OpenAI的参与度数据揭示了一个残酷的真相。我们建造的不是"agentic commerce"（代理式商业），而是披着聊天界面外衣的" glorified command-line tools"（美化版命令行工具）。
这是一篇3000多字的长篇文章，请泡好咖啡。
TL;DR 摘要
- 近期Hacker News的讨论揭示，尽管OpenAI拥有8-9亿庞大的用户群，但大多数用户是周活跃而非日活跃，且只有5%的用户付费。这指出了一个关键缺陷：我们拥有强大的AI工具，但没有真正融入日常生活的AI代理[4]。
- 用户驱动的工具与主动的、自主的代理之间存在一道架构鸿沟。当前“agentic commerce”（代理式商业）的状态依赖于脆弱的API调用和“人机协作”的变通方案——某消息称之为“rentable humans”（可租用的人力）[3]——因为我们缺乏一个允许代理之间沟通、交易和谈判的通用协议。
- 为了实现“agentic storefront readiness”（代理型店面就绪），品牌必须将重心从构建独立的聊天机器人转向为协议驱动的世界做出贡献并做好准备。这意味着要痴迷于用于AI搜索的结构化数据、创建沙盒化的AI体验实验室，并设计可审计的、代理驱动的交互系统。
上周一，我从DTLA返回威尼斯，堵在405高速公路上。我看到了一幕，完美地总结了当前AI的现状。一辆全新的、价值六位数的电动SUV，安静而光滑，却被拖走了。所有那些未来科技，包括能够导航高速公路的自动驾驶套件，都因为一个爆胎而完全失效。机器的自主性在第一次遇到它未被设计解决的、世俗的现实问题时就碰壁了。车主正在打电话，大概是为了协调解决方案——充当一个非常昂贵、非常卡壳的硬件的人工API。
这正是困扰AI世界的精确问题，本周我在Hacker News上看到的一个帖子[4]将其彻底暴露。讨论的焦点是OpenAI，拥有惊人的8-9亿用户，如何才能长期竞争。但那次谈话中被隐藏的关键信息，并非来自中国或硅谷竞争对手的竞争，而是一个单一的、毁灭性的统计数据：绝大多数用户是周活跃，而非日活跃。而且，只有5%的用户付费。
对于那些多年来致力于构建系统，并依赖日活跃用户生存或死亡的人来说，这个数据是一个刺耳的警报。它告诉我们，尽管有 all the breathless hype，我们已经构建了一个异常强大的工具，人们却像使用一个高级计算器一样使用它——当他们遇到特定问题时把它拿出来，然后又收起来。我们还没有构建一个不可或缺的、主动的、在我们的生活中后台运行的代理。我们拥有的是一个功能，而不是一个伙伴。而在商业领域，这种区别至关重要。
这不是模型智能的失败，而是架构的失败。你的AI可以写一首关于失落爱情的十四行诗，但它无法协商退回一双磨损的运动鞋。它可以生成一个定制手袋的逼真图像，但它无法协调三个不同的商家，在最后时刻的航班前将其送达Chateau Marmont的套房。你的AI就是405高速路边的那辆电动汽车——一个潜力无限的动力源，却在等待人类打个电话。
我们是在构建代理还是仅仅是更好的计算器？
对于像OpenAI这样强大的平台，低日活跃度应该迫使每个投入数百万美元用于“AI战略”的品牌进行一次反思[4]。我们痴迷于错误的指标。我们对聊天窗口颜色进行A/B测试，并以分钟为单位衡量“会话参与度”，但我们离真正“agentic commerce”（代理式商业）唯一重要的指标——自主任务完成——还有一百万英里。
代理不会等待提示。代理拥有目标和授权。它能预测需求。它异步操作。你的Roomba比99%的“AI助手”更像一个代理。它有一个单一目标（清洁地板），它能导航其环境，处理异常（撞到沙发），并返回到它的充电座充电——所有这些都不需要你的干预。它在你睡觉时为你工作。
现在将其与你品牌的聊天机器人进行比较。它是一个响应式系统。一个带有“个性”的美化版搜索栏。它可以回答问题，但前提是用户出现并提问。它可以引导用户找到产品，但它无法注意到他们三周来一直在多个网站上搜索登山靴，并主动推荐Patagonia的新品，完美适合他们即将到来的塞拉山脉之旅。这代表了对代理本质的根本误解。
下表阐明了我们正在处理的架构和功能差异：
| 特性 | AI工具（现状） | AI代理（未来） |
|---|---|---|
| 激活 | 用户提示，同步 | 目标导向，异步 |
| 状态管理 | 大多无状态，基于会话 | 持久化，目标和历史的长期记忆 |
| 主要功能 | 信息检索与生成（回答问题） | 任务执行与协调（完成任务） |
| 交互模型 | 问答，指令-响应 | 协商，委派，授权 |
| 成功指标 | 会话时长，用户满意度 | 成功、自主完成委托任务 |
| 实际案例 | 帮助您找到产品页面的聊天机器人。 | 监控库存，并在限量版运动鞋发布时立即自动购买的代理。 |
Hacker News的讨论突显了用户主要在需要撰写电子邮件、调试代码或创建演示文稿时才进行交互[4]。这些是离散的任务。这是基于工具的行为。跃升至代理行为——即AI管理你的旅行、执行交易或运营你的店面——并非一个迭代步骤。这是一场尚未发生的架构革命。
通用商业协议的致命缺失
二十年来，我们一直使用API来构建商业。REST和后来的GraphQL成为了通用语言。产品是一个Product对象。订单是一个Order对象。它清晰、结构化且可预测。在代理时代，这种整个范式都是一个负累。
AI代理不会以僵化的API调用方式思考。它以目标思考。一个目标，比如：“我需要退回这件毛衣，但我想要一件蓝色的，而且我需要在周五之前把它送到我在圣莫尼卡的办公室，因为我要出差开会。”
你如何用一个POST /returns端点来表示这个？你不能。当前的架构迫使用户（或人工客服代表）充当协调者，将十几个不同的API调用和手动流程拼接起来：
- 检查蓝色毛衣是否有库存。
- 检查是否可以送到圣莫尼卡办公室。
- 检查送货时间。
- 发起原毛衣的退货。
- 生成运输标签。
- 订购新的蓝色毛衣。
- 将退货的信用额度应用于新购买。
这是一个脆弱、可悲的工作流程。一个自主代理，在得到授权的情况下，应该能够与品牌的自主代理协商整个过程。但它们之间没有共同的语言。我们缺少了基础层：一个**通用商业协议（UCP）**或类似的协议。
如果没有用于代理之间通信的共享协议，我们就会陷入当前的现实。“代理”只是一个语言模型，它非常擅长将用户的目标转化为一系列预定义的API调用。这不是自主性；这只是高级脚本。
以下是当今数据流与协议驱动世界中所需数据流的对比：
两者之间有着天壤之别。第一个是线性的、脆弱的脚本。第二个是两个自主系统之间进行的韧性、目标导向的协商。协议才是“魔法”，而非模型。它提供了动词：propose（提议）、accept（接受）、negotiate（协商）、confirm（确认）、execute（执行）。没有这些，世界上所有的智能都将被困在一个简单化的API网关之后。
你的AI需要“可租用的人力”，这不是个好兆头
在像UCP这样的协议出现之前，我们被迫用人类来修补AI能力的漏洞。Hackernoon上的一篇引人入胜的文章精准地阐述了这个概念，称之为对“rentable humans”（可租用的人力）的需求[3]。文章认为，AI不需要建造实体机器人，而是需要一个人类网络，它们可以付费让人类完成它们无法通过数字方式完成的任务——这是代理的最后一英里问题。
这不是对未来的预测；它已经发生。当你的“AI”安排一次复杂的会议时，往往是一个AI辅助的人工调度服务在打电话。当一个代理系统承诺预订餐厅时，它可能会拨打餐厅的公开电话，并使用语音转文本来导航电话菜单，或者更糟的是，将任务分配给一个零工平台上的个体。
这是一种架构上的拐杖。这表明你的系统自主性是对手动过程的薄弱掩饰。虽然它可能是一个实用的桥梁，帮助产品上市，但将其作为长期战略，无异于在沙滩上建房。人类API速度慢、成本高，且无法扩展。他们就是405高速路边的拖车。
人机协作的失败模式
作为一名商业架构师，“rentable human”模式让我头疼。它引入了巨大的错误风险，而这些错误难以调试且无法审计。当人工API心情不好时会发生什么？听错了订单？写错了地址？你那完美无瑕、确定性的系统现在要承受人类过失的混乱。当AI派遣的人工犯了错误，导致你的品牌损失了一个高价值客户时，谁来承担责任？
从人工API到结构化数据
消除“rentable human”的唯一方法是，不懈地将非结构化的、以人为中心的过程转化为结构化的、机器可读的过程。你商店的营业时间不应该埋在Instagram的JPG图片里。它们应该作为代理可以解析的结构化数据公开。你的退货政策不应该是一份10页的法律文件PDF；它应该是一套机器可读的规则。这是“agentic storefront readiness”（代理型店面就绪）中那些不那么光鲜亮丽但至关重要的基础工作。它的核心是构建一个如此清晰、如此完善的数字门面，以至于AI代理根本不需要向人类寻求帮助。
来自安全领域的启发：HackerOne的AI验证器
当商业领域举步维艰时，信息安全领域正在为部署高效、范围狭窄的代理提供典范。HackerOne，一个主要的漏洞赏金平台，最近推出了一款AI代理，用于验证漏洞报告[2]。这非常出色，我们应该从中学习。
思考一下工作流程。研究人员提交一个潜在的漏洞。过去，HackerOne的人工分析师必须花费时间尝试重现漏洞，以确认其是否合法。这是一项耗时、重复的任务，非常适合代理来完成。新的AI代理接收报告，自动尝试验证漏洞，如果成功则将其标记给人查看。它有一个清晰、可衡量的目标。它在一个受限的环境中运行。其成功或失败是二进制的，且易于审计。
现在，将其与购物代理的无限混乱进行对比。“给我找一套适合在Silver Lake派对上穿的酷炫服装。”“酷炫”是什么意思？什么类型的派对？预算是多少？上下文是无限的。成功标准是主观的。
这就是为什么我们看到通用模型是周活跃而不是日活跃[4]。失败的成本太高，用户无法委托有意义、模糊的任务。没有人会将他们的整个假日购物委托给一个可能会幻觉出糟糕礼物或从错误商店订购商品的LLM。但他们绝对可以委托任务“一旦米色款的新行李箱在Abbot Kinney商店有货，且价格低于120美元，立即通知我并下单”。
这是一个可验证、受限且可自动化的任务。HackerOne代理的成功告诉我们，第一波真正有用的商业代理不会是无所不知的预言家。它们将是高度专业化、单一任务的工作者，在狭窄的领域内完美执行。
这对你的品牌意味着什么：停止修修补补，开始架构设计
你的营销团队可能正在运营一个“AI体验实验室”，这其实就是购买了一堆不同的生成式AI工具，用于制作广告文案和社交媒体图片。如果你的核心商业架构无法支持真正的代理能力，那么这只是在浪费时间和金钱。
你需要将重点从华丽的前端应用转移到无聊但关键的后端基础设施。你需要让你的整个系统都能被自主代理理解和导航。
以下是你的“agentic storefront readiness”（代理型店面就绪）清单：
-
进行Schema审计： 审视所有描述你的产品、政策和运营的数据。它是否结构化？它是否机器可读？代理能否在不解析一大段文字的情况下，确定你对促销商品和运往APO地址的商品的退货政策？这是用于AI搜索的结构化数据及其孪生兄弟**GEO（Generative Engine Optimization，生成式引擎优化）**的工作。如果你的数据一团糟，你的代理将毫无用处。
-
构建内部代理沙盒： 在你让任何面向客户的代理自由运行之前，先为你的内部团队构建一个。创建一个目标单一的代理，用于监控你的库存和物流。它能否根据销售速度和供应链数据预测特定SKU何时会耗尽？它能否标记出可能错过交付窗口的订单？将内部运营作为构建可审计、可靠代理的培训场。
-
为协商而非仅仅交易进行架构设计： 你的下一代商业平台不应该只拥有一个
OrderAPI。它需要一个NegotiationAPI。它需要允许代理提出建议、接收还价并获得修改后目标授权的端点。开始思考你的系统如何处理上述UCP图表中的来回协商。这是真正commerce AI architect（商业AI架构师）的领域。
在CTO.LA，我和我的团队每天都在为理解聊天机器人与代理化员工队伍之间差异的品牌设计这些系统。我们不仅仅是连接LLM；我们正在重建商业的“管道”，为未来你的最有价值客户都是算法的世界做准备。如果你是洛杉矶或任何地方的品牌，并且你准备好超越周活跃的玩具，构建一个能够驱动真正自主商业的系统，请与我们联系。
你的AI还不能在梅尔罗斯大道逛街，但很快就能了
“agentic commerce”（代理式商业）的终极考验不会是完美的结账流程。它将是AI能够复制凌乱、美好、人性化的发现过程。我能否派出我的代理，目标是：“我有500美元预算。在Fairfax和La Brea之间找一件独特的夹克，我周末可以穿去画廊开幕式。我喜欢极简主义，略带做旧风格的。给我个惊喜。”
为了完成这个任务，代理需要做的不仅仅是查询库存数据库。它需要理解文化。它需要解析来自本地精品店的Instagram快拍等非结构化数据。它需要阅读评论，理解品牌美学，甚至推断一个街区的氛围。它需要协商人行道销售和仅限样品销售的支付方式。
我们离这个现实还很遥远，而世界上最先进AI的低日活跃度数据就是证明[4]。我们仍在教机器说话。我们甚至还没有开始教它们如何进行对话，更不用说如何购物了。在未来十年胜出的品牌，不是那些今天拥有最炫酷AI演示的品牌。而是那些正在悄悄构建健壮、协议驱动的架构的品牌，这些架构将让未来的代理最终能够走出汽车，做些有用的事情。