原文：Winning the Relay Race: Long-Running Agents in High-Value Customer Journeys
作者：David Haber
来源：SandHill.io #306 推荐阅读 · 投资主题与论点 ｜ RecodeX 编译
导读： a16z 的 David Haber 认为，AI 智能体正从处理单次客服交互，进化为能跨数周乃至数月推进完整客户旅程的“长时运行智能体”（long-running agents）。这既能堵住多次交接造成的价值流失，也让供应商有机会按结果收费、分享客户的收入增长。
从单次交互到完整旅程
- 过去的电话客服要经历语音菜单、排队和反复复述；如今 AI 能即时接听、查账户、直接解决或预约上门——这曾是技术上限。
- 新能力让智能体可长期追踪线索、执行任务，作者预期 AI 会陪保险客户走到赔付、陪房贷借款人走到放款、陪企业线索走到签约。
价值只在终点出现
- 以原告方律所为例：接案、律师评估、调取警方报告与联系证人、等待治疗结束、整理医疗时间线、定稿索赔函（demand letter），环环相扣。
- 作者称之为“接力赛”，每次交接都可能漏损价值：回复慢就丢客户；证人电话打四次不通便放弃；人手不足导致常规案件不细读，漏掉能提高和解金额的脑损伤迹象；信息分散导致账单遗漏、治疗中断无人解释。
长时运行智能体的机会
- 客服之所以是早期热门场景，在于问题边界清晰、交互短、可验证、有人工兜底。长时运行智能体则能跨数十个步骤和多种模态追求单一目标。
- 在律所场景中，它从接案起负责一个案件、以客户获赔最大化为目标：按事件或截止日期唤醒，派出子智能体（sub-agents）联系证人和客户，汇总发现、起草文件，并在案件间持续学习。
- 它逐一对应上述漏点：全天候即时评估、无限次跟进、逐份细读证据、保留完整记录。
按结果收费
- 掌控全旅程意味着带来收入提升而非仅仅降本；当影响可观测、可归因，供应商即可按结果定价（outcome-based pricing）。律所案件单位清晰、和解金额明确，是理想场景。
- 阻力也很现实：美国多数州禁止非律师分享律师费，只能让定价与和解金额挂钩；采购部门缺乏先例；归因争议难免。作者认为这既是技术挑战，也是商业挑战。
AI 原生的 Red Ventures
- Red Ventures 是按结果收费的先例：通过 homeinsurance.com 等网站获客、主动联系并促成保单，按单向保险公司收费。据 S&P Global，其 2022 年销售额约 14 亿美元、EBITDA 约 3.7 亿美元。
- 作者认为该模式正受结构性威胁：消费者转向 Meta 的 Muse 等个人智能体寻求推荐，比价网站价值下降；长时运行智能体能以多语言、多渠道、无限耐心并行处理更复杂的旅程。RV 的 EBITDA 估计 2025 年降至约 1.6 亿美元，是早期信号。
三种进入市场的方式
- 卖平台： 作为软件嵌入企业现有团队；没有既有合同锚定价格，上限高，但需新建预算、销售周期长、归因复杂。
- 卖服务： 接手已外包的业务（如 RV 模式）；ROI 简单、BPO 预算现成，但旧定价可能低估价值，且很多高价值旅程由企业自营。
- 全栈（full-stack）： 自己成为 AI 原生业务方，比如直接收购债务组合自行催收；可完整获取收益、消除归因问题，但要承担牌照、合规等运营复杂度。
结论
- 哪种路径胜出尚无定论，但作者确信长时运行智能体会规模化赢下接力赛，把 AI 的可触达市场从“劳动力预算的一部分”扩展到“收入的一部分”，房贷发放、保险理赔、复杂企业销售等领域都在其列。
本文由 RecodeX 编译自 Winning the Relay Race: Long-Running Agents in High-Value Customer Journeys（作者：David Haber），首发于 SandHill.io #306 推荐阅读。本文为中文编译稿，非全文翻译，完整内容请阅读原文。译文仅供学习交流，观点不代表本站立场，版权归原作者所有。