导读：过去所有的软件都是"执行器"——人做决定，软件执行。Agent 是第一种能自主设定子目标、在过程中自己作判断的软件。当它开始替人比价、评估、下单，它在商业意义上…
过去所有的软件都是"执行器"——人做决定，软件执行。Agent 是第一种能自主设定子目标、在过程中自己作判断的软件。当它开始替人比价、评估、下单，它在商业意义上就已经是"客户"了。
我做企业服务十五年，见过无数次"客户变了"的说法。但这一次不一样：变的不是客户的需求，而是客户本身是什么。 这篇讲清楚三件事——Agent 凭什么算客户、有哪几类机器客户、以及它们到底看重什么。
一、判断"是不是客户"，只看四条
历史上，"客户"这个角色只属于一个物种。不管在集市、商场还是电商，做选择、表达偏好、完成支付的，始终是人。
这个假设正在被第一次打破。过去所有软件都是执行器：推荐算法再聪明，工作也是"帮人更快找到想买的东西"；ERP 再复杂，角色也是"把人输入的指令变成操作"。判断权始终在人手里。
Agent 不一样。当你的采购 Agent 在比价时发现某家供应商的历史履约率低于阈值，它会自动降低这家供应商的推荐权重——没人给它下这道指令，这是它根据自己的目标和规则做出的判断。
一个能自主判断的系统，本质上就具备了"客户"的资格。 判断标准不是有没有法律人格、有没有情绪、能不能签字，而是四条：
• 目标——要完成什么；
• 选择权——能在多个供应方之间做选择；
• 评估标准——用什么衡量服务质量；
• 交易影响力——它的判断会改变实际的交易流向。
四条同时具备，它就已经在商业意义上成为客户了。这不是科幻——Visa 的 Intelligent Commerce、Mastercard 的 Agent Pay 已在为"Agent 代表用户完成交易"建立网络级能力（尚属早期，不代表已普及）。
二、三类机器客户，别当成一类处理
把 Agent 当成同质的一群，会导致"既没为任何一类做好准备，也没照顾好人类客户"。
• 委托型（Delegated）：替人办具体的事，订机票、比价、检索信息。关键风险在于：任务失败的代价全记在你账上。 用户的缴费助手重试失败，用户感受到的是"你们家充值没成功"——Agent 是透明的，企业是有责任的。
• 协作型（Collaborative）：与你的系统共同完成一件事，比如 B2B 采购的供应商匹配、条款谈判。它对你提的要求很具体：你的系统能不能"和别人的 AI 说话"？ 接口语义清不清晰、数据格式标不标准、错误信息机器能不能读。
• 自主型（Autonomous）：有独立目标和授权，长期运转、少有实时监督。它对可靠性的要求最严苛——一次异常就可能触发错误连锁，且授权边界必须极度清晰：能做什么、不能做什么、什么时候必须停下来等人确认。
三类有一个共同点：它们不会因为服务态度好而加分，也不会因为品牌故事感人而产生情感连接。 它们只评估一件事——在它们要完成的任务里，系统是否可靠、可读、可预测。
三、Agent 不给第二次机会
这一点值得单独说，因为它颠覆了很多企业的直觉。
人类客户可以被情感修复：一次糟糕的体验，能被一次真诚的道歉、一段时间的持续改善慢慢挽回。人会记住那次道歉，会给你第二次机会。
Agent 不会。一次接口超时，会触发可靠性评分下调；评分下调影响推荐权重；权重下降，意味着在后续评估中被系统性排后。 算法不接受道歉，它只更新评分。
数据也印证了这场"客户迁移"正在发生，只是快慢不一。Salesforce 的调研显示，24% 的消费者已经能接受 AI 代理替自己购物，Z 世代升到 32%；Forrester 预测到 2026 年底，约三分之一的 B2B 支付流程会涉及 AI Agent（含发票、对账、供应商选择）。但在真实的支付环节，人们仍然谨慎——Visa 2026 年一项覆盖 5,000 多名消费者的调研显示：56% 愿意让 Agent 帮自己搜索比对，愿意让 Agent 接触支付凭证的不足 40%，只有 14% 愿意让它无监督下单（以上口径各异，分开看）。
能力已经到了，信任还没到——这正是窗口期：谁先把"可读性"做扎实，谁就先被 Agent 选中。
【Baklib 实操】把"只能人读懂"的服务信息，改成"Agent 也能读" > > 帮企业做这件事这么多年，我的第一条建议总是很朴素：先别急着去接 Agent，先把你自己的服务信息，整理成它读得懂的样子。 > > 你的服务承诺，现在多半躺在官网文案、销售话术或合同 PDF 里——Agent 读不懂这些。 把它结构化成条目： > > | 字段 | 内容示例 | > |---|---| > | 服务等级 | 标准版 / 企业版，对应 SLA 时限 | > | 响应时限 | 工单首次响应 ≤ 2 小时，P1 故障 ≤ 30 分钟 | > | 授权边界 | 可自主执行的变更；必须人工确认的操作 | > | 异常处理 | 超时重试策略、失败回退路径 | > | 有效动作 | 出现异常时 Agent 应采取的下一步 | > > 在 Baklib 里，这就是「知识库 → 新建条目 → 用字段模板固化服务规则」。条目建好后，通过 API / MCP 把它开放出去，Agent 就能直接读到"你承诺了什么、边界在哪、出问题怎么走"。 > > 👉 一句话：能被机器读懂的服务，才可能被机器选中。
结语：把"客户是唯一假设"的假设，先改掉
大多数企业今天还没有为这个现实做好准备：它们的客户体验体系、服务设计、销售流程、品牌投入，全都建立在一个隐含假设上——客户是人。
这个假设正在悄悄失效，而失效的速度，比大多数管理者意识到的要快。企业需要学会同时服务两类客户：有情感、有故事、有人类记忆的客户，和有目标、有算法、有评分体系的客户。
下一篇：当 Agent 替人下单，生意怎么做？——B2A 时代的确定性生意。
本文为Baklib · Context 系列第 9 篇。Visa / Mastercard / Salesforce / Forrester 数据来源与年份见行文；各口径不同，不作合并结论。"机器客户已全面普及"不成立，本文所述为早期现实。
总结：过去所有的软件都是"执行器"——人做决定，软件执行。Agent 是第一种能自主设定子目标、在过程中自己作判断的软件。当它开始替人比价、评估、下单，它在商业意义上…
