Bayer 和 Zoom 的代理式 AI 成果仍需验证

尽管前景可观的试点项目与经独立验证的业务成果之间的差距正在扩大，Bayer 和 Zoom 仍将代理式营销推上了 Google News 的报道焦点。两家公司披露的成果聚焦于并不光鲜的运营工作，包括合规审查、CRM 更新、营销活动出价和合作伙伴协调。

这一侧重点很重要，因为它挑战了代理式 AI 最喧嚣的叙事版本。这些公司并没有把整个营销部门交给自主系统，而是将智能体应用于输入、权限和预期输出都能被明确界定的受限流程。

因此，核心竞争并非人与机器之间的较量，而是受控工作流自动化与自主营销承诺之间的对比。Bayer 和 Zoom 表明，前一种路径正在创造价值，而后一种路径在企业规模上仍更难验证。

Bayer 和 Zoom 实际改变了什么

值得注意的转变，是从让 AI 创作内容，转向让它在运营系统中推动工作流转。

ADWEEK 对 Cannes Lions 上代理式营销的报道指出，与代理商、媒体公司和广告技术供应商相比，品牌方更为谨慎。供应商在大力宣传雄心勃勃的智能体发布计划，而品牌则专注于内部工作流中可衡量的瓶颈。

该刊物称，Zoom 正在利用智能体自动更新 CRM。据 ADWEEK 分享的一篇代理式 AI 概要，这使营销人员能够投入更多时间进行战略和创意决策。

CRM 自动化是一个范围有限但影响深远的应用场景。CRM，即客户关系管理系统，用于记录与潜在客户及现有客户的互动。当员工留下的记录不完整、不及时或前后不一致时，其价值就会下降。

智能体可以从会议中提取相关细节，对互动进行分类，并提出更新建议。它还可以将对话与后续任务关联起来。当软件能够评估上下文，并跨系统执行获准操作，而不只是生成文本时，这一工作流就具备了代理式特征。

Bayer 披露的应用场景则针对另一类摩擦来源。该公司正将智能体用于合规要求严格的营销审批，以及绩效指标与外部媒体合作伙伴之间的对齐。

这项工作比起草一条社交媒体帖子具有更高风险。制药和健康相关推广内容需要经过法务、监管、医学、品牌和市场审查。遗漏一项声明或沿用过期要求，可能带来超出营销活动表现本身的后果。

智能体的潜在价值在于协调这些核查。它可以识别缺失信息，将素材流转给正确的审阅者，将材料与既定规则进行比对，并保留决策记录。

这两个案例都不代表完全自主的营销运营。人类仍在定义规则、维护访问控制、审核例外情况，并对已发布的工作承担责任。

这种限制也是最重要的发现。Bayer 和 Zoom 报告的价值，出现在智能体在有边界的工作流中运行之处。它们并未提出证据表明，一个 AI 系统能够独立制定战略、创建营销活动、审批、部署，并判断其更广泛的品牌影响。

这一差异常常在 Google News 的标题中消失，因为“代理式”可以描述多个层级的自主性。一个推荐 CRM 条目并等待批准的系统，与一个无需审查便修改客户记录的系统，有着显著差异。

Bayer 的情况同样如此。一个汇集合规证据的工具，并不等同于获授权审批健康声明的智能体。

这些实施案例仍然重要。它们将 AI 从工作边缘的可选助手，带入决定工作能否完成的运营路径。不过，它们也表明，企业采用通常始于受到严格治理的行动。

为什么工作流摩擦成为首要目标

营销团队正在人力协调成本显而易见、重复发生且高到足以证明集成工作合理的领域采用智能体。

现代营销活动需要经过许多专业系统。团队会分别使用应用程序管理客户记录、媒体采购、分析、内容管理、审批和报告。在营销活动触达受众之前，信息必须在这些应用之间流转。

这种碎片化为智能体创造了有利环境。智能体能够解读结构较弱的信息，决定下一步，并调用获批准的工具。传统自动化往往会在输入发生变化或决策需要上下文时失效。

这一机会吸引了多家公司在现有营销软件之上构建编排层。例如，Gradial 将其产品描述为一个操作系统，智能体可借此在 Adobe、Salesforce、ServiceNow 和 Databricks 等平台上执行工作。

2026 年 6 月，Gradial 宣布了一轮与该模式相关的融资。Axios 报道称，该公司的客户包括 AWS、Prudential、T-Mobile、Vanguard、Kaiser Permanente 和 U.S. Bank。

该报道还援引了一项尤为亮眼的客户说法。T-Mobile 表示，借助 Gradial 的技术，其营销活动执行时间缩短了 80% 至 90%，报告准确率达到 99%。这些数据来自相关公司，应与其他供应商案例研究一样谨慎看待。

尽管如此，营销工作流模式有助于解释为何受监管企业似乎位列早期采用者之中。它们的工作流包含众多规则、审批和文档要求。与开放式品牌战略相比，这些约束为智能体提供了更清晰的边界。

Bayer 的审批流程符合这一模式。其智能体有望反复应用已知政策，同时将模糊案例上报。公司可以评估系统是否缩短审查时间或避免遗漏，而无需声称 AI 取代了人类判断。

在最新一轮智能体讨论之前，Bayer 就已经在构建更可衡量的创意运营体系。该公司使用 CreativeX，根据既定规范为数字素材评分，并与代理商共享结果。

据 Digiday 报道，Bayer 在约一年内将纳入质量衡量的数字创意比例从约 20% 提升至 70%。该公司还要求各市场和品牌达到其既定最佳实践标准的 80%。

这些是公司自行披露的数据，而非销售增长的独立证据。不过，它们展示了代理式工作流所需的运营基础。智能体需要文档化标准和结构化反馈，才能作出有用的决策。

Bayer 的营销负责人还会审阅将创意质量与媒体投入关联起来的仪表盘。该流程会标记出大量投入支持低质量素材的情形。

这一基础让智能体采用不再那么神秘。Bayer 并不是要求一个通用聊天机器人理解医疗保健广告的每一个维度，而是将 AI 嵌入一个已然存在的评分、政策、审查和责任人体系。

Zoom 也具备类似优势，因为对话本就发生在其平台内部。会议提供转录文本、参与者、时间戳、决策和分配的工作。这些上下文能够支持 CRM 更新和后续行动，无需强迫用户在工具之间复制数据。

Zoom 还围绕代理式技能扩展了 AI Companion。该公司称，该系统可以利用会议上下文，在 Zoom Workplace 和连接的应用程序中完成任务。

其代理式 AI 路线图描述了从摘要走向行动的演进。这为从客户对话直接转化为已记录的销售或营销任务提供了路径。

短期压力将落在依赖人工协调的营销软件供应商和代理商身上。如果品牌能够编码常规决策并保留审批记录，它们将期待合作伙伴接入这些工作流。

它们也可能重新审视那些基于在系统之间搬运信息所投入工时的服务模式。智能体不必取代战略工作，也能冲击重复执行环节的经济模式。

Google News 正在放大一种更有限的 AI 成果

标题讲述的是自主营销，而实际运行的是围绕特定交接环节构建的受监督自动化。

Google News 会让彼此独立的企业实验看起来像是一场广泛转型的证据。Bayer、Zoom、媒体代理商和软件供应商都在使用“代理式”一词，但它们的系统未必拥有相同能力。

一个有用的定义应当更为狭窄。代理式 AI 是指能够理解目标、选择步骤，并在有限监督下执行获准操作的软件。监督程度和权限范围决定了系统实际上拥有多少自主性。

Zoom 的 CRM 案例似乎更接近面向行动的辅助，而非独立的营销管理。该系统可以减少对话后的行政工作，但营销人员仍负责受众决策、定位、创意判断和客户关系。

Bayer 的案例同样受到约束。智能体可以加快审批流转，并将材料与文档化要求进行比对。当推广语言涉及临床、监管或声誉判断时，它们无法消除对承担责任的专家的需求。

这些边界并未削弱项目价值。它们解释了为何这些项目具备进入生产环境的可信路径。

开放式智能体面临更大的评估难题。一项营销活动可能改善一个指标，却损害另一个指标。较低的获客成本可能伴随线索质量下降、信息触达频率过高，或长期品牌信任下滑。

运营工作流则提供了更明确的检验方式。智能体是否填写了正确的 CRM 字段？是否将素材发送给恰当的审阅者？是否保留了必需文档？获授权人员是否批准了最终操作？

这些问题能产生可观察的结果。品牌战略很少能提供如此清晰的标签。

Zoom 在广告优化方面的经验说明了有边界决策的吸引力。相关资料显示，Zoom 使用其 Bid Agent 优化 LinkedIn 广告，并报告每次点击成本降低 77%，投资回报提高至原来的三倍。

这项出价自动化案例由提供该技术的供应商发布。因此，这些结果应被视为客户案例研究，而非受控对比。

即便如此，出价仍非常适合机器辅助。系统接收结构化的营销活动数据，在预算和平台限制内运行，并可依据既定绩效指标接受评估。

风险在于，假定出价成功可以直接迁移到营销的其他部分。媒体优化无法解决一条信息是否真实、独特、符合文化语境，或对客户有用。

Bayer 的经验使这种张力变得清晰。生成式 AI 增加了内容供给，但更多内容并不保证带来更好的沟通。

Digiday 报道称，随着自动化生产规模不断扩大，Bayer 担心内容失去人性化特质。该公司 Celine Baudin 表示，AI 让内容更容易创作，却也让有意义的内容更难被辨别。

Bayer 还引用 CreativeX 的数据指出，Meta 上约 45% 的创作者广告在前三秒内没有出现可见品牌标识。这一问题表明，自动化可以提升产出，却未必能实现基本的传播目标。

这些创意质量研究结果指向了 agents 的另一种角色。与其最大化生产，agent 可以检查素材、识别政策或质量缺口，并为人工审核确定优先级。

这正是 Google News 报道背后的核心转变。Agentic 营销正是通过收窄其目标，变得更具可信度。

最站得住脚的系统并不声称要取代营销人员。它们降低的是围绕营销人员、法务团队、医学审核人员和业务领导者仍必须作出的决策所产生的协调负担。

数据尚不足以证明自主营销

大多数公开证据来自供应商及参与企业，而关于 agent 表现的标准化衡量仍然稀缺。

现有案例研究提供了一些令人鼓舞的信号，但并未证明 agentic 营销能够在不同组织中稳定奏效。每家公司在数据质量、权限、流程、渠道和成功定义上都不相同。

Zoom 报告的广告增长来自某一特定的出价工作流。Bayer 的创意覆盖率数据反映的是其内部衡量项目的扩展。T-Mobile 所报告的执行效率提升，则涉及另一家供应商和另一种运营环境。

这些结果不能汇总为一项通用的回报率估计。它们回答的是关于个别部署的、更为具体的问题。

归因还带来了另一个问题。当引入 agent 后，一项营销活动的表现变得更好时，可能有多个变量发生了变化。团队也可能在部署期间调整预算、定向、创意、审批规则或报告方式。

如果没有合适的基准线，agent 可能会因其他因素带来的改善而获得功劳。供应商案例研究或许能够准确报告观察到的变化，却仍无法分离其成因。

“agent”一词本身也让比较变得复杂。一款产品可能提出由人工批准的建议；另一款则可能在设定阈值内自动执行变更；第三款可能协调多个专业模型与业务应用。

将这三类系统都称为 agentic，掩盖了它们在自主程度和风险上的重要差异。企业买家需要问清楚：软件能够读取什么、能够修改什么，以及何时必须停止。

对 Bayer 而言，可审计性尤为重要。审批系统需要展示 agent 应用了哪项规则、审查了哪些证据、处理的是哪个版本的素材，以及由谁授权发布。

当一家公司日后必须重建整个流程时，一个看似正确的结果并不够。营销团队需要让法务、安全、监管和业务利益相关者都能理解的日志。

CRM 自动化也带来了自身的治理问题。会议转录内容可能包含机密客户信息、个人数据、战略计划或不准确表述。agent 的访问权限应与员工的授权范围以及信息的收集目的相匹配。

错误也可能被不断放大。一次错误的 CRM 分类可能触发错误邮件、改变预测，或影响另一名员工对待客户的方式。

当错误会带来较高的下游成本时，人工审核依然有价值。实际的设计问题不是是否要在每一个环节都安排人工，而是人工批准在哪些地方创造的价值大于其造成的延迟。

团队可以按照操作的可逆性和后果严重程度来回答这个问题。起草内部摘要的风险低于发布医疗声明。建议更新 CRM 与删除或覆盖客户记录也并不相同。

最安全的系统会赋予 agent 有限权限，在执行前验证输出，并升级处理不确定案例。它们还会在部署后持续监测结果，因为工作流、数据和外部规则都在变化。

这种治理负担削弱了“agent 只是消除工作”的说法。它们将部分精力从重复执行转移到系统设计、评估、异常处理和问责上。

这仍然可能是一笔好交易。不过，买家在衡量效率时应将这些责任纳入考量。

Bayer 自身的经验表明，组织变革可能比技术更困难。其领导者曾描述过在分散团队之间建立共同责任的努力。agent 本身无法修复不清晰的责任边界。

如果不同部门对有效声明、合格线索或成功营销活动的定义存在分歧，自动化只会更快地执行这种分歧。组织必须先确定规则，才能期待可靠的 agent 去应用它。

因此，知识质量成为一项竞争性投入。团队需要可供人员和 agents 检索的最新政策、示例、决策和绩效记录。

一个可搜索的知识库可以通过让源材料更易于检查来支持这项工作。它不能替代治理或专家审批。

应当带着这一证据缺口来解读 Google News 的报道。Bayer 和 Zoom 已识别出可信的运营应用场景。但公开记录尚未显示，自主 agents 能够以稳定、独立衡量的结果运行完整的营销职能。

营销人员接下来应关注什么

下一阶段将取决于审计追踪、持续采用，以及经得起独立审查的结果。

第一个信号是更深入地用于生产。公司应披露 agents 是仍局限于试点，还是已成为 CRM、审批和营销活动工作流的标准组成部分。

使用情况比一则公告更重要。工具可能在演示中表现良好，却在员工遇到异常数据、相互冲突的指令或缺失权限时失效。

对 Zoom 而言，关键问题是由对话驱动的行动能否在面向客户的团队中成为常规流程。采用应带来一致的 CRM 记录和已完成的跟进，同时不增加纠正工作。

该公司更广泛的 AI 战略赋予其分发优势。会议本身已经包含行动所需的上下文。不过，Zoom 必须证明用户足够信任该系统，愿意将其连接到敏感的业务应用。

第二个信号是证据质量。买家应寻找能够将 agent 效果与其他营销活动变化区分开来的衡量方式，并在时间或绩效收益之外报告错误率。

可信的评估应定义基准线、样本、审核流程和覆盖周期。它还应披露人工纠正、拒绝或撤销 agent 工作的频率。

当公司说明何为“正确”时，准确率主张会更有用。一项技术上有效的系统操作，仍可能无法支持客户或营销活动目标。

更长的衡量周期同样重要。agent 可能通过选择日益狭窄的受众，或重复最终会失去效果的策略，来改善短期指标。

第三个信号是在压力下的治理表现。如果 Bayer 的合规工作流能够在保持清晰记录的同时处理政策变化、异常声明和跨市场差异，它将更具说服力。

真正的考验出现在 agent 面对模糊情境时。可靠的系统应能识别不确定性并升级决策，而不是给出缺乏政策支持却显得信心十足的答案。

供应商将通过增加审批控制、评估仪表板、权限管理和可追溯的行动历史来回应。这些功能对企业采用的重要性，可能超过再生成一个营销活动概念的能力。

代理机构也面临战略选择。它们可以将人工协调作为服务的一部分来维护，也可以围绕结果、判断和监督重新设计合作模式。

Agentic 系统会让常规交接更容易被审视。客户可能会问：为什么一次简单更新需要数场会议、邮件往来和可计费工时。

与此同时，品牌仍需要外部视角。如果没有人挑战其目标、源数据或创意方向，高效的内部系统可能会不断强化既有假设。

更强的代理机构定位将自动化与独立判断结合起来。代理机构可以帮助客户定义评估标准、用困难案例测试 agents，并识别内部工作流容易忽略的后果。

营销人员不应将“agentic”当作采购捷径。这个标签并不能回答某个系统是否适合组织的实际流程。

有用的评估应从一个范围明确的工作流开始。团队应在选择技术之前，记录其输入、决策、权限、失败成本和预期结果。

随后，他们应将 agent 与当前流程进行比较。比较需要涵盖审核时间、纠正工作、集成维护、安全控制，以及最终业务结果的质量。

如果 Bayer 和 Zoom 发布更有力的证据，它们的项目将支持关于企业营销的更广泛结论。如果披露仍局限于精选的成功指标，更谨慎的解读就会继续成立。

目前，Google News 的叙事在方向上具有重要性，但范围比标题所暗示的更窄。Agents 正在营销运营中找到真实工作，尤其是在规则和交接已经可见的领域。

机会并不是一个自行运转的营销部门，而是为那些目前在对话、系统、合作伙伴和审批之间丢失的工作提供更好的运营层。

在采用这一层之前，先选择一个反复出现的瓶颈，并定义正确的操作应是什么样子。然后再问：agent 能否安全完成它、解释其选择，并获得持续使用。这个测试将比又一个关于自主营销的宏大承诺揭示更多。