共建的实践谈方法推广：一种方法能否推广，要看其他人能否理解、复现并真正用起来。
主会场之外，产品体验与交流区为参会者提供了进一步了解应用方式的机会。围绕各自的业务问题，参会者与ThinkingAI团队交流适合先尝试的任务，以及团队使用Agent需要做哪些准备。
回到大会开篇的问题，Agent要成为企业的增长能力，需要在实际任务中接受检验。一次工作做成之后，团队还要能够沿用方法、检查结果，并根据新的问题继续改进。
组织跃迁，体现在有效经验能够被团队采用；增长跃升，则需要通过实际业务结果来检验。ThinkingAI期待与更多行业从业者一起，围绕具体问题验证产品和方法，也把实践经验分享给更多团队。
