6月11日，税友股份Agent新品发布会，现场讲了很多产品、技术和市场空间，真正让我感兴趣的，是两个具体的数字。
一个是93.56%，公司披露的财税数智员工综合准确率。另一个是1比460，即1元Token成本对应460元业务产出。
前者触及企业采用AI的底线，后者指向AI应用的商业价值。放在一起看，它们呈现出当前产业AI最值得关注的变化，大模型能力仍在进步，但应用竞争已经深入业务流程、工程体系和结果交付。
从一个Agent到一组Agent
税友此次发布的Agentic 2.0，核心升级是A2A协同。此前的AI开票员、AI会计主要完成单点任务，现在则由多个Agent围绕票、账、税、合规和经营分析共同工作。
这类变化在财税场景中很有代表性。
开票和记账可以拆成相对标准的任务，合规与经营分析却需要理解企业所属行业、交易结构、成本票据和政策变化。单个Agent可以完成动作，很难独立承担完整结果。多Agent协同后，AI顾问提供行业和客户信息，AI会计执行核算，合规Agent进行风险检查，任务调度Agent负责串联流程。
AI应用由此进入组织内部。衡量标准也从能否生成答案，转向能否持续交付一项可追踪、可复核的业务结果。
税友披露，相关数智员工已累计服务超过4000家机构和46.75万家中小企业，开具发票192万张。上述数据至少说明，垂直Agent已经有了真实业务。
企业级AI，工程比模型更接近价值
发布会上反复出现了一个词，Harness。
它可以理解为大模型之外的一整套驾驭系统，包括知识供给、上下文管理、工具调用、任务编排、链路追踪、效果评估和安全治理。财税业务有明确规则，也有很高的出错成本。模型回答得像不像人并不重要，关键是每一步从哪里取数、依据什么规则、调用什么系统，以及出现错误后能否追溯。
这也是产业AI与通用聊天产品拉开距离的地方。
税友管理层提到，财税底层的大量数据处理仍由传统计算完成，大模型更多用于规则生成、任务调度和前端交互。这个思路相对务实。确定性计算交给成熟系统，语义理解和复杂协同交给模型，可以控制Token成本，也能减少模型幻觉直接进入账务结果。
当然，93.56%的综合准确率距离财税业务所要求的可靠性仍有空间。
多Agent协同还会放大链路复杂度，一个环节的错误可能继续传递。因此，人工审核、责任划分和审计机制依然是产品落地的组成部分。
企业级AI的进展，不能只看自动化比例，还要看错误由谁发现、由谁承担、能否及时纠正。
AI开始改变SaaS的定价逻辑
传统财税SaaS主要按账号和使用期限收费，价格受软件竞争和客户预算约束。Agent进入交付环节后，厂商开始尝试按节省的人力和新增业务价值定价。
税友给出的路径分为三层。基础账侧重提效，合规账处理风险与税务合规，经营账进一步提供经营分析。越靠近业务结果，客单价越高。公司还计划通过面向企业主的财赢会员，穿透代账机构触达终端客户，基础会员价格约为每年980元。
这套模式能否跑通，取决于终端客户是否愿意持续付费。
公司披露，部分试点区域的会员转化率从2023年的约7%提升至接近30%，上海区域续费率超过70%。这些数据来自特定门店与区域，样本选择、销售方式和服务投入都会影响结果，后续更需要观察规模扩大后的续费率、获客成本和交付毛利。
最难复制的仍是组织
发布会里还有一个容易被忽略的细节。
税友通过联营云门店测试产品，管理层也承认，门店扩张过快后，店长能力开始成为约束。
这说明AI落地很少是软件安装完成就结束。流程要重构，岗位要重新分工，客户沟通和收费方式也要调整。税友拥有财税数据、行业知识、存量客户和自营试验场，这些资产可以缩短验证周期。它们能否沉淀为跨区域、跨门店的标准能力，仍需更长时间检验。
从这个角度看，税友发布会提供了一个观察产业AI的样本。模型正在变成基础设施，真正决定应用价值的，是企业能否把数据、知识、工具、流程和商业渠道接进同一条链路。
一张税票很小，却足够具体。AI只有进入这样的具体流程，经得起准确率、成本和责任的反复核验，才算真正进入产业。
Comments