千万家小店的柜台前，豆包工作正在悄悄上岗

文 | 周天

一项技术真正成熟，是它从被人惊叹，悄悄变成被人日常使用。

做了二十年财经报道，我习惯从报表里辨认一家公司的处境。可真正坐到一家线下门店的吧台后面，我才发现，经营一家店要面对的，是另一套更琐碎、也更迫切的语言。

这中间有个耐人寻味的反差。

这几年，生成式AI的用户已经超过7亿，人人都在和它聊天，可真正把它请进经营核心环节的小商家，寥寥无几。

这道横在技术与生意之间的坎究竟卡在哪，我是在自己开店之后，才慢慢看清的。

今年十月，我们财经无忌在南京新街口投资的OPG电竞公园试营业。我们是做媒体出身，团队里没有专职运营，取数、对账、投放、复盘，都得从头学起。

也正是在这家店里，豆包工作接入三款官方经营插件，让我第一次看到，那道坎是怎么一步步迈过去的。

1、从一家电竞公园，到千万家门店的共同处境

开店最先遇到的难题，不是没有数据，而是看不懂、用不上数据。

刚开业那阵，想看明白一天的生意，要在douyin来客和生意经之间分别登录、导出再拼接，一个上午常常就耗在这些重复动作里。光是把数字找齐，就耗掉大半精力，往往来不及再追问它们为什么变化。

一款周末套餐的经历，让这种困境变得具体。

我们的周末套餐上线没几天，退款就多了起来。我让豆包工作顺着成交、核销、退款和评价一项项往下查，查来查去，问题出在预约规则上——客人下单时没看清时间限制，到了店里用不上，差评也就跟着来了。

放在过去，要这样定位一个问题，需要老练的运营把数据、商品、评价反复比对。现在两三分钟、几句话，一份复盘报告就生成了，问题和改法分开写，店长开会照着逐条过。

投放侧的感受类似。

店里一条巨量引擎计划的点击率、转化成本、核销情况，过去散落在后台不同页面，如今在一个对话里集中呈现，系统还能给出加预算或继续观察的建议。

这些看似轻松的问答背后，是两种都曾稀缺的东西——时间和经验。

像我们这样没有专职运营的新店，两样都缺：取数、拼表、对账要花的时间，以及从数据里辨认问题、判断方向需要的经验。

这样的处境，远不止我们一家。

douyin生活服务上有生意在跑的门店超过1519万家，绝大多数没有专门的数据岗位，老板往往同时是采购、店长、客服和投放负责人。

同口径复盘、跨门店对比、按数据及时调整，长期是连锁巨头的日常，落到街巷小店便成了奢侈，后者更多依靠经验、直觉，以及守店养成的敏感。

他们并非没有数据。手机里的订单、核销、评价和投放记录，早已把经营过程一步步数字化，真正缺的，是处理这些数据的时间，以及把数据翻译成经营动作的人。

这也解释了开头那个反差。

中国互联网络信息中心的数据显示，生成式AI用户已超过7亿，赛迪智库和网商银行今年6月的调研却显示，小商家把AI用于经营决策、数据分析等核心环节的比例仍然不高。

因为会聊天、会写文案，和让AI进门看懂一门生意，从来不是一回事。

2、从一个问题，到一件做完的事

那么，这道坎这次是怎么迈过去的，答案藏在豆包工作的产品属性里。

它是豆包面向生产力场景推出的Agent，今年8月问世。对门店经营者来说，它和通用问答助手的差别，可以归结为一句话：你得到的是一条建议，还是一项已经向前推进的工作。

通用大模型长期有一个根本局限，它游离在企业真实业务系统之外，回答基于公开知识而非企业自有数据，擅长解释普遍规律，却答不了“我这家店此刻该怎么办”。

豆包工作要解开的，正是这个死结。

这一切的前提是授权。账户登录、权限确认之后，它才能读到门店的成交、曝光和投放数据，数据的主动权始终在商家手里，而它分析的，也都是这家店真实的经营记录，不是凭空推测。

如果说授权解决的是“看得见”，工具调用解决的就是“做得到”。

豆包工作这次接入的关键，不是多放几个入口，而是把原本分散的环节接成一条任务链：生意经和douyin来客连接经营数据，本地推连接投放场景，豆包工作负责理解问题、组织步骤、调用工具并整理结果。

授权之后，它能调动数百个工具，进行持续盯盘，并在部分场景中直接创建广告、调整投放。AI的角色由此从提供认知和建议，延伸到行动本身，理解、判断与执行被打通，这正是Agent区别于传统聊天机器人的核心。

人的角色也随之变化。不再反复充当数据和页面之间的搬运工，而是回到问题本身，判断原因是否成立、建议是否值得采纳、资源该投向哪里。

再往深一层，分析结果能同步到飞书文档和多维表格，意义不止于便捷。它让原本停留在个人经验里的一次性判断，沉淀为团队可共享、跨周期接续的组织资产，小店的经营智慧第一次能被积累和复用。

放在商业史的尺度看，新工具能否立住，从来不是因为功能繁多，而是因为它重新组织了人们工作的方式。

当模型已足够丰富，真正稀缺的，是把通用智能接进真实业务、让认知转化为行动的能力。

3、能力与场景结合，AI落进真实生意

豆包工作接进本地生活，在我们看来，几方关系都发生了变化，而这些变化，恰好回应了开头那道坎。

这件事里，没有谁是单方面的受益者。

商家这边，过去要熟悉复杂后台才能完成的动作，如今在对话里就能交代清楚，工具的门槛降了下来。而生意经、本地推这些平台早已备好的工具，也多了一种更自然的用法，不必再一层层翻找。

对豆包工作而言，它真正需要的，恰恰是这样一个高频、具体、能拿真实经营结果来检验的场景——在这里，它不再是一个陪人聊天的助手，而是开始干一件具体的活。

中国信息通信研究院今年的《企业级智能体技术与应用研究报告》也印证了这一点：智能体通过标准化接口对接企业核心业务系统，打破数据与流程的孤岛。大模型负责认知、Agent负责决策、执行层负责动手，这个共识正在本地生活商家身上先一步落地。

当然，豆包工作能把这件事干成，靠的并不只是一个产品，而是字节整个体系在AI上的多年投入。

自研大模型与算力打底，飞书、火山引擎彼此协同，再加上海量用户和商家持续使用、不断反馈，模型才得以在真实场景里，慢慢学会听懂一门生意。

回过头来看，大模型的故事讲了两年，喧嚣之后，它究竟能帮谁、解决什么真问题？

对我们这家电竞公园而言，答案不在宏大概念里，而在几个能验证的变化上：重复的取数对账是否少了，经营问题是否更早被发现，投放决策是否更有依据，下一次复盘能否接续上一次。

这大概就是AI带来的普世红利吧。