一个软件工程师的AI创业之路
2025年秋天，一位写了十年企业软件的工程师做了一个让周围人不太理解的决定：停止接外包项目，全身心投入AI产品的研发。"当时很多朋友劝我，说企业软件这行做外包挺稳的，没必要冒这个险。"他回忆道。六年后的今天，他创立的宝软数字已经拥有35个自主开发的AI Agent，服务超过200家企业客户，产品线覆盖智能客服、自动化流程、数据分析和企业知识管理四大领域。
这是一条从代码执行者到产品创造者的转型之路，也是一段中国B2B SaaS创业者从零到一的真实记录。在本次专访中，创始人坦诚分享了创业过程中的三次关键转折、对AI行业趋势的判断，以及那些不为人知的至暗时刻。
一、起点：一个写了十年代码的工程师
创始人的编程生涯始于大学机房里的那台老式台式机。"我学的是计算机科学，但从大二开始就在外面接活做了。"从最早的企业官网开发，到后来的ERP系统定制，再到移动互联网时代的微信生态开发，他几乎把企业软件的每一个细分领域都摸了一遍。
到了2019年，他已经是一个能独立交付完整企业系统的全栈工程师，手上的客户横跨制造、零售、教育、医疗等多个行业。"那段时间我写了不下百万行代码，但有一天我突然意识到一个问题：我写的这些系统，本质上都是在做同样的事情——把业务流程数字化。"
他观察到，绝大多数中小企业的数字化需求高度相似：客户管理、订单追踪、库存盘点、财务报表、员工考勤。这些需求换个行业、换家企业，核心逻辑几乎没有变化，但每次都要从头开发。"这就好比每家餐馆都要自己砌灶台、自己挖水井——明明应该是公共基础设施的东西，却在被反复重新发明。"
这个认知成为他后来创业的底层逻辑：与其为每一家企业定制软件，不如做一套通用的、AI驱动的企业数字化底座，让企业按需装配。
二、第一次转折：从外包到产品
2025年的那次决定并非一时冲动。在此之前，他已经花了两年时间在业余时间研究机器学习和自然语言处理。"我不是AI科班出身，所有东西都是自学的。看论文、读源码、跑实验——那两年我的周末和假期基本都搭进去了。"
真正的转折点发生在为一个老客户做客服系统的时候。客户是一家连锁零售企业，每天有上千条客户咨询，客服团队超过30人。创始人给他们做了一个基于关键词匹配的自动回复系统，效果还不错——但客户提了一个让他睡不着觉的问题："能不能让机器真的理解客户在说什么，而不只是匹配关键词？"
"这个问题像一颗种子。我开始意识到，过去十年我做的所有系统，其实都只是在对数据进行增删改查。真正的价值不在于管理数据，而在于理解数据。"——创始人
2025年初，他以那套客服系统为基础，开发了第一个真正意义上的AI Agent——一个能理解上下文、自主判断意图、并调用多个业务系统的智能客服。这个产品后来成为宝软数字的起点。"第一个版本很粗糙，但客户反馈出乎意料地好。他们告诉我，这个系统不只是省了人力，更重要的是——它让客户的等待时间从几分钟变成了几秒钟。"
二、第二次转折：从单点到平台
智能客服的成功给了团队信心，但也带来了新的焦虑。"一个产品很容易被复制。如果我们的壁垒只是一个客服机器人，那大厂花三个月就能做一个出来。"创始人很清楚，在AI赛道上，单点突破远远不够。
2025年，团队做出了第二个关键决策：将智能客服背后的Agent架构抽象为通用平台。这意味着不再局限于客服场景，而是让同一个Agent框架能够适配销售、财务、人事、运营等不同业务领域。
这个决策的技术难度远超预期。"Agent不是简单的if-else逻辑。一个合格的AI Agent需要具备四项核心能力：理解用户意图、制定执行计划、调用外部工具、并根据结果自我修正。"团队花了将近一年时间打磨这套框架，期间经历了三次大的架构重构。
到2025年中，EIOS平台（Enterprise Intelligent Operating System）的初版终于上线。它不是一个单一产品，而是一个可编排的Agent生态系统——企业可以根据自身需求，选择不同的Agent组合，像搭积木一样构建自己的数字化运营体系。
三、第三次转折：从技术驱动到客户驱动
技术出身的创始人，在创业初期不自觉地陷入了"工程师思维"的陷阱。"我们做了一堆很酷的功能，自认为很厉害，但客户根本不买账。"他坦言，2025年下半年是创业以来最艰难的一段时期——产品功能很多，但真正的付费客户数量增长缓慢。
转折来自一次客户拜访。一位制造业老板直截了当地告诉他："你们讲的什么Agent、什么编排、什么语义理解，我一句都听不懂。我只想知道，这东西能不能帮我把仓库的盘点时间从三天缩短到三小时？"
"那次谈话让我彻底清醒了。客户不关心你的技术有多牛，他只关心一个问题：用了你的产品，我的生意能变得更好吗？这不是技术问题，这是价值观问题。"
从那以后，团队调整了产品策略：所有新功能必须从一个真实的客户痛点出发，必须有可量化的业务指标作为成功标准。这个转变立竿见影——产品变得更聚焦，销售话术变得更清晰，客户的决策周期从平均三个月缩短到了三周。
四、35个Agent的诞生：从实践到体系
到2026年，宝软数字已经构建了覆盖企业全价值链的35个AI Agent。这些Agent不是凭空设计的，而是从数百个客户项目中逐步抽象出来的。每一个Agent背后，都有一个或多个真实的业务场景。
他举了几个例子：客户意图识别Agent来自零售行业的客服需求，合同审核Agent来自法律咨询行业的文档处理需求，库存预测Agent来自制造行业的供应链优化需求。"我们做了一个重要的架构选择：每个Agent都是独立部署、独立升级的微服务。这样客户可以按需选择，不会为不需要的功能买单。"
35个Agent被分为四大类别：客户交互类（9个）、流程自动化类（11个）、数据分析类（8个）、知识管理类（7个）。它们通过统一的消息总线协作，既可以独立运行，也可以编排成复杂的自动化工作流。
"我们刻意避免做一个'万能Agent'。我们认为，未来的企业AI不是一个大一统的超级模型，而是众多专业Agent的协同网络。每个Agent做好自己擅长的事，通过标准协议互相配合——这更像是一个组织，而不是一个工具。"
五、对AI行业的思考：泡沫、落地与未来
谈到当前AI行业的热潮，创始人的态度出奇冷静。"现在市场上充斥着各种宏大叙事——AGI、超级智能、AI替代人类。但回到企业服务的现实，大多数中小企业连基础的数字化都没做完。他们需要的不是科幻电影里的AI，而是一个能把报销流程从五天缩短到半天的工具。"
他认为，AI行业的真正机会不在"替代人类"，而在"增强人类"。"一个会计用了我们的财务Agent，她的工作不是被替代了，而是被升级了——从录入数据和核对数字，变成了分析财务数据和提供经营建议。这是从蓝领到白领的跃迁。"
对于未来三年的规划，他给出了一个清晰的方向：继续深化垂直行业的Agent能力，尤其是在制造业、零售业和专业服务业；同时探索Agent的国际化——让中国的AI Agent服务于全球的中小企业。"中国有全世界最丰富的中小企业数字化场景，这些场景中积累的经验，放到东南亚、中东、非洲同样有价值。这是一个巨大的蓝海。"
采访的结尾，他分享了一个细节："前几天，一位三年前第一个付费客户给我发消息说，你们的系统帮他省下了每年40万的人力成本。那一刻我觉得，这六年所有的熬夜和焦虑都值了。"