据 OpenAI 于2026年10月16日发布的案例介绍，巴西企业集团 Grupo Boticário 已运营一套自有智能体平台，可自主解决最高80%的经销商运营请求。这家近50年前起步于巴拉那州一家配制药房的企业，正通过 AI 分担日常支持工作，让销售团队有更多空间转向顾问式服务。对开发者与 API 使用者而言，这一案例的重点不仅是自动化比例，更是企业如何把模型能力嵌入真实业务流程。
从处理运营请求，到支持顾问式销售
来源摘要显示，该平台服务于经销商的运营需求，并能够自主完成其中相当一部分请求。其业务价值并非单纯减少人工参与，而是将重复性支持与需要人际沟通的工作重新分配：由智能体承接适合自动化的事务，让销售人员更专注于建议、沟通和关系维护。
需要注意，“最高80%”对应的是经销商运营请求的自主解决比例，不能直接理解为集团全部业务的自动化水平，也不意味着每个时期、每类问题都能达到相同效果。现有摘要未披露请求分类、统计周期及人工介入规则，因此不宜进一步推算节省的人力规模或成本金额。
对 API 接入的启示：业务闭环比单次回答更重要
对于正在接入模型 API 的团队，这个案例提供了一种观察角度：企业需要的往往不只是一个能够回答问题的聊天入口，而是能够在明确边界内处理请求的业务系统。从“生成答案”到“解决请求”，评价标准会发生变化：回答是否流畅仍然重要，但任务是否完成、异常是否能转交人工，同样值得关注。
不过，来源摘要并未披露该平台使用的具体模型、API 架构、调用价格、额度或并发配置，也没有说明其是否采用模型中转服务。开发者不能据此判断某款模型可以直接复现同样效果，更不应将这一案例中的业务结果当作通用模型能力指标。
- 明确服务范围：先定义智能体可以处理哪些请求，再设置不适合自动处理的边界。
- 核验任务结果：区分“已经回复”与“已经解决”，避免只用对话次数衡量成效。
- 保留人工衔接：让复杂问题及时进入人工流程，减少用户重复描述需求的负担。
- 综合评估接入成本：除模型调用费用外，也应考虑业务系统对接、监控和维护投入。
影响解读：API 选型应围绕稳定交付展开
从模型调用与 API 服务采购角度看，企业智能体的价值最终需要通过持续交付体现。开发者在比较官方接口、API 中转或其他接入方案时，除了单次调用价格，还应结合实际业务测试响应稳定性、额度约束、并发承载及故障处理能力。这些是由案例引出的实施建议，并非来源已披露的技术方案。
Grupo Boticário 的实践说明，AI 自动化与强化人与人的连接并不矛盾：当常规运营请求得到有效处理，销售团队便有机会将精力投入更具咨询价值的互动。对准备建设类似系统的团队而言，更可取的路径是从边界清晰的请求入手，以实际解决率和服务体验验证效果，再决定是否扩大应用范围，而不是直接追求一个脱离业务条件的自动化百分比。