花店老板不需要AGI，但客服成本可以降100倍——OpenAI董事长的AI观

OpenAI董事会主席Bret Taylor丨做客Stripe：智能体如何重塑软件工程与商业模式

2026年3月10日，Stripe联合创始人John Collison的播客「Cheeky Pint」发布了一期重磅对话——嘉宾是Bret Taylor，Sierra CEO兼OpenAI董事长。这场长达101分钟的深度对谈，罕见地系统阐述了这位硅谷传奇人物对AI Agent、企业软件、商业模式和未来交互方式的完整判断。

这不是一场常规的科技播客。Taylor是Google Maps联合创造者、Like按钮发明者、Salesforce联席CEO、Twitter董事（推动马斯克收购）、OpenAI董事长——他几乎参与了每一个技术周期的关键节点；他创办的Sierra在7个季度内突破1亿美元ARR，估值100亿美元，是史上增长最快的企业软件之一；他在这场对话中提出了一个颠覆性观点：AI生产力的原子单位是流程，不是人——而大多数企业都在"按组织架构堆AI"，而不是从流程出发。

最关键的判断是：阻碍AI adoption的最大障碍不是模型不够好，而是专业应用公司还太少。即使暂停模型开发，世界上仍有万亿美元的AI经济价值尚未被实现。

以下是这场访谈的核心内容编译。

Taylor用一个反直觉的例子开场。

"假设你把全世界的AI和超级智能都交给一家街角花店，它能改善多少运营？也许有一点。但总得有人修剪花茎、插花、在门口祝贺你女儿的婚礼。"

他说这话不是为了唱衰AI——恰恰相反，他是最激进的AI信徒之一。他的意思是：AI不应该被简单理解为"替代人力"的工具，它真正的威力在于重新定义企业内部那些跨部门、跨系统的流程。

他举了一个具体的例子：一个大型企业要引入新的供应链供应商，涉及法务审合同、财务谈价格、IT对接系统、业务部门发起需求——中间可能要17天。Taylor认为，AI不是让法务更快审合同，而是让这整个17天的流程变成17小时。"但最难的不是某个人的工作，而是所有系统和部门之间的衔接。问题是，没有人对这个端到端的流程负责。"

"企业在按部门装AI。'法务装一个，财务装一个'——但没人对这个端到端的流程负责。我们shipping our org charts（按组织架构堆砌），而不是thinking from process（从流程出发）。"

这是Taylor对"为什么AI生产力提升还没那么快"给出的最核心解释。不是技术不够好，而是企业没有重新组织自己去吸收这个技术。他建议："不要给每个员工装Copilot就说'我们AI化了'——要从第一性原理出发，问：你的业务中哪些部分有大量数字化工作流？AI在哪里能产生真正的大影响？如何设置你的公司，让某个人真正对某个流程负责？"

Collison追问：那白领知识工作——法务、财务、法律——这些不是应该能很快看到AI提升吗？Taylor的回答更尖锐："我觉得问题出在按部门思考而不是按流程思考。如果你说'我要让法务更高效，所以优化合同审阅'——但合同为什么存在？它是为了什么？如果你是为供应链引入供应商，有几百个，你可能发现做一个针对供应链的AI Agent——用非常具体的规则——比做一个通用的法务审阅工具要简单得多。"

Taylor的日常公司Sierra，做的事情说起来很朴素：帮企业搭建AI客服Agent。但朴素的事情做到极致，数据就不朴素了。

"我们7个季度突破1亿美元ARR，8个季度达1.5亿，现在大概1.65亿了。"

Taylor在播客中直接给出了最新数据。这是史上最快的企业软件增长之一。客户中1/3收入超100亿美元，过半超10亿美元——Cigna、SoFi、SiriusXM、Ramp、Weight Watchers、Rocket Mortgage等。

Sierra的Agent不是三年前那种让人崩溃的多选题聊天机器人。它能接电话、能聊天、能处理退货、能审核保险理赔、甚至能帮你从头到尾完成抵押贷款——全程无人介入。Taylor特别提到："语音已经超过了文字，成为我们平台上更大的交互渠道。我们去年11月才推出语音功能，但它增长得极快——因为说话是人类最自然的交互方式。"

他的逻辑是：AI把最后一个模拟信号渠道——电话——数字化了。以前企业藏着自己的客服电话号码，因为接不起；现在可以说"随时打给我们"，因为AI把每通电话的成本降了两个数量级。"过去一通客服电话的成本是10到20美元，现在用AI Agent可以降到10到20美分。"

他讲了一个生动的例子："我总开玩笑，打给Sundar比打给Google客服容易——不是因为Google不在乎你，而是他们字面意义上负担不起。如果每个想打电话的人都打，Google会破产。现在，成本降了两个数量级，整个对话的经济学彻底改变了。"

更令人惊讶的是，Sierra的医疗客户——保险公司、医院、药房——他们的AI Agent已经在用英语通过公共电话系统互相打电话了。"我们有TCP/IP和英语跑在PSTN上。你可以设计各种花哨的协议，但现有的轨道已经存在了。"

Taylor分享了几个具体客户的表现数据。

Ramp：

自动解决90%的客服案件。Taylor说Ramp之所以能做到这么高，是因为他们技术实力强，在问题升级之前就主动介入。

SoFi：

部署Sierra后，NPS（净推荐值）提升了33点——这在客服领域是惊人的提升。三个月内Agent处理超5万次对话/周，自动解决率61%。

Weight Watchers：

AI Agent处理近70%的客户会话，满意度4.6/5。对于一家经常要处理"我为什么减不下来"这类带情绪问题的公司来说，这个分数非常了不起。

SiriusXM：

全渠道部署——打电话、官网、App都是同一个AI Agent"Harmony"在应答。

Taylor还提到了一个有趣的"杰文斯悖论"现象：有一个零售客户部署AI后，总客户交互量的增长幅度几乎抵消了AI带来的成本节省。为什么？"因为以前的聊天机器人太烂了，没人想用。现在的AI Agent好用了，人们反而来联系得更多了。CEO反而非常开心——'我们终于在倾听客户了。'"

他总结了一个关键洞察："在大多数情况下，你不能只是'推出AI、吸收成本节省、传给股东'——除非你有垄断。在竞争市场里，这最终会变成消费者剩余。就像ATM机——它没有减少银行网点，因为某个银行想到'我要在网点放不同的人，他们可以产生收入'。结果不是岗位替代，而是完全不同的东西。"

Sierra最独特的地方可能不在技术，而在商业模式。Taylor一上来就强调："我们只为结果收费。AI Agent自主解决了问题，收一笔预谈好的费用。如果需要转人工，免费。"

这就是"按效果收费"（outcome-based pricing）。Taylor认为这将成为AI Agent时代的标准定价模式——就像SaaS订阅制在2000年代革命了买断制一样。"Agent这个词来自agency，意味着自主权。既然Agent是在独立完成一个任务，那为什么不像给销售人员付佣金一样，按成果付费？"

他特别区分了"按效果收费"和"按用量收费"（usage-based pricing）："如果一个AI Agent给Stripe卖出了新客户，我跟你说用了十分之一的tokens但成交量少了十倍，你不会高兴。你在意的是商业结果，不是token数。Token用量和价值之间没有必然关联。"

他讲了一个经典的苹果公司轶事：某个新经理要求工程师每天报告写了多少行代码，一位工程师直接报了一个负数——因为他当天在重构代码，减少了代码量。"这就是用'计量'衡量价值的荒谬。"

Taylor还强调，按效果收费彻底改变了软件公司和客户的关系："传统软件实施出了问题，系统集成商指责软件公司，软件公司指责系统集成商，没人真正为结果负责。按效果收费意味着——直到客户成功，你拿不到钱。所以软件公司有强烈的动机帮你走过最后一英里。"

Taylor透露了Sierra的几个核心技术细节。

星座模型：

每一条用户消息在Sierra平台上会触发20+次模型推理调用。不是一个模型处理一切，而是多个模型各司其职——有的负责速度，有的负责质量，有的负责特定语言。

Supervisor模型：

这是Sierra的核心护城河。Taylor用了一个生动的类比：如果一个推理系统90%的时候是对的，10%的时候会犯错或幻觉，再加上一个也是90%准确率的监督模型检查它的推理过程，两层叠加就能达到99%的可靠性。

"如果你是Sierra的一个AI Agent，你决定自己发挥不查资料，一个监督Agent会检查你的推理，发现你脱离了脚本，把你打回去并告诉你：'你没有权限做这个决定，理由如下，重新做。'"

计划性报废：

Taylor坦言，Sierra写的很多代码都计划以后扔掉。因为底层模型进步太快——比如他们为香港客户做了最好的粤语语音支持，但"三年后每个模型都会支持粤语"。"Sierra的护城河不在某个技术点上，而在于持续的创新节奏。就像早期SaaS公司要解释为什么多租户数据库是安全的——那是他们营销的核心。现在没人关心这个了。我们正处在那个阶段。"

对MCP的怀疑：

Taylor直言，他对MCP（Model Context Protocol）在未来的重要性越来越怀疑。"看看OpenClaw就行了——一堆markdown文件比一堆MCP服务器管用。Agent天然就会用grep。我认为这些Agent需要的上下文远超MCP能提供的。"

Collison提到了一个尖锐的问题：SaaS板块股价近期跌了20-30%，市场在担心AI会颠覆传统软件公司。Taylor的回答很坦诚："我觉得是合理的，但有点过度。市场告诉你的是——不确定性前所未有。这不是对某家公司的否定，而是对整个板块的质疑。"

他的分析框架是：传统SaaS的核心逻辑是年度经常性收入（ARR），本质上是年金。如果这笔年金两三年后可能不在了（因为AI Agent替代了传统软件），你的贴现现金流分析就完全不同了。但Taylor提出了一个更深层的观点：软件价值的重心可能正在从"系统记录"（system of record）转向"流程执行"（process execution）。

"ERP系统之所以有价值，是因为它是企业的总账——这种'数据库就是价值'的公司比较持久。但如果你只是一个'参与系统'（system of engagement），价值可能会被AI Agent侵蚀。越接近数据库本身就是价值的场景（比如总账），越持久。越接近参与性场景（比如CRM的客户互动），越脆弱。"

他举了微软的例子：当年大家也觉得微软是上一代公司，但Azure和OpenAI的合作让微软逆天翻盘。"任何一家公司都可能做到。关键是——这是对板块的否定，不是对个体的否定。"

Taylor和Collison都观察到了同一个趋势：那些"什么都懂一点但不是某个领域最深"的人，过去在大公司里往往被边缘化。但AI给了他们"外骨骼"。

Collison说："在Stripe，那些高自主性、真正关心客户、工作 ethic 很强的人——也许以前不是最好的工程师——现在 massively ascendant。他们一直有想法：我们应该这样服务客户。但以前他们执行力有限。现在他们有了AI，所有的方案都可以变成现实了。"

Taylor给这类人起了个名字：Hyper-generalist（超级多面手）。他认为未来最有价值的不是最深的专家，而是那些有品味、懂客户、有执行力的全能型人才。"作为Google Maps联合创造者，我对自己写的代码有深厚感情。但我在逼自己不要太珍视代码这个产出物。如果我还在意craftsmanship，那我在意的应该是文档——意图、PRD、客户问题才是更持久的资产。"

访谈最后，Collison问了Taylor对2026年的预测。Taylor说了三个：AI将产生至少一个让大众能理解的科学突破；企业和消费者都将大规模采用AI Agent，这将是真正的"Agent之年"；硅谷大多数公司将不再手写代码——四个月前这还是一个大胆预测，现在听起来已经理所当然。

但最有想象力的，是他关于智能手机命运的思考："我确实在想，我们是否会看到智能手机时代的终结。我们所有人都承认自己对这个发光的小屏幕有点上瘾。如果未来你可以通过对话完成大部分事情——在开车时整理邮件、让个人Agent帮你做调研——你真的还需要一直盯着屏幕吗？"

他用一个自己孩子的故事来说明代际差异：他跟孩子们打电话时把手机贴在脸上，孩子露出了"你在干嘛"的表情——就好像看到有人在舔手机一样。"在那一刻我意识到：我特么老了。"

Collison问了一个尖锐的问题：Sierra是否"做空AGI"——是否赌模型最终会取代你们做的事？Taylor给了一个罕见的坦诚回答："短回答是：我不知道。"

但他紧接着说："即使暂停模型开发，世界上仍有万亿美元的AI经济价值尚未被实现。阻碍AI采用的最大障碍，不是模型不够好，而是专业应用公司还太少。"

"太多创业公司都在做围绕AI的常规工具，而不是真正为无聊但重要、有价值的业务流程构建Agent。如果CFO能直接买到一个'onboarding new supply chain vendors'的Agent，拿回来就能用——那万亿美元的价值会加速实现。我对此非常乐观。"

这可能是整场对话中最有分量的一句话。当所有人都在讨论"模型谁最强"的时候，Taylor提醒我们：真正的游戏不在模型层面，而在应用层面。每个行业、每个流程、每个"无聊但重要"的业务场景，都需要一家Sierra、一家Harvey、一家专门的公司去攻克。

模型是原材料，流程才是产品。

101分钟的对话结束了，但这8个判断会在2026年逐一验证。

对AI从业者来说，Taylor的"流程优先"论值得认真对待——不是按部门装AI，而是从端到端流程出发重新设计组织。对创业者来说，按效果收费和"无聊但重要"的Agent赛道，可能是下一波机会。对所有人来说，最值得记住的也许是Taylor那句："AI生产力的原子单位是流程，不是人。"

未来几年，这句话要么被证明是组织变革的钥匙，要么成为AI adoption史上最被忽视的洞察。无论如何，一家7个季度破1亿ARR、估值100亿美元的公司，已经用行动在验证它。

资料来源：Cheeky Pint播客 (2026.03.10)、The Verge Decoder访谈 (2025.09.11)、TechCrunch、Sierra官网