北京
大多数关于"零人工营销"的预测，都跳过了最难的那一步。没人应该因为一场供应商演示看起来不错，就把整套系统的钥匙交出去。自主权是挣来的，不是授予的——一次一个层级，用护栏证明系统配得上更多控制权。
这个判断来自一位长期操盘增长引擎的实践者。他在2020年由O'Reilly出版的《Lean AI》中提出过一个简单论点：善用自动化的小团队，可以击败预算大得多的对手。此后他跑过或顾问过的几乎每一个增长引擎，都撞上了同一堵墙。不是预算，不是工具，而是人的延迟。
一场活动卡在审核上。一次预算调整要等月度会议。周二跑完的创意测试，没人读到结果，直到下一周。行业给出的主流答案是"副驾驶"——给每个营销人配一个AI助手，让他们跑得更快。这有用，但它同时把系统里最慢的那一环，继续留在正中央。
自主权阶梯，多了一级
更大的转变正在到来。在未来十年内，许多公司的营销职能将以接近零人工执行的方式运转。CMO不再管理一支专家团队，而是管理系统本身。
在《Lean AI》中，作者把自动驾驶汽车的SAE自主权分级，改编成了营销系统的分级。从Level 0到Level 5，分别是：无自动化、推荐自动化、基于规则的自动化、计算自主、洞察自主、完全自主。原始分级停在Level 5——单个系统自己跑测试、创意和定向，营销团队不插手。
但Level 5的系统基本还是各干各的。付费获客闭环能自我优化，可它如何与其它环节协作，仍由人来决定。于是有了新增的Level 6：协同自主。负责分配、内容、发现和归因的自主系统共享上下文、交接工作，并直接相互协调。
底层管道其实已经在了，只是很少有公司把它接通。Model Context Protocol（MCP，模型上下文协议）把智能体连接到工具和数据；Agent2Agent（A2A）协议让不同厂商的智能体交换任务和上下文。两者都跑在JSON-RPC 2.0之上，意味着智能体可以像软件服务那样来回传递结构化请求。
麦肯锡在《The agentic organization》一文中给这层架构起了名字。Alexander Sukharevsky、Lari Hämäläinen及其同事描述了一个"agentic AI mesh"（智能体AI网格），智能体间的协议让跨系统集成变得更便宜、更容易。网格是基础设施，真正要回答的是它上面的运营问题：系统的每一部分，应该被允许自己决定多少事？
Level 6的营销长什么样
今天一场增长计划的路径是：CMO定战略，VP做规划，团队开会，内容创作，活动搭建，人工审核，优化。到了Level 6，路径变成：CMO设定意图和护栏，智能体在持续循环中规划、搭建、上线、度量并重新分配，人只处理例外。
团队不再按专业分工，而是四类智能体跑在同一份数据上：
- 分配智能体盯着竞争对手、搜索可见度和渠道表现，不等季度评审就挪动预算，其中也包括AI答案里的可见度，而不只是传统搜索排名。
- 内容智能体生成变体、测试它们，并依据实时结果淘汰输家，而不是等两周的报告周期。
- 发现智能体处理漏斗顶端的对话，直接收集客户告诉你的信息，并实时筛选线索。
- 归因智能体把结果与基线对比，再反馈进竞价和分配。
收益不只是速度，而是这个循环永不停止。人类团队按日程表复盘表现，智能体系统则持续复盘。
零人工论证在哪里断裂
如果故事停在这里，你就得到了每个供应商都在讲的那个版本。以下是它省略的部分。
错误会更快地复利。一个每小时能做出一千个好决策的系统，也能做出一千个坏决策。速度是双向的。优化会漂移：智能体追逐你给它的指标，如果那个指标是点击，你可能得到一个没人认得的品牌，和一个塞满低意向流量的漏斗。智能体会互相认同：当一个智能体的输出成为另一个智能体的输入，错误可能自我强化——分配智能体信任归因智能体，而归因智能体测量的正是分配智能体选中的流量。问责会变模糊：当一个智能体与另一个智能体谈判、出了问题时，仍然得有人负责，而那个人是人。代理指标会被钻空子：任何被奖励的数字，智能体都会找到捷径，而捷径很少匹配你真正想要的东西。
所以CMO的新工作，不是管人，是管护栏：设定意图，决定什么升级给人类，保护长期品牌。这套系统值得多少控制权，得一级一级挣。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
