让每位员工都能搭建AI智能体，已经成为最常见的创业方向之一，但真正把这一想法推向大规模生产应用的公司并不多。Shopify、Gusto和Instacart都在使用的智能体搭建平台Gumloop，就是其中之一。从它的发展路径来看，能否拿下大企业客户，关键或许不在于模型本身的能力，而在于两项设计选择：把智能体放进员工日常使用的工具里，并让IT团队牢牢掌控安全、数据访问和成本。
从节点编辑器到自主智能体
Gumloop申请Y Combinator 2024年冬季批次时，公司名叫Agent Hub。当时AI智能体这一概念尚未普及，一些人误以为它是一家房地产中介。
最初的产品并不是智能体，而是一款工作流自动化工具。用户在可视化编辑器中把节点连接起来，逐一写出每个步骤的逻辑。那时的语言模型还不够可靠，无法独立完成整项任务，因此团队只让AI在固定、可预测的工作流中承担很窄的环节。这样既保证了结果可靠，也压低了成本。
随着模型在推理和遵循指令方面不断进步，团队在同一个搭建器中加入了智能体功能。由于智能体可以自行推进任务，用户不必再逐一配置每个中间步骤。此后，采用率和使用量迅速攀升。可以说，Gumloop先推出当时技术能够支撑的产品，等模型跟上后再把产品提升一个台阶。
如今，用户通过聊天式界面创建智能体，并从预置连接器库中选择要接入的办公应用。智能体可以部署到团队日常沟通所用的Slack或Microsoft Teams中。面向工程团队，Gumloop提供SDK、REST API，以及通过Model Context Protocol服务器开放的数百项集成。MCP是AI系统访问外部工具和数据的一种标准方式。
为何从个人用户转向企业
早期增长来自独立开发者、个人程序员和热衷提升效率的用户。一个早期案例是把长达2小时的Dungeons & Dragons游戏过程转写成文字并加以总结，再把记录通过邮件发给每位玩家。这类用法虽然新颖，但经济价值有限，也难以标准化。
转折点是澳大利亚一家健康科技公司。该公司用Gumloop把复杂的研究流程自动化，收集杂乱的网络数据并整理成规范的数据库。这表明，对于能消除高成本运营瓶颈的工具，企业愿意支付高得多的费用。第一年里，CEO进行了约1,100次客户发掘和上手引导通话，借每一次通话检验哪些功能最能打动企业用户。
第一个标杆客户Instacart并非来自销售攻势。一位热情的员工开始在公司内部的Slack频道推广Gumloop，发起培训讨论串，并向同事展示实际运行的自动化流程。使用范围随之扩展到多个部门。Gumloop后来聘用了这名员工，而他又向创始人讲解了大企业的采购和销售是如何运作的。
Shopify则是经由Instacart一位相关人士的推荐而来。Shopify在同一周试用了多款自动化工具，观察哪一款在公司内部传播得最自然，随后在一夜之间向4,000至8,000名员工开放了Gumloop。数千人在没有手把手指导的情况下各自搭建了自动化流程，这证明产品可以独立被用起来。Shopify后来还投资了这家公司。
▲ 口碑带动的公司内部推广
大企业真正提出的要求
面向大型上市公司销售时，需求会远远超出自动化功能本身。Gumloop不得不构建以下功能。
| 要求 | 作用 |
|---|---|
| 基于角色的访问控制 | 按岗位限制可用的功能和数据 |
| SAML单点登录 | 员工用一个公司账号即可登录 |
| SCIM账号配置 | 自动创建和删除用户账号 |
| 审计日志 | 记录谁执行了什么操作，并发送到公司的数据湖 |
| 私有云托管 | 在客户自己的云环境中运行平台 |
| 自有API密钥 | 接入客户自己签约的模型 |
客户还要求细粒度的隔离，例如只允许外部承包人员使用特定功能。起初，开发这些专门用来关闭强大功能的管控机制让工程师颇感沮丧，但事实证明，这是企业采用的前提条件。
即便是浏览器自动化这样听起来简单的功能，底层也需要一整套治理体系。IT管理员必须能够审批智能体可以访问的网站，拦截未经允许的操作，并回看发生了什么。Gumloop为此开发了会话回放功能，管理员既可以查看单次运行，也可以从成本和安全角度审计5,000个并行会话。
不只看能力，更要为使用而设计
据创始人介绍，推动员工采用的最大突破口，是把智能体放在人们已经在工作的地方。每次跳转到另一个门户，都会增加阻力。当同岗位的同事在公开的Slack频道里向智能体提问时，其他人看在眼里，也会自然养成同样的习惯。
面对开放式搭建器时不知从何下手的“空白画布”问题，Gumloop用模板和工作坊来解决。公司当时只有三个模板，一位Y Combinator合伙人建议创始人至少做出一百个。如今，Gumloop拥有大型模板库和按场景划分的用例页面。在与客户团队开展的工作坊中，只要问一句“如果有一根魔杖，你会把什么自动化”，往往就能一次收集到几十个想法。
定价也朝着同一方向调整：
- Gumloop起步时推出了每月$20和$40两档套餐，参照的是ChatGPT Plus这类消费级工具。
- 意识到企业获得的价值远高于此后，公司在Y Combinator批次期间三次把价格翻倍。
- 经过一段按点数计费的阶段后，公司改为成本加成定价：令牌、算力和第三方API按成本计费，另收一笔编排费。
创始人认为，按席位收费会妨碍推广，因为管理者会开始限量分配席位，员工也会对试用心存犹豫。他们表示，公开透明地转嫁成本，会让Gumloop看起来像Vercel和Cloudflare那样的基础设施，而不是隐藏利润的软件供应商。
模型选择与成本控制
Gumloop支持Claude、OpenAI的模型、Amazon Bedrock以及企业自有的模型网关，客户只需点击一次即可切换模型。公司把自己定位为像瑞士一样中立的平台。与此相配套的是它所说的“agentic sovereignty”理念：企业应当在自己的私有云中掌握数据库、执行轨迹、凭证和集成逻辑，这样就不会被单一模型提供商锁定。创始人预计，模型实验室会不断推出与自身API客户竞争的应用，在他们看来，这让这种所有权变得更加重要。
模型选择同样是成本问题。为董事会材料搭建增长模型这类高风险任务，需要最新的前沿模型，也就是当下能力最强的顶级模型。而每小时运行80,000次的客服分流工作流，则需要小而便宜的模型。根据Gumloop的经验，如果放任员工自行选择，几乎所有任务都会被交给最贵的模型，因此管理员需要集中管控哪些团队和任务可以使用哪些模型。
▲ 按任务分配大小模型
兴趣自下而上，推广由IT主导
企业内部的兴趣通常始于某位在X或LinkedIn上发现Gumloop的员工。但如果没有IT参与，这股势头就会停滞。在IT配置好API密钥、数据库访问权限和单点登录之前，试点无法接入真实的公司工具。一旦IT负责人意识到Gumloop能把分散的AI订阅整合到一个合规、可审计的中心平台上，他们往往会成为内部最有力的推动者。在一位客户的试点中，一支小型销售团队在短短一周内创造的销售管道收入，是此前三个月总和的三倍。这只是一家公司的结果，并非普遍情况。
领导层的态度同样重要。在Shopify这样积极拥抱AI的公司，高管很快就扫清了障碍。而在欧洲一家大型健康科技公司，组织僵化和IT部门的抵触拖慢了部署。
Gumloop向高管推介时只围绕一个观点：每天执行某项工作流程的人，最应该亲自把它自动化。它想要取代的是一种常见模式：市场运营团队花几周时间撰写需求说明，交给工程师或昂贵的外部顾问，最后拿回一条只完成了一半的流程。
让小团队像大团队一样运转
Gumloop用自己的产品来运营公司。内部的数据智能体连接着公司所有数据源，员工只需在Slack中提问，无需数据分析师，约20分钟就能得到跨多个数据库的复杂答案。销售准备、客户用量激增或骤降的提醒，以及每两周开办一次的培训课程的各项事务，都已实现自动化。8人组成的核心工程团队把耗时较长的任务和测试交给智能体处理，据创始人介绍，每位工程师的产出相当于约5人，合计相当于40人。
创始人曾发文表示，希望公司一直保持10人规模、估值$10亿。Gumloop完成A轮融资时，团队只有两位联合创始人和两名实习生。企业销售带来了大量支持、安全和集成工作，公司如今已有45至50人。作为替代，公司把客户是否以为它有250至300名员工作为衡量效率的标准。创始人表示，目前最主要的制约是品牌知名度，而不是模型质量，其次是应对数百项待处理功能需求的工程能力。
在融资方面，他们发现现场演示的说服力约为路演材料的100倍，因为如今几乎每家初创公司都声称能把工作自动化。种子轮之后，由Nexus和Benchmark领投的几轮融资都是对方主动抢先提出的，没有经过正式的路演材料和融资流程。
给开发者和采购方的要点
Gumloop的成长经验可以归纳为一份简短的清单：
- 模型尚不成熟时，用固定的工作流赢得信任，再随着模型进步扩展到智能体。
- 如果面向企业销售，要把访问控制、单点登录、用户账号配置、审计日志和私有化托管当作核心功能。
- 把智能体放进员工已经在用的工具中，让同事在共享频道里看到彼此如何使用智能体。
- 提供大量模板，并开办工作坊，询问团队想把什么自动化。
- 与IT一起启动试点，先解决权限和数据访问问题，并规定哪些团队可以使用哪些模型。
- 保留切换模型的能力，并掌握智能体相关数据的所有权，避免被任何单一提供商锁定。
如果你的公司正在评估智能体平台，比起它运行哪款模型，或许更应该先问两个问题：最贴近业务的人能否自己搭建智能体？IT能否管控这些智能体的行为？