AI客服不该像机器人：Sierra创始人谈“更聪明的AI代理”

Sierra联合创始人Clay Bavor分享了他在构建客户服务型AI Agent过程中的关键洞见：真正解决AI问题的方法，往往是“更多的AI”。从Google 18年的经验到再次创业，他解释了为什么未来的AI代理会更可靠、更令人愉悦，以及这背后的工程与认知架构逻辑。

为什么“更多的AI”反而能解决AI的问题

这次对谈中最反直觉、也最有价值的洞见之一，来自Clay Bavor对大语言模型能力边界的观察。他提到，在过去一年半的实践中，一个重要学习是：“many problems with AI is more AI。”直觉上，人们会认为AI犯错时应该用规则或人工兜底，但现实恰恰相反。

Clay指出，大语言模型一个非常独特的性质在于：它们“更擅长发现自己输出中的错误，而不是一开始就完全避免错误”。这意味着，与其追求一次性完美回答，不如设计一个由多个模型或多步推理组成的系统，让AI去审查、修正、补充自己的结果。这种思路直接影响了Sierra在构建客户服务AI Agent时的整体架构，也解释了为什么单一模型往往不够可靠。

这一判断的重要性在于，它把问题从‘模型够不够强’转向了‘系统设计是否合理’，为企业级AI落地提供了更现实的路径。

从Google到Sierra：一次并非偶然的再次创业

Clay Bavor并不是第一次站在技术浪潮的前沿。在创立Sierra之前，他在Google工作了18年，先后负责并创立了Google Labs，领导过AR/VR等多个前瞻性项目。这些经历让他对“技术什么时候真的对用户有价值”有着极强的敏感度。

在节目中主持人介绍到，Sierra是Clay与老朋友Britt Taylor共同创立的公司，其目标非常明确：让每一家企业都能通过AI Agent提升客户体验。这里的关键词不是“自动化”，而是“体验”。Clay反复强调，他们不是要做一个更便宜的客服系统，而是要做一个让用户愿意再次使用的智能代理。

这种价值取向，与他在Google时期推动实验性项目的经历高度一致——技术必须转化为真实、可感知的用户收益，否则就只是演示。

Agent OS：让AI代理更可靠的工程答案

当对话深入到技术层面时，Clay谈到了“Agent OS”这一概念。这并不是一个具体产品名称，而是一种构建AI Agent的系统性方法：通过框架、认知架构以及多层控制机制，让代理在复杂任务中表现得更稳定。

他提到，近期的一些研究（例如围绕代理评测和基准的工作）正在帮助行业理解：哪些能力可以交给模型，哪些必须通过工程方式来约束。这也是为什么，构建一个可靠的AI Agent，本质上既是模型问题，也是工程问题。

在回答“这到底有多少是工程工作”时，Clay的态度很明确：这是一个持续的、周复一周的工程投入过程，而不是一次性训练更大模型就能解决的事情。

真正的指标：用户是否觉得‘更愉快’

相比技术炫技，Clay更在意一个看似主观却极其重要的指标：用户是否觉得和AI交互是“delightful”。他认为，当AI代理真正成熟时，用户会自然意识到：“哦，我的问题解决得更快了。”

这种体验的变化，最终会反映在商业结果上，包括客户留存和收入增长。但在Sierra的语境中，商业成功是结果，而不是起点。他们甚至在商业模式上强调：客户“只为真正被解决的问题付费”，这倒逼AI代理必须有效，而不是只会对话。

这也解释了为什么Sierra把大量精力放在客户面对面的场景中——那是AI所有缺点都会被立刻放大的地方。

总结

这次对谈展示了一种少见的务实视角：AI Agent的未来，不取决于单一模型多强，而取决于系统如何设计、错误如何被发现和修正。Clay Bavor用他在Google和Sierra的连续经验提醒我们，真正优秀的AI，不是更像人，而是更可靠、更高效、也更让人愿意再次使用。这对所有试图把AI推向真实用户场景的团队，都是一次重要的校准。

关键词： AI Agent， 大语言模型， 客户服务AI， Sierra， Google

事实核查备注： Clay Bavor：Sierra联合创始人；曾在Google工作18年；创立并领导Google Labs；视频中明确观点：‘many problems with AI is more AI’；Sierra目标：通过AI Agent提升客户体验；话题涉及Agent OS、AI代理工程、用户体验；频道：Sequoia AI Ascent；发布时间：2024-08-27