本文共计 2,660 字，阅读需 6 分钟
其中 AfterShip CTO James Hong、技术副总裁 Winston He、数据副总裁 Loring Liu、数据总监 Harvey Pu、高级技术经理 Mai Yang 等技术管理者代表悉数受邀到场。
在此次盛会上，AfterShip 数据副总裁 Loring Liu 还发表了题为《AfterShip 如何构建 AI Agent 引擎，赋能国际 SaaS 高效协作》的重磅分享。
Loring 系统阐述了作为一家“非 AI 原生”的全球化企业，AfterShip 如何在面临数据孤岛、跨时区协作等多重挑战下，通过“平台先行，以点带面”的策略，建立强大的 AI Agent 基础设施与“人机共治”的组织协作文化，成功破解 SaaS 企业转型 AI 的密码。
# 全球化协作的“蜘蛛网”：国际 SaaS 企业的共同挑战
“我们从第一天起就是一家全球化的公司。” Loring 在演讲开场便指出了 AfterShip 的核心特征。
公司成立于 2012 年，拥有超过 450 名员工，遍布在美洲、欧洲、亚太区的 8 个全球办公室，是一家典型的 B2B 电商 SaaS 企业。
然而，这种全球化的布局也带来了一系列严峻的协作挑战。
Loring 展示了一张形象的“全球化协作挑战”图，AfterShip 采购了 100 多款全球顶级的 SaaS 工具，图中各种 SaaS 工具如 HubSpot、Jira、Gong、Slack 等盘根错节，清晰地揭示了企业内部协作的“痛点”。
他总结为三大核心问题：
工作流多且复杂：业务流程被上百个不同的 SaaS 平台切割，信息流转不畅。
数据孤岛严重：数据散落在自研平台、数据仓库和各类工具中，无法形成“单一事实来源（No single source of truth）”，导致决策困难。
多语言、多时区：产研团队在中国，客服团队在印度，销售、市场团队在北美和欧洲，时差和语言障碍导致沟通效率低下，一个简单问题，可能需要 2-3 天才能解决。
“这些挑战对于许多像我们一样，技术架构最初并非为 AI 设计的‘非 AI 原生’公司来说，是普遍存在的。” Loring 指出，这正是 AfterShip 探索 AI 赋能内部协作的起点。
# 破局之道：从“人治”到“人机共治”的 AI Agent 协作新范式
面对挑战，AfterShip 提出并践行了“从人治到共治”的 AI Agent 协作新范式。
Loring 解释道：“在这个模式中，人负责设计和定义核心工作流程，AI Agent 负责执行流程；AI Agent 负责提效，人负责决策和兜底。”
这一理念已在 AfterShip 内部取得了显著成效。
Loring 分享了一系列亮眼的数据：内部 AI Coding 的接受率高达 34%、AI 工具平均每周为销售人员节约了 300 分钟的获客准备时间、成功覆盖了 7 个核心工作流...
这些提效成果，证明了“人机共治”模式的巨大价值。
# 实践案例一：Support AI Agent，实现 40%+ 问题端到端解决
售后客服是 AfterShip AI Agent 落地的第一个切入点，直接解决了“客服团队流动性高、全球客户响应不及时、成本高昂”等明确痛点。
传统的 AI 客服基于简单的知识库问答，存在回复生硬、无法理解截图、不能执行实际操作等问题。
为解决这些问题，AfterShip 的技术团队构建了 Support AI Agent：
1、构建 AI Agent 友好知识库：整合产品文档与高质量历史对话，并采用混合召回策略提升准确率。
2、优化思考与拟人化：引入 ReACT Prompting 框架，提升 AI 的思考能力和对话的自然度。
3、赋能执行能力：将人工操作 API 化，通过 MCP 协议集成，让 AI 能真正端到端解决问题，如帮助客户完成配置。
4、引入多模态能力：采用多模态大语言模型（MLLM）以理解客户发送的截图问题
5、增强安全性：通过意图理解和规则检查，有效防止恶意攻击。
经过优化，全新的 Support AI Agent 效果显著：超过 40% 的客户问题由 AI 端到端解决，准确率达到 95% 以上，平均响应时间缩短至 10 秒，客户反馈评分高达 4.6 分以上（满分 5 分）。
Loring 强调：“成功落地客服 AI Agent，团队协作与组织流程再造，比技术实现本身更具挑战性。”
# 实践案例二：GTM Copilot，打破信息壁垒，提升洞察效率 70%
为了解决销售、客户成功（分布于北美/欧洲）与产品研发（分布于国内）之间的信息壁垒，AfterShip 开发了 GTM Copilot 工具。
该工具打通了 Gong（会议录音）、HubSpot（客户管理）等系统的数据孤岛，为所有 GTM（Go-to-Market）团队提供统一的数据驱动洞察。无论是客户痛点、赢单/丢单原因分析，还是续约风险评估，GTM Copilot 都能快速提供精准报告，将团队的洞察效率提升了 70% 以上。
# AI 基建与文化建设：驱动全员拥抱 AI
Loring 指出，所有应用的成功，都离不开坚实的 AI 基础设施和自上而下的文化建设 。
公司自 2021 年起便在 AI 领域持续投入，并在 ChatGPT 上线后，迅速启动 AIGC 基建，搭建了 AIGC Hub 和 AfterShip GPTs (AI Agent Platform) 。
该平台集成了从底层 MLOps 到 LLMOps 再到 AgentOps 的完整能力，让开发者可以便捷地调用模型、数据和工具，极大地降低了 AI 应用的开发门槛 。
AI 文化建设也极为重要。AfterShip 通过举办 AIGC Hackathon、技术论坛，以及内部发布《AIGC行业动态月报》等方式，在公司内部全面布道AI，提升全员认知 。Loring 自豪地表示：“我们通过平台，成功在内部催生了167名‘AI 开发者’，他们已经自发创建了 244 个 AI 应用，每月调用量超过 20 万次。”
# AI Agent 实践总结：AfterShip 的两大核心心法
在演讲的最后，Loring 分享了 AfterShip 总结了两点核心，为所有致力于 AI 转型的企业提供了宝贵的行动指南。
一、技术与应用实践：平台先行，以点带面
Loring 强调，AfterShip 拥抱 AI 的核心策略是“平台先行，以点带面”。
首先，要让企业自身做到 “AI Ready”，提前对平台、文档、语义乃至 API 进行面向 AI 的准备和改造，从而主动拥抱大模型时代。在具体的落地应用上，则优先选择“痛点明确、方案成熟”的场景作为切入点，快速验证价值。
他进一步指出，企业必须紧跟 从传统 AI 到 LLM 再到 AI Agent 的技术演进趋势，并引用了“不要站在大模型的必经之路上”这一深刻洞见，提醒企业应时刻持续关注 AI 领域的快速变化，结合自身的业务定位和数据壁垒，持续激发应用创新和研发。
二、文化与组织实践：降低门槛，全员 AI
在组织层面，Loring 认为推动 AI 成功的关键在于“降低门槛，全员 AI”。
AfterShip 通过引入低代码平台（如 dify）和标准化框架（如 LangChain），极大地降低了 AI 的使用门槛，让非技术背景的员工也能参与到 AI 应用的创建中。
他同时指出，公司内部持续的 AI 布道，是提升全员认知、建立信任的关键。最后，Loring 将 AI 战略上升到了一个新的高度，他总结道：“用好 AI，是一把手工程。” 最高管理层自己是否是超级 AI 使用者，本身是否足够支持与推动，是企业 AI 转型能否成功的决定性因素。
# 关于 AfterShip（aftership.com）
AfterShip 成立于 2012 年，是全球领先的国际电商 SaaS 平台。作为一家技术驱动的科技公司，AfterShip 始终致力于通过自动化和 AI 技术，构建最好的自动化平台，帮助全球电商商家成功。公司于 2021 年获得老虎环球基金领投，高瓴创投跟投的 6600 万美元 B 轮融资，拥有超过 450 名员工，并在全球设有 8 个办公室。
AfterShip 推出了 all-in-one 的一体化电商解决方案 AfterShip One，覆盖了全球零售品牌从订单包裹查询、商品退换货、AI 商品推荐、邮件营销等诸多售后及售前环节，服务了全球超过两万家付费电商客户，其中不乏 Samsung、Gymshark、Watsons等知名品牌。
