高 ROI Agent 场景盘点：智能客服的 40 个百分点水分，与商业尽调的真实账本
上一篇 开源 RAG 知识库横评 解决的是「底座用什么」。这篇往上走一层：底座之上，哪些 Agent 场景真的能赚钱。
这篇做四件事：先给一把判断「高 ROI」的尺子（厂商数字有三个系统性偏差）→ 深挖智能客服（含那个被反复引用的「76% 解决率」到底怎么回事）→ 深挖商业尽调（真实账本 + 一条不能碰的合规红线）→ 另外 8 个场景的落地水位表。
文中数字分三级标注：[已核实]（直接读到原始文件/论文/采购公示）、[二手]（权威第三方转述）、[厂商自述]（厂商官网或案例页，无第三方验证）。标 [厂商自述] 的数字请勿当作 ROI 证据使用——这篇的大半篇幅其实是在解释为什么。
一、先给一把尺子：厂商数字有三个系统性偏差
在聊具体场景之前，得先说清楚为什么这个领域的数字不能直接信。
偏差一：只报省下的，不报花了多少。 绝大多数厂商 ROI 案例只报节省工时或提升百分比，从不报自己收多少钱。所以「ROI 300%」这类数字实际上是毛利率，不是投资回报率。看到没写采购成本的 ROI，直接打问号。
偏差二：用户自评提效一律不可采信。 这不是刻薄，是有硬证据的——METR 做了个随机对照实验，让 16 名资深开源维护者在自己维护了 5 年的百万行仓库里改 bug，结果是耗时增加 19%，而开发者事前预测会快 24%、事后仍然自认为快了 20%。近 40 个百分点的感知偏差。同期 Stack Overflow 调查显示 84% 的人在用 AI 编程工具，只有 29% 信任其输出准确性（前一年是 40%）。
偏差三：收益常被下游瓶颈吃掉。 写代码快了 → PR 体积涨 154%、评审时间涨 91%（Faros AI 对 10,000+ 开发者的数据）；内容产出涨 42% → Google AI 摘要把点击率砍掉一半。上游提效不等于端到端提效。
所以这篇的判据是：有没有第三方验证？有没有净收益（减去采购成本）？有没有端到端口径？
二、智能客服：被讲得最多，也最容易算错账
2.1 先说个反直觉的结论
坐席辅助（Copilot）比全自动（Agentic）的 ROI 更确定。
这是这份调研里最扎实的一组对比：
| 维度 | 坐席辅助 / Copilot | 全自动 / Agentic |
|---|---|---|
| 本质 | 帮人把某一步做快 | 把这一步整个删掉 |
| AHT 削减上限 | 约 25% | 端到端接管时 60–75% |
| 实际表现 | 每个坐席年省 $8,000–14,000（Forrester，净掉许可成本） | 测试中 75% 的 agent 上生产后跌到 35–50% |
| ROI | 三年平均 287%，中位回收期 9 个月（Nucleus 2025）；Forrester TEI 一家 294% ROI、9.5 个月 | $1 投入返回 $3.50（[厂商自述]） |
| CSAT 影响 | 混合式把 AI 与人工的 CSAT 差距从 0.20 分收窄到 0.05 分 | 纯 AI 部署 NPS -3 |
最有说服力的一条：TELUS Digital 与 Ryan Strategic Advisory 2026-06 的调查（n=815）显示，在每个职能中「AI 辅助人工」都是被引用最多的方案（技术支持 61%、留存 61%、入职 60%），表现优于纯人工、基础自动化和完全自主的 agentic AI。
为什么？ 因为「帮人做快一步」的上限虽然只有 25%，但它稳定；而「整个删掉」的上限有 60–75%，但它在真实流量下的达成率是抛硬币。McKinsey 的 5,000 坐席案例给的是最务实的数字：每小时解决量 +14%，AHT -9%。
2.2 「76% 自助解决率」是怎么来的
厂商口径：
- Intercom Fin：官网写「76% 平均自主解决率（12,000+ 客户）」，从上线时 23% 增长而来，约每月 +1%；头部 80–84%。
- ⚠️ 但同一公司的另一个页面写「7,000+ 客户、71%」——2026-08 时两个数字同时在线。引用时务必标明来源页；
- Zendesk 高管：最佳客户 70–90%；
- Kore.ai 86%、PolyAI 80%+、Retell AI 85%。
生产口径：
| 部署阶段 | 典型 containment |
|---|---|
| 上线初期（0–3 个月） | 25–40% |
| 稳定后（3–6 个月） | 40–55% |
| 优化后（6–12 个月） | 55–70% |
| 最佳实践（12+ 个月、窄场景） | 70–80% |
- Hamming AI 的 400 万+ 生产语音通话、10,000+ agent 数据：测试中达 75% 的 agent，上生产后跌到 35–50%；
- Richpanel 独立分析：Zendesk 营销说「最高 80%」，但真实自主解决「更常见落在 10–20%」；
- Zendesk 企业客户中位 41.2%，头部四分位 58.7%。
这就是那 40 个百分点的水分。 厂商宣传的「70–80%」是头部四分位的成绩，而中位数是 41.2%。
而且平均数是骗人的——按工单类型拆开：
| 工单类型 | 真实自主解决率 |
|---|---|
| 密码重置 | 72% |
| 订单/退款状态 | 70% |
| 账单问题 | 48% |
| 细致投诉 | 24% |
规律很清楚：结构化、可枚举、有明确 API 的动作可以自动化；需要判断、需要共情、涉及例外处理的一律崩盘。而后者恰恰是人工坐席存在的理由。
2.3 两个必须知道的反转案例
Klarna（2024 → 2025 反转）
- 2024-02：AI 助手首月处理约 230 万次对话，占客服聊天总量 2/3，等效 700 名全职坐席，解决时间 11 分钟 → 2 分钟，预计年增利润约 $4,000 万——全部为 Klarna 自报，未经独立审计；
- 客服人力从约 5,000 降至 3,500；
- 2025-05 CEO 公开承认「走得太远」，过度依赖 AI 导致服务质量下降，开始重新招聘人工，转向混合模式，新增约 100 名高技能人工专家；
- 2025-09 对 Reuters 承认「我们可能过度聚焦于此，过去六个月一直在纠偏」。
Commonwealth Bank of Australia：2025-06 上线语音机器人，裁撤 45 个支持岗位，2025-08-20 全部撤回——原因是呼叫量反而上升。
被广泛引用的教训是「残留问题」：高防御率把简单电话移走了，留下的全是难的，AHT 反而上升。这是客服场景最容易踩的结构性陷阱——你的指标变好了，但业务变差了。
宏观层面的反向证据：
- Gartner：50% 计划大幅裁减客服的企业，到 2027 年正在放弃或回撤；95% 的客服领导者计划尽可能保留人工，目标是「digital first, but not digital only」；另一轮 2025-10 调查（n=321）显示仅 20% 真正减员；Gartner 预测一半因 AI 裁撤客服岗位的企业会在 2027 年前重新招回；
- Forrester：55% 雇主后悔 AI 驱动的裁员；
- 消费者侧：仅 7% 信任 AI 解决问题，51% 信任人工；62% 担心 AI 让找到真人更难。
2.4 中国区：2026 年出现了一条硬约束
《顾客联络服务 人工与智能客户服务协同要求》（GB/T 47746—2026），2026 年 9 月 1 日正式实施。这是推荐性国标、无强制执行力，但可作监管/消协/法院判断行业通行做法的参考。核心条款：
- 入口清晰化：必须设清晰醒目的人工入口，支持关键词触发、菜单选择、按键、语音指令等多种切换方式；
- 任务差异化分配：智能客服优先处理高频标准化问题；人工优先处理复杂问题、个性化需求、涉人身财产安全、用户明确要求转人工；
- 切换数据同步：须完整传递身份信息、历史交互记录、问题描述，不得要求客户重复已提供的信息；
- 自动转人工：AI 交互失败达阈值、感知负面情绪、涉信息安全/人身安全时，系统应自动转接人工；
- AI 答复约束：应保留显著的 AI 生成标识和风险提示；涉及价格、折扣、退款、赔偿、合同变更，AI 可解释规则、收集材料、生成工单，但最终确认应由人工或规范化流程完成。
第 5 条是设计约束，不是建议。 如果你的客服 Agent 要自动批退款，这条国标直接把它划到了「需人工确认」那一侧。
而现实很糟（这部分是消费者侧数据，说服力强）：
- 2026 年上半年全国消协组织受理消费者投诉 98.6 万件，售后服务问题占比最高 26.79%；AI 客服投诉的新热点集中在不实承诺、人工接入困难、生成内容失准；
- 黑猫投诉平台以「AI 客服」检索，相关投诉超过 4,700 条；
- 实测 10 余家平台：某电商需连续发 4 次「转人工」，某外卖需 5 次，某社交平台发 20 多次仍未接入人工。
有分析把根源指向计费模式——按坐席包年、按条计费与 AI 工作量挂钩，而不是按问题解决率或满意度，使系统目标偏向「拦截用户请求」而非「解决问题」。这是激励机制问题，换模型解决不了。
所以中国区落地要加一条验收标准：不只是「AI 解决率多少」，而是「用户要用几次才能找到人」。前者是厂商的 KPI，后者是国标和消协的关切。
2.5 成本账：两个口径都要算
单次交互成本：
| 来源 | 人工 | AI |
|---|---|---|
| AgentMarketCap（2026 Q1） | $3–6 | $0.25–0.50 |
| AltairaLabs | $6–8（含全部负荷） | $0.50–0.70 |
| 纯 LLM API 成本（MongoDB/AWS Bedrock 报告） | — | 3 轮对话约 $0.021–0.023/工单，优化后 $0.013–0.016 |
看上去 AI 便宜 85–90%。但要看计费模式：
Intercom Fin 的按结果计费（目前最透明的模型）：$0.99/次解决；客户在 Fin 最后回复后 24 小时内未回应，仍计费；失败尝试、转人工、客户要求真人、垃圾信息均不计费。规模警告：月 10,000 次 AI 解决 ≈ $9,900——在企业规模下比按席位计价更贵。
（另：Salesforce 已于 2026-06 签约以约 36 亿美元收购 Fin（原 Intercom），预计 2027 年初交割——这条会影响你的供应商锁定评估。）
中国区的人力基线（用来对比）：
- 一线城市自建坐席企业实际支出（含五险一金、管理）：8,000–12,000 元/月；单坐席年综合成本 8 万–15 万元；
- 客服行业年流失率长期 30–50%（2026 上半年电商客服月度流失率 11.7%、夜班 19.2%）——培训与流失重置是隐性大头。
最值得记住的一条保守口径：27 家电商外包服务商后台数据显示，AI 知识库承接的基础咨询整体工单占比 38.4%，剩余六成以上仍需人工；合理调配 AI 可压缩 15–22% 基础人力成本；而过度依赖 AI 可能使纠纷赔付成本反向上涨约 27%。
最后一条最反直觉的成本事实：智能客服常常是多 Agent 协作（意图判断 → 知识检索 → 工单 → 转人工），一次对话可能走 2–4 个 Agent。账单上只有一笔 LLM Token 费，但实际调用次数是 2–4 倍。做预算时按 3 倍算。
2.6 开源方案与许可（挑重点）
| 项目 | Star | 协议 | 客服适配性 |
|---|---|---|---|
| Chatwoot | 36,948 | MIT（enterprise/ 目录为专有许可） | 最接近客服台；Captain AI 内置但要付费计划 |
| LangBot | 17,905 | Apache-2.0 | 多平台 IM 机器人，覆盖企微/飞书/钉钉/QQ 等 |
| AstrBot | 40,673 | AGPL-3.0 | 跨 IM 平台 Agent 框架，1000+ 社区插件 |
| Tiledesk | ~314 | MIT | 在线客服 + 机器人，社区极小 |
| Typebot | ~10.2k | FSL-1.1-Apache-2.0（非 OSI） | 聊天式表单，需配 Chatwoot 转人工 |
| Rasa | 21,326 | Apache-2.0（OSS）；Pro 闭源 | ⚠️ README 顶部写明已进入 Maintenance Mode |
| Botpress | 14,920 | 当前仓库 MIT | ⚠️ 自托管版 v12 已 legacy，主线转 Cloud SaaS |
| n8n | — | Sustainable Use License（非开源） | 仅限内部自用，禁止白标转售与托管收费 |
一个必须说清楚的结论：没有一个开箱即用的开源「客服 Agent」能对标 Intercom Fin。 AnythingLLM、LibreChat、Open WebUI 都不是客服 Agent（无工单、无坐席转接、无访客入口）。现实是两条路线：
- 路线 A（海外客服栈）：不改动现有帮助台、叠加 AI 层——IrisAgent（Zendesk/Salesforce/Intercom/Freshworks 通吃，起步 $500/年）、My AskAI（约 $0.10/工单）等；
- 路线 B（国产办公平台栈）：企微/飞书/钉钉 + LangBot/AstrBot + Dify/FastGPT 知识库。
[重要缺口] 两条路线之间的桥接（让飞书/企微里的 AI 直接读写 Zendesk/Intercom 工单）没有现成方案，需自行通过 API 打通。
个人微信自动化要单独说：《腾讯微信软件许可及服务协议》8.2.1.4 / 8.2.1.6 明确禁止「使用插件、外挂或非经腾讯授权的第三方工具接入」及「进行自动化操作」，2.3.1 把许可限定为「非商业目的在单一台终端设备上」。个人微信机器人属协议明文禁止，账号有封禁风险；转售更是叠加两重违规。 企业微信、飞书、钉钉有官方机器人/智能机器人 API 路径（企微智能机器人 API 支持 MCP 方式调用），走那条。
2.7 技术难点（挑两个最要命的）
知识库更新滞后 —— 这是最容易出事故的地方：某电商大促期间知识库更新延迟 4 小时，导致已下架商品仍被推荐；某母婴企业因新旧政策版本无优先级，出现「退换货时效」说法前后矛盾。
治理要求：知识原子化、设置版本优先级、加入**「政策生效日期」字段**、每周复盘转人工对话识别盲区。
情绪识别 —— 宣传和实际差得很远：
| 任务 | 真实准确率 | 能否上生产 |
|---|---|---|
| 客户情感轨迹 | 80–89% | 可以 |
| 坐席语气分类 | 72–81% | 边缘 |
| 客户挫败/升级风险 | 精确率 73–84%、召回 68–78% | 边缘 |
| 离散情绪标签（喜怒哀乐 6 类） | 55–65% | 否，基本是营销 |
| 讽刺/复杂情感 | 约 55% | 否 |
唯一有明确落地价值的是「升级检测」：AI-IVR 研究显示加入情感引擎后，升级准确率从 78.9% 提升到 92.4%，误自动化尝试从 11.7% 降到 4.1%。
⚠️ 但要警惕：91.7% macro-F1 这类亮眼数字多基于 IEMOCAP 表演式语料，作者自己承认「可能无法泛化到自发客服对话」。
三、商业尽调：这里的数据比客服扎实得多
3.1 场景拆解与数据源
| 子场景 | 数据源 | 自动化成熟度 |
|---|---|---|
| 企业工商信息核查 | 国家企业信用信息公示系统、天眼查/企查查/启信宝 API | 高 |
| 股权穿透 / 实控人识别 | 同上（多层股权、集团成员、对外投资） | 高 |
| 司法涉诉 / 被执行 / 失信 | 裁判文书网、执行信息公开网 | 中（源端在收缩，见 3.5） |
| 舆情与负面新闻 | 全网爬取 + 情感分析 + 分级预警 | 中高 |
| 招投标 | 各地公共资源交易平台 | 中 |
| 供应链 / 第三方风险 | 工商 + 制裁名单 + 舆情 + 问卷 | 中 |
| 竞品调研 | 公开网络 + 内部数据 | 中 |
| 财报分析 | SEC EDGAR（美）、巨潮/Wind（中） | 低（准确率是硬约束，见 3.4） |
3.2 工具：天眼查官方 MCP 是最直接匹配的一个
天眼查官方 MCP Skills（tyc-tech/mcp-skills）：49 个 Skill，基于 162 个 MCP Tool，四层工具分层 + 渐进披露。
- 股权穿透：
tyc-equity-graph（股权图谱、股权树、最短路径、控股穿透）、tyc-equity-structure（多层穿透 + 可视化）、tyc-related-party（关联方穿透、实控人识别）； - 司法涉诉：
tyc-litigation-analysis、tyc-legal-research； - 尽调自动化：
tyc-dd-checklist（标准化尽调清单自动填充）、tyc-legal-dd（法律尽调 10 大板块底稿）； - 舆情/经营：
tyc-health-scan、tyc-industry-analysis、tyc-merger-screening。
API 价格（来源为技术博客，未在官方开放平台核实，以官方报价为准）：天眼查免费额度每日 500 次，付费区间约 0.15–2 元/次；启信宝 0.015 元/次起、股权穿透 12 层但更新 T+2。
Deep Research 类开源项目（含公开单份成本）：
| 项目 | 许可 | 单份成本 | 状态 |
|---|---|---|---|
| langchain-ai/open_deep_research | MIT | $0.20–$1.00/任务 | MCP 原生、模型无关 |
| assafelovic/gpt-researcher | Apache-2.0 | Deep Research 模式约 $0.40；标准模式约 $0.005 | 生产可用 |
| stanford-oval/storm | MIT | 无公开美元成本 | ⚠️ 已约 10 个月无更新 |
| 对比：OpenAI DeepResearch | 闭源 | $5.02/报告 | — |
一个有据可查的问题，端到端成本大致在 $0.20–$2.00 之间（含搜索 API 的 $0.03–$2.00）。
3.3 ROI：真实账本
海外：
| 主体 | 数字 | 可信度 |
|---|---|---|
| DiligenceSquared（YC F25） | 传统 MBB 咨询单项目 $50 万–$100 万、200 页报告、2–4 周；其定价约 $5 万/项目，约 10 倍成本削减；一位 PE 董事总经理评价「80% 的洞察，5% 的成本」 | [二手] TechCrunch/YC |
| Auquan（Azure OpenAI） | 投资备忘录准备 40 小时 → 20 分钟；信贷审查时间 -97%；累计为客户节省 50,000+ 小时 | [厂商自述] |
| EDD/合规尽调 | 人工 $10–80/案、30–240 分钟；AI $2–5/案、5–30 分钟 | [二手] |
关键保留：DiligenceSquared 仍保留人工在环——机器处理量，人处理判断，且报告每条主张都链回原始访谈记录。这不只是合规姿态，是准确率的必要条件。
中国（2026 年集中落地）：
| 主体 | 数字 | 可信度 |
|---|---|---|
| 江苏联合征信（江苏省数据集团） | 人工尽调一份完整企业报告 1–2 天 → AI 分钟级；客户经理案头文书工作量压缩 70% 以上；输出红黄蓝三级风险标识 | [二手-政府媒体] 新华日报 2026-08 |
| 中小银行实践 | 尽调报告撰写 2 天 → 15 分钟；RAG 架构；先选 1–2 个支行、从小微贷款切入，通常 3 个月见效 | [二手] |
| 中信建投 × Kimi | 1 主 Agent + 13 专职子 Agent；覆盖 50 余家发行人、60 余份报告；系统接入原计划 2 个月，实际 3 个工作日；单份报告 30 分钟 → 10 分钟（人工投入 -67%） | [厂商/媒体] |
| 宇信科技 | 单客户人工 4–6 小时、端到端一周、80% 人力花在报告撰写/录入；中东某银行 尽调周期 4 周 → 1 小时，财务数据录入准确率 99% | [厂商自述] |
| Kimi 金融行业方案 | 投行财务建模 5–7 人天 → 0.5–1 人天；行业深度研究 10–20 天 → 约 2 天；已落地工行、中信建投、中金、易方达等 | [厂商/媒体] 2026-09-17 |
中国券商人工基线（用于对比）：中信证券内部量化传统人工完成一份对公企业完整尽调报告平均 5.3 个工作日（[二手]，非官方披露）；熟练分析师从一份财报提取 15 项核心指标并校验平均 1.5–2 小时——30 家被投企业 × 近三年数据，仅数据录入就需 130–180 工时，而尽调窗口通常只有 30 天、团队 3–5 人。广发证券课题提到，每个投行项目需在 50 到 70 多个公信力网站逐一手工查询并截图保存。
这才是尽调 Agent 的真实价值锚点：不是「替代分析师判断」，而是把那 130–180 工时的数据录入和 50–70 个网站的交叉核查压掉。
3.4 准确率是硬约束：这组数字必须知道
多个 benchmark 拼出一张清晰的能力分层图：
| 层次 | 成绩 |
|---|---|
| 干净财报的字段级抽取 | 85–92%（GPT-4 级） |
| 复杂表格格式 | 显著退化 |
| 开放式真实金融研究任务（Finance Agent Benchmark，537 道专家出题） | 最高仅 46.8%（OpenAI o3），平均成本 $3.79/次查询 |
| 企业级真实 schema（Spider 2.0，1000+ 列） | APEX-SQL 53.03%；o1-preview 21.3%；GPT-4o 10.1% |
| 生产级 BIRD 场景 | 有厂商称 SOTA 仅 16.33% |
注意最后一行的对比：同一个 o1-preview 在学术版 Spider 1.0 上是 91.2%，到企业级 Spider 2.0 掉到 21.3%。学术基准饱和不等于生产可用。
幻觉率（Stanford RegLab，发表于 Journal of Empirical Legal Studies 2025）：
- 预注册数据集 202 个开放式法律查询；
- Lexis+ AI 与 Ask Practical Law AI 幻觉率超过 17%；Westlaw AI-Assisted Research 超过 34%；GPT-4 对照组 43%；
- 正确率：Lexis+ AI 65%、GPT-4 49%、Westlaw 42%。
论文区分两类幻觉：incorrect（法律描述错误）与 misgrounded（法条陈述正确但引用的来源并不支持该主张）。作者认为后者更隐蔽。结论是：法律 RAG 相比通用 AI 降低了幻觉，但幻觉仍「substantial, wide-ranging, and potentially insidious」，律师可能必须验证每一个主张和引用，这削弱了所宣称的效率收益。
中国区的真实教训 —— 方正证券研报「乌龙」事件（2026-06-09）：研报将 2024 年 6 月 7 日国务院常务会议的房地产政策表述，标注为「2026 年 6 月 7 日最新会议部署」。业内认为「内容完整复用、时间系统性错位」高度符合 AI 幻觉特征，极可能是 AI 抓取网络信息时采信被篡改内容且未人工交叉核验。行业评论强调「人机双审、人工终责应成为不可突破的底线」。
行业共识：人类监督仍是必需的。 没有任何来源认为可以取消人工。
3.5 合规红线：这一节决定项目能不能做
法律依据：
- 《反不正当竞争法》2025 修订，第 13 条第 3 款（2025-10-15 施行）：禁止「以欺诈、胁迫、避开或者破坏技术管理措施等不正当方式，获取、使用其他经营者合法持有的数据」。学者认为这是规制 AI agent 访问第三方平台最直接的法律依据；
- 最高法指导案例 262 号（2025-08-28，第 47 批数据权益专题）：未经许可获取并向公众提供数据、实质性替代网络平台产品或服务、扰乱竞争秩序的，可构成不正当竞争；
- 国家数据局「四不」原则：不非法侵入他人网络、不干扰网络服务正常运行、不破坏有效技术措施、不损害个人和组织合法权益；
- 中国信通院《设备-云协同代理交互双授权安全指南》（2025-12-01）：AI agent 访问第三方应用须遵守其验证规则，不得通过模拟用户行为或伪造交互事件规避验证措施。
刑事风险有真实判例：上海静安区法院 2025 年 6 月判决，Y 公司及负责人因爬取 1,800 余万条数据，单位罚金 5 万元、个人有期徒刑三年（缓刑）。上海普陀区法院的表述值得记住：「允许访问的公开数据不代表允许爬虫抓取」。
国家企业信用信息公示系统的商用边界：
- 系统未提供批量下载接口；对匿名访客设单日查询上限，达标后强制实名认证；用户协议明确禁止批量抓取；
- 王利明教授观点（被广泛引用）：普通民众单次手动查阅属合理使用，企业大规模自动化批量抓取已超出合理使用边界；公共数据市场化运营最稳定的合规路径是取得行政主管部门的官方商用授权；
- 监管实践：企查查提交主板 IPO 后，证监会多轮问询重点核查爬虫采集合法性、政务数据商用授权手续。
⚠️ 结构性风险：司法数据源正在收缩。
- 裁判文书网公开量：2019 年近 2,000 万份 → 2024/2025 年降至约 750 万份；
- 约 2 万篇文书中审判员、法官助理、书记员姓名以「XXX」隐名，时间集中在 2024–2025 年；
- 有评论指出涉及企业的一律隐去字号或法定代表人信息；
- 而企查查、天眼查、启信宝的司法数据全部自动抓取自裁判文书网、执行信息公开网——上游在收缩，下游的数据完整度会跟着退。
（注：上述收缩数据部分转引自境外媒体与自媒体，未提供官方原始统计口径，引用时请以最高法官方规定为准。）
结论：尽调 Agent 的合规路径是「用有商用授权的 API，不用爬虫」。天眼查/企查查/启信宝的官方 API、以及它们官方的 MCP 工具，是唯一省心的选择。自己做爬虫去抓工商和司法数据，是在拿公司的刑事风险换几个 API 调用费。
四、另外 8 个场景的落地水位
按「已大规模落地」和「仍在 PPT 阶段」分开列，判据是有没有独立证据或真金白银的市场验证。
| 场景 | 水位 | 关键数字 | 反面证据 |
|---|---|---|---|
| 财务票据与对账 | ✅ 落地最扎实 | 行业标准成本基准：单张发票 $9.40（最佳 $2.78）、周期 9.2 天（最佳 3.1 天）；某案例 19,239 条单据、50+ 字段准确率 99.2%、处理成本 -65% | Agentic 银行对账 2025-11 才起步；某案例 98% 自动化率依赖 4,000+ 条人工规则，是规则工程的胜利不是 LLM 的胜利 |
| 数据分析 / BI 问答 | ✅ 成熟品类 | Spider 1.0 已 89.75%；语义层是最大杠杆——同一模型加语义模型后 57% → 78%；生产实测（600 表 ERP）从 72% 调优到 91%，人工干预 31% → 9% | 企业专用基准 BIRD-Ent 仅 39.1%；9 个 ROI 案例里只有 1 个勉强算中小企业 |
| 舆情监控 | ✅ 海外 SaaS 成熟 / 中国政务刚需 | 日本某企业监控 148 小时/月 → 34 小时/月、全年削减 8.5 人月；Brand24 定价公开：$199–$1,499/月 | TrendRadar 虽 46.5k star 但只是「热点聚合 + 简报」，缺商业数据源合规 API；中国中小企业案例数字基本全是厂商自报 |
| 招投标 | ⚖️ 监管侧已落地 / 投标侧早期 | 政策强制：发改法规〔2026〕195 号，2026 年底部分省市全覆盖、2027 年底全国推广；安徽「AI 先评」累计质检 3.6 万份、AI 先评项目 657 个 | 写标侧价格战明显（个人版 36.9 元起）；AI 生成内容专家评分 81.4% vs 人工 88.6%，质量仍有实质差距 |
| 代码助手 | ⚖️ 补全已普及 / Agentic 存疑 | 三源互证：Google 自家 75% 新代码、DORA 2025 90% 使用率、SO 2025 84%；CodeRabbit $50M ARR、17,000 客户 | 两个 RCT 结论相反：Copilot 绿地任务 +55.8%；METR 在自己维护的百万行仓库里 -19%。AI 代码评审独立测评：没有任何工具在注入类缺陷上召回率超过 70%，业务逻辑缺陷召回率仅 21% |
| 简历筛选 / HR | ⚖️ 面试安排落地 / 打分高危 | Chipotle「Ava Cado」招聘时长 -75%（12 天 → 4 天）、2 个月招 2 万人、申请完成率 50% → 85%+、年省约 $100 万 | 嵌入模型姓名审计：85.1% 场景偏好白人关联姓名；黑人男性在多达 100% 的场景被歧视；8 个平台审计发现「中立性幻觉」——看似无偏见实则根本没在有效评估；已有集体诉讼（Mobley v. Workday） |
| 内容营销 / SEO | ⚖️ 辅助写作落地 / 规模化已证伪 | AI 辅助写作 + schema + 多语言渗透率 84–93%；L'Occitane 自然搜索收入 +33% | Pew Research（68,879 次真实搜索）：出现 AI 摘要时点击率 15% → 8%（-52%），摘要内链接仅 1% 被点；规模化 AI 内容被 Google「scaled content abuse」系统性清剿，85 万篇的站点被整个目录去索引 |
| 销售线索 / SDR | ⚖️ Inbound 落地 / 全自主 Outbound 被证伪 | LangChain GTM Agent：线索→合格商机转化率 +250%、每销售每月省回 40 小时（[第一方生产数据]） | 11x 的 TechCrunch 具名调查：前员工称「我们在流失 70–80% 进门的客户」；ZoomInfo 官方声明「11x 产品表现显著差于我们的 SDR 员工」，但 logo 仍挂在 11x 官网；Gartner：超过 40% 的 agentic AI 项目将被取消，数千家 agentic 厂商中仅约 130 家是真的（"agent washing"） |
还有两个场景我没有列进表，因为开源生态几乎为零，不适合中小企业自建：合同审查（结构化程度最高的开源方案 CUAD 已 3 年未更新，中文方案基本停在论文 demo；且 Harvey、Legora、LegalOn、Ironclad、Robin AI 全部不公开定价）和教育培训陪练（护城河在剧本库不在代码）。
五、给中小企业的务实建议
1. 客服先做 Copilot，别做全自动。 25% 的 AHT 削减上限看着不性感，但 TELUS 的 n=815 调查说它是唯一在多职能中都被验证有效的方案；而全自动在真实流量下的中位 defensibility 是 41.2%，不是宣传的 76%。
2. 把「转人工」当成一等公民来设计。 无论从国标（GB/T 47746—2026 第 1、4 条）还是从用户投诉（某平台要发 20 多次）看，人工入口的可达性比 AI 的解决率更能决定成败。验收标准应该是「几次能转到人」，不是「AI 拦截了多少」。
3. 尽调 Agent 只做那 130–180 工时的事。 别指望它替代分析师判断。它的价值锚点是数据录入、50–70 个网站的交叉核查、报告初稿——这些恰好是最枯燥、最可验证、也最容易量化 ROI 的部分。判断留给人在环。
4. 合规上不要自己造轮子。 用官方 API 或官方 MCP 工具，不写爬虫。这条没有性价比可谈。
5. 算 ROI 时算三件事：净收益（减去采购成本与 2–4 倍的 Agent 调用链）、端到端（算上评审/返工/纠错）、反向成本（过度自动化带来的赔付与客诉，有数据说能到 +27%）。
6. 最后，把这篇的数字当作「水位」而不是「承诺」。 表里标注 [厂商自述] 的每一条，都值得你在自己的数据上重新测一遍——用 3–5 份你最烂的真实文档，和 50–100 条你自己的评测集（方法见上一篇第六节）。
参考
智能客服：
- Gartner: digital first, but not digital only
- AgentMarketCap: The 40-Point Containment Gap
- TELUS Digital × Ryan Strategic Advisory 2026
- Beam.ai BPO Benchmark 2026｜Nucleus / Forrester TEI ROI 数据
- Klarna 反转（Forbes）｜Reuters 2025-09
- Commonwealth Bank 撤回 45 个岗位
- 国标 GB/T 47746—2026：人民日报海外版｜中国新闻网｜新华网「会说话的墙与失语的服务」
- Intercom Fin 定价与计费规则｜MongoDB/AWS Bedrock 企业成本报告
- 腾讯微信软件许可及服务协议｜企业微信智能机器人 API 文档
商业尽调：
- TechCrunch: DiligenceSquared｜Auquan × Microsoft
- 江苏联合征信（新华日报）｜中信建投 × Kimi（新浪财经）
- Finance Agent Benchmark (arXiv:2508.00828)｜Spider 2.0
- Stanford HAI: 法律 AI 幻觉率 17%–34%｜arXiv:2405.20362
- 方正证券研报乌龙（21 世纪经济报道）
- 合规：兰台律所 AI 爬虫法律风险｜金杜律所 AI Agent 数据抓取合规｜国家数据局「四不」原则｜天眼查 MCP Skills
其他场景：
- Ardent Partners / WEX：单张发票成本基准｜TextIn DocFlow × 中交华北
- METR: 资深开发者在自己的仓库上慢 19%｜DORA 2025｜Stack Overflow 2025 调查
- Pew Research：AI 摘要让点击率腰斩
- Wilson & Caliskan, AIES 2024：简历筛选的姓名偏见｜11x 调查（TechCrunch）
- 中国移动九天智能标书平台｜China CDC Weekly 多智能体舆情监测
本站相关：
声明：本文无厂商合作。数字分级标注——[已核实] 为直接读到原始文件/论文/采购公示；[二手] 为权威第三方转述；[厂商自述] 为厂商官网或案例页、无第三方验证。**标注 [厂商自述] 的数字请勿当作 ROI 证据使用。**本领域数据污染严重，调研中已剔除若干疑似编造的数字（如某些自媒体转引的「效率提升 10 倍」具体案例数），未能找到可靠来源的项已在正文中明说「找不到」，未做填补。欢迎补充与指正。