AI Agents and the Future of Global Trade with Alibaba’s Kuo Zhang

Summary & Insights

In this episode of the AI Podcast, host Noah Kravitz speaks with Kuo Zhang, President of Alibaba.com. They discuss the evolution of global B2B commerce and the transformative role of artificial intelligence, specifically through Alibaba’s new AI agent, Axio. Zhang outlines how Alibaba.com has grown from a digital directory into a platform facilitating over $60 billion in transactions annually, connecting millions of buyers and suppliers worldwide. The core challenge in global B2B trade is the immense complexity involving communication across languages and time zones, establishing trust, managing payments and logistics, and navigating regulatory compliance. Alibaba.com has spent years building digital infrastructure to address these frictions.

The conversation then centers on Axio as an AI-native application designed to fundamentally reshape the user experience. Unlike traditional keyword-based search, Axio understands complex, natural language queries about business needs and sourcing scenarios. More importantly, its “agentic” capabilities allow it to execute multi-step tasks. Examples include processing a bulk upload of hundreds of product requirements for a regional sporting event—handling sourcing, compliance checks, and supplier communication in hours instead of weeks—and assisting a solo entrepreneur from initial market research and product design for specialized clothing (e.g., for children with ADHD) through to supplier identification and prototyping.

Zhang emphasizes that Axio and similar AI systems represent a shift from simple search to action-oriented agency. However, he underscores that this is a human-in-the-loop system. The AI operates within boundaries defined by Alibaba’s vast domain knowledge database, which includes product details, supplier certifications, and regional trade regulations. For nuanced decisions, especially qualitative judgments or final negotiations, the system is designed to involve human users. Success is measured not just by task completion but by real-world business outcomes on the platform, driving an iterative feedback loop to continuously improve the AI’s performance and reliability.

Surprising Insights

From Spreadsheet to Sourcing in Minutes: A user automated a massive, complex sourcing project for a Latin American sports event simply by uploading an Excel file; Axio interpreted the requirements, ensured regulatory compliance, and identified suppliers, collapsing a weeks-long process into hours or minutes.
AI as a Product Design Partner: Axio can act as a collaborative partner in the creative process, exemplified by helping an entrepreneur design clothing for children with ADHD—conducting initial market research, suggesting materials and designs, and guiding the project from idea to prototype.
Agent-to-Agent Negotiation: The system enables AI agents representing buyers and suppliers to communicate and negotiate directly with each other, automating early-stage inquiries and discussions before human involvement is needed for final decisions.
Business Model Evolution Challenge: Implementing true AI-native search (returning few precise results instead of millions of keyword matches) presents a fundamental challenge to traditional, impression-based digital advertising business models, forcing a rethink of value creation.
AI Success Metric Tied to Global GDP: Zhang proposes a macro benchmark for AI success in commerce: its ability to add at least 10% growth to the current global trading GDP, translating to an additional $3 trillion in value across the world economy.

Practical Takeaways

Focus on Solving a “Big Enough” Question: When implementing AI, start by identifying a real, significant business problem or friction point for your customers, rather than focusing solely on the technology itself.
Adopt a Three-Layer Iterative Approach: 1) Experiment quickly with AI-native applications on specific tasks. 2) Integrate AI into a core, scalable product or service to deliver compound value. 3) Embed “AI KPIs” across all organizational roles (product, sales, growth) to drive company-wide adoption and measure impact on productivity and outcomes.
Design for Human-in-the-Loop Collaboration: Build AI systems with clear boundaries, knowing when to hand off complex, qualitative, or final decision-making tasks to human judgment, ensuring trust and effective collaboration.
Leverage Your Unique Data and Domain Knowledge: The most effective AI applications are built on proprietary datasets and deep industry expertise; use your organization’s historical data and operational know-how to train and refine AI models for your specific context.
Lower Barriers for Solo Entrepreneurs: AI tools can democratize access to global supply chains by automating tasks like product design, market research, supplier discovery, and logistics coordination, enabling individuals and very small businesses to compete globally.

Tập podcast này ghi lại cuộc trò chuyện giữa người dẫn chương trình Noah Kravitz và ông Kuo Zhang, Chủ tịch Alibaba.com. Họ thảo luận về tác động chuyển đổi của trí tuệ nhân tạo đối với thương mại B2B toàn cầu, tập trung vào đại lý AI mới được Alibaba ra mắt, “Axiom” (được gọi là “Axio” trong bản ghi). Ông Zhang phác thảo cách Alibaba.com đã phát triển từ một danh bạ đơn giản thành một nền tảng tạo điều kiện cho hơn 60 tỷ USD giao dịch hàng năm, kết nối hàng triệu người mua và nhà cung cấp trên toàn thế giới. Trọng tâm của cuộc thảo luận xoay quanh việc AI, và cụ thể là đại lý AI, sắp làm giảm các rào cản đáng kể—như niềm tin, hậu cần, thanh toán và tuân thủ—vốn làm phức tạp hóa thương mại B2B quốc tế.

Cuộc trò chuyện đi sâu vào khả năng của Axiom. Không giống như tìm kiếm từ khóa truyền thống, đây là một ứng dụng thuần AI hiểu được các yêu cầu phức tạp bằng ngôn ngữ tự nhiên (ví dụ: mô tả trường hợp sử dụng sản phẩm thay vì tên kỹ thuật của nó). Quan trọng hơn, nó hoạt động như một đại lý tự trị có thể thực hiện các nhiệm vụ nhiều bước. Các ví dụ được đưa ra bao gồm việc tìm nguồn hàng trăm mặt hàng tùy chỉnh cho một sự kiện thể thao ở Mỹ Latinh bằng cách phân tích một bảng tính được tải lên và xử lý vấn đề tuân thủ, hoặc giúp một doanh nhân cá nhân tiến hành nghiên cứu thị trường và thiết kế nguyên mẫu quần áo cho trẻ em mắc chứng ADHD. Hệ thống này chia nhỏ các mục tiêu cấp cao thành các bước hành động cụ thể, giao tiếp với nhà cung cấp và điều phối quy trình.

Ông Zhang giải thích rằng tầm nhìn là để biến việc kinh doanh toàn cầu trở nên dễ dàng như mua sắm tiêu dùng. Ông nhấn mạnh rằng tương lai dẫn dắt bởi AI này được xây dựng dựa trên kho lưu trữ dữ liệu, sản phẩm, nhà cung cấp và lịch sử giao dịch khổng lồ của Alibaba.com. Quan trọng là, hệ thống được thiết kế với sự giám sát của con người, nơi đại lý AI hoạt động trong một ranh giới kiến thức được xác định. Đối với các cuộc đàm phán phức tạp hoặc quyết định cuối cùng, đặc biệt là những quyết định liên quan đến sự phán đoán tinh tế hoặc các giao dịch vượt quá một giá trị nhất định, hệ thống được thiết kế để liên quan đến người dùng. Mục tiêu không phải là tự động hóa hoàn toàn, mà là một sự hợp tác mạnh mẽ giúp rút ngắn đáng kể thời gian từ hàng tuần xuống chỉ còn vài phút cho các nhiệm vụ như tìm nguồn cung ứng.

Những Hiểu Biết Đáng Ngạc Nhiên

AI Xử lý Các Nhiệm vụ Định tính và Sáng tạo: Đại lý AI được chứng minh là có thể hỗ trợ các quy trình mang tính định tính và sáng tạo vốn có, chẳng hạn như thiết kế sản phẩm và nghiên cứu thị trường cho một khái niệm thích hợp như quần áo cho trẻ em ADHD, vượt xa việc chỉ xử lý dữ liệu đơn thuần.

Sự Hợp tác Đại lý với Đại lý: Hệ thống hình dung một tương lai nơi các đại lý AI đại diện cho người mua có thể tự động giao tiếp và đàm phán với các đại lý AI đại diện cho nhà cung cấp, xử lý các yêu cầu ban đầu và hậu cần để hợp lý hóa toàn bộ chuỗi mua sắm.

Sự Phát triển Mô hình Kinh doanh Được AI Thúc đẩy: Việc triển khai công cụ tìm kiếm thuần AI thực sự (hiểu ý định so với từ khóa) buộc phải suy nghĩ lại cơ bản về các mô hình kinh doanh thương mại điện tử truyền thống, chẳng hạn như quảng cáo và kiếm tiền, vốn thường được xây dựng xung quanh việc đấu giá từ khóa và tỷ lệ nhấp chuột.

Ranh giới Được Xác định cho Tính Tự chủ của AI: Thay vì tìm kiếm sự tự chủ hoàn toàn, hệ thống được thiết kế rõ ràng với các rào chắn nơi AI dừng lại và yêu cầu đầu vào của con người, đặc biệt đối với các quyết định quan trọng như hoàn tất một thỏa thuận hoặc khi một yêu cầu nằm ngoài cơ sở kiến thức đã được đào tạo của nó.

Chỉ số Thành công là Tăng trưởng Kinh tế Vĩ mô: Ông Zhang định nghĩa thành công cuối cùng của AI trong lĩnh vực này không chỉ bằng các chỉ số nền tảng, mà còn bằng khả năng đóng góp tăng trưởng đáng kể (10%) vào GDP toàn cầu bằng cách mở rộng và tạo điều kiện thuận lợi hơn cho thương mại toàn cầu.

Những Điểm Rút ra Thực tế

Đặt vấn đề Kinh doanh bằng Ngôn ngữ Tự nhiên: Khi sử dụng công cụ AI để tìm nguồn cung hoặc phát triển sản phẩm, hãy mô tả nhu cầu của bạn bằng câu đầy đủ tập trung vào kịch bản sử dụng cuối cùng và các yêu cầu, không chỉ các từ khóa kỹ thuật, để nhận được kết quả tốt hơn, phù hợp hơn.

Bắt đầu với một Vấn đề Cụ thể, Có giá trị: Nếu triển khai AI trong doanh nghiệp của bạn, trước tiên hãy tập trung vào một câu hỏi cụ thể, có tác động cao hoặc điểm nghẽn quy trình thay vì bị lạc trong các khả năng chung chung của công nghệ.

Áp dụng Tư duy “Thuần AI” cho Quy trình Làm việc: Tái tưởng tượng các quy trình kinh doanh (ví dụ: tìm nguồn cung, thiết kế, nghiên cứu thị trường) từ đầu với giả định về sự hợp tác AI, thay vì chỉ thêm AI như một lớp trên cùng của các quy trình làm việc thủ công hiện có.

Thiết lập Các Điểm Chuyển giao Rõ ràng giữa Người và AI: Thiết kế hệ thống nơi AI xử lý việc thu thập thông tin, tìm nguồn cung ban đầu và các công việc chuẩn bị, nhưng chuyển giao quyết định cuối cùng, đàm phán tinh tế và các quyết định định tính phức tạp hoặc liên quan đến đạo đức cho con người.

Đo lường Tác động của AI bằng Kết quả Kinh doanh: Đối với các nhóm áp dụng AI, hãy đặt các KPI gắn trực tiếp với kết quả kinh doanh như tăng trưởng, thông lượng hoặc lợi ích hiệu quả, không chỉ các chỉ số áp dụng công nghệ.

本集播客節目由主持人諾亞·克拉維茨與阿里巴巴國際站總裁張闊對談，探討人工智慧如何重塑全球B2B商業格局，焦點落在阿里新推出的AI智慧助理「Axiom」（文稿中稱「Axio」）。張闊闡述阿里巴巴國際站如何從早期目錄式平台，發展為年交易額超600億美元、連結全球數百萬買家與供應商的生態體系。對話核心圍繞「代理型人工智慧」如何破解國際B2B貿易中長期存在的信任、物流、支付、合規等關鍵障礙。

對話深入剖析了Axiom的運作機制。有別於傳統關鍵字搜尋，這款原生AI應用能理解複雜的自然語言需求（例如描述產品使用情境而非技術名稱）。更重要的是，它作為自主代理者可執行多步驟任務：例如分析上傳的電子表格，為拉丁美洲體育賽事採購數百種客製化用品並處理合規流程；或協助獨立創業者針對ADHD兒童進行市場調研與服裝原型設計。系統能將宏觀目標拆解為可執行步驟，自主與供應商溝通並協調全流程。

張闊解釋其願景是「讓全球貿易像消費購物般簡便」。他強調這項AI變革奠基於阿里巴巴國際站積累的龐大商品庫、供應商網絡與交易歷史數據。關鍵在於系統設計始終保留人類監督機制——AI智慧助理在預設知識邊界內運作，當涉及複雜談判、高額交易或需細膩判斷的決策時，系統將主動引入用戶參與。目標並非完全自動化，而是透過人機協作將採購等流程從數週壓縮至分鐘級。

顛覆性洞察

AI勝任定性與創造性任務： AI助理已能協助產品設計、利基市場調研（如ADHD兒童服飾）等創造性流程，遠超單純數據處理範疇。

代理者間自主協作： 系統預見未來買家AI代理將能與供應商AI代理自主溝通談判，從初期詢價到物流安排全面串連採購鏈。

AI驅動商業模式重構： 真正理解意圖（而非關鍵字）的AI原生搜尋，將顛覆以關鍵字競價與點擊率為基礎的傳統電商營利模式。

為AI設定明確邊界： 系統刻意設計「防護欄」，在高風險決策（如最終簽約）或超出訓練知識範圍時，AI會主動請求人工介入。

以宏觀經濟增長為標竿： 張闊定義AI成功的終極指標並非平台數據，而是能否透過促進全球貿易，為GDP帶來10%的增量貢獻。

實務啟示

以自然語言表述商業需求： 使用AI工具進行採購或產品開發時，應以完整句子描述終端使用場景與需求，而非僅輸入技術關鍵字。

鎖定具體高價值痛點： 企業導入AI時，應優先聚焦特定高影響力問題或流程瓶頸，避免陷入技術泛化討論。

以「AI原生思維」重塑流程： 從源頭以人機協作模式重新設計採購、研發等流程，而非在既有工作流簡單疊加AI工具。

確立人機交接節點： 設計系統時讓AI負責資訊蒐集、初步篩選等基礎工作，但將最終審核、複雜談判及定性判斷交由人類決策。

以商業成果衡量AI價值： 團隊應用AI時應設定業務導向KPI（如增長率、處理量），而非僅關注技術採用率。

Este episodio del pódcast presenta una conversación entre el anfitrión Noah Kravitz y Kuo Zhang, presidente de Alibaba.com. Hablan sobre el impacto transformador de la inteligencia artificial en el comercio global B2B, centrándose en el nuevo agente de IA de Alibaba, “Axiom” (mencionado como “Axio” en la transcripción). Zhang explica cómo Alibaba.com ha evolucionado de ser un simple directorio a una plataforma que facilita más de 60.000 millones de dólares en transacciones al año, conectando a millones de compradores y proveedores en todo el mundo. El núcleo de la conversación gira en torno a cómo la IA, y en particular la IA agéntica, está a punto de reducir las importantes barreras —como la confianza, la logística, los pagos y el cumplimiento normativo— que complican el comercio internacional B2B.

La conversación profundiza en las capacidades de Axiom. A diferencia de la búsqueda tradicional por palabras clave, se trata de una aplicación nativa de IA que comprende solicitudes complejas en lenguaje natural (por ejemplo, describir el caso de uso de un producto en lugar de su nombre técnico). Más importante aún, funciona como un agente autónomo capaz de ejecutar tareas de varios pasos. Entre los ejemplos mencionados se incluye la adquisición de cientos de artículos personalizados para un evento deportivo en América Latina mediante el análisis de una hoja de cálculo cargada por el usuario y la gestión del cumplimiento normativo, o ayudar a un emprendedor individual a realizar investigación de mercado y diseñar prototipos de ropa para niños con TDAH. El sistema descompone objetivos generales en pasos concretos y accionables, se comunica con los proveedores y coordina el proceso.

Zhang explica que la visión es hacer que los negocios globales sean tan fáciles como las compras de consumo. Subraya que este futuro impulsado por la IA se basa en el vasto repositorio de datos, productos, proveedores e historial de transacciones de Alibaba.com. Es fundamental que el sistema esté diseñado con supervisión humana, de modo que el agente de IA opere dentro de un límite de conocimiento definido. Para negociaciones complejas o decisiones finales, especialmente aquellas que implican juicios matizados o acuerdos que superan un determinado valor, el sistema está diseñado para involucrar a un usuario humano. El objetivo no es la automatización total, sino una colaboración poderosa que reduzca drásticamente los plazos, pasando de semanas a minutos en tareas como el abastecimiento.

Ideas sorprendentes

La IA maneja tareas cualitativas y creativas: Se muestra que el agente de IA ayuda en procesos inherentemente cualitativos y creativos, como el diseño de productos y la investigación de mercado para un concepto de nicho como ropa para niños con TDAH, yendo mucho más allá del simple procesamiento de datos.

Colaboración entre agentes: El sistema plantea un futuro en el que los agentes de IA que representan a compradores puedan comunicarse y negociar de forma autónoma con agentes de IA que representan a proveedores, gestionando consultas iniciales y logística para agilizar toda la cadena de compras.

Evolución del modelo de negocio impulsada por la IA: Implementar una búsqueda verdaderamente nativa de IA (comprender la intención frente a las palabras clave) obliga a replantear de forma fundamental los modelos tradicionales de negocio en el comercio electrónico, como la publicidad y la monetización, que a menudo se construyen en torno a la puja por palabras clave y las tasas de clics.

Límites definidos para la autonomía de la IA: En lugar de buscar una autonomía total, el sistema está diseñado explícitamente con salvaguardas en las que la IA se detiene y solicita intervención humana, en particular para decisiones de alto riesgo como cerrar un acuerdo o cuando una solicitud queda fuera de su base de conocimiento entrenada.

La métrica de éxito es el crecimiento macroeconómico: Zhang define el éxito final de la IA en este ámbito no solo mediante métricas de plataforma, sino por su capacidad de contribuir con un aumento significativo (10 %) del PIB mundial al expandir y facilitar un mayor comercio global.

Conclusiones prácticas

Plantee los problemas empresariales en lenguaje natural: Al utilizar herramientas de IA para abastecimiento o desarrollo de productos, describa su necesidad en oraciones completas, centrándose en el escenario de uso final y los requisitos, no solo en palabras clave técnicas, para obtener resultados mejores y más relevantes.

Empiece con un problema concreto y valioso: Si va a implementar IA en su empresa, concéntrese primero en una cuestión específica de alto impacto o en un cuello de botella del proceso, en lugar de perderse en las posibilidades genéricas de la tecnología.

Adopte una mentalidad “nativa de IA” para los flujos de trabajo: Reimagine los procesos empresariales (por ejemplo, abastecimiento, diseño, investigación de mercado) desde cero asumiendo colaboración con IA, en lugar de simplemente añadir la IA como una capa sobre flujos de trabajo manuales existentes.

Establezca puntos claros de transferencia entre humanos e IA: Diseñe sistemas en los que la IA se encargue de recopilar información, realizar el abastecimiento inicial y el trabajo preliminar, pero deje en manos del juicio humano la aprobación final, la negociación matizada y las decisiones éticas o cualitativas complejas.

Mida el impacto de la IA por resultados empresariales: Para los equipos que adopten IA, establezca KPI vinculados directamente a resultados de negocio como crecimiento, capacidad operativa o ganancias de eficiencia, no solo a métricas técnicas de adopción.

Este episódio de podcast traz uma conversa entre o apresentador Noah Kravitz e Kuo Zhang, presidente do Alibaba.com. Eles discutem o impacto transformador da inteligência artificial no comércio global B2B, com foco no novo agente de IA lançado pela Alibaba, “Axiom” (mencionado como “Axio” na transcrição). Zhang explica como o Alibaba.com evoluiu de um simples diretório para uma plataforma que viabiliza mais de US$ 60 bilhões em transações por ano, conectando milhões de compradores e fornecedores em todo o mundo. O centro da discussão é como a IA — e, especificamente, a IA agêntica — está prestes a reduzir barreiras significativas, como confiança, logística, pagamentos e conformidade, que tornam o comércio internacional B2B mais complexo.

A conversa aprofunda-se bastante nas capacidades do Axiom. Ao contrário da busca tradicional por palavras-chave, trata-se de uma aplicação nativa de IA que compreende solicitações complexas em linguagem natural (por exemplo, descrever o caso de uso de um produto em vez de seu nome técnico). Mais importante ainda, ela funciona como um agente autônomo capaz de executar tarefas em várias etapas. Entre os exemplos citados estão a aquisição de centenas de itens personalizados para um evento esportivo na América Latina, por meio da análise de uma planilha enviada e do gerenciamento de conformidade, ou o apoio a um empreendedor individual na realização de pesquisa de mercado e no design de roupas-protótipo para crianças com TDAH. O sistema decompõe objetivos de alto nível em etapas acionáveis, comunicando-se com fornecedores e orquestrando o processo.

Zhang explica que a visão é tornar os negócios globais tão fáceis quanto as compras do consumidor final. Ele enfatiza que esse futuro impulsionado por IA se baseia no vasto repositório de dados, produtos, fornecedores e histórico de transações do Alibaba.com. Fundamentalmente, o sistema é projetado com supervisão humana, em que o agente de IA opera dentro de um limite definido de conhecimento. Para negociações complexas ou decisões finais — especialmente aquelas que envolvem julgamento mais sutil ou negócios acima de determinado valor — o sistema é concebido para envolver um usuário humano. O objetivo não é a automação total, mas uma colaboração poderosa que comprime drasticamente os prazos, de semanas para minutos, em tarefas como sourcing.

Percepções Surpreendentes

A IA lida com tarefas qualitativas e criativas: O agente de IA é apresentado como capaz de auxiliar em processos inerentemente qualitativos e criativos, como design de produtos e pesquisa de mercado para um conceito de nicho como roupas para crianças com TDAH, indo muito além do simples processamento de dados.

Colaboração entre agentes: O sistema projeta um futuro em que agentes de IA que representam compradores podem se comunicar e negociar autonomamente com agentes de IA que representam fornecedores, cuidando de consultas iniciais e da logística para agilizar toda a cadeia de compras.

Evolução do modelo de negócios impulsionada pela IA: Implementar uma busca verdadeiramente nativa de IA (compreendendo intenção em vez de palavras-chave) obriga a repensar de forma fundamental modelos tradicionais de e-commerce, como publicidade e monetização, que muitas vezes são construídos em torno de lances por palavras-chave e taxas de clique.

Limites definidos para a autonomia da IA: Em vez de buscar autonomia total, o sistema é explicitamente projetado com salvaguardas nas quais a IA para e solicita intervenção humana, especialmente em decisões de alto impacto, como a finalização de um negócio ou quando um pedido está fora de sua base de conhecimento treinada.

A métrica de sucesso é o crescimento macroeconômico: Zhang define o sucesso final da IA nesse domínio não apenas por métricas da plataforma, mas por sua capacidade de contribuir com um aumento significativo (10%) no PIB global ao expandir e facilitar mais o comércio mundial.

Aprendizados Práticos

Formule problemas de negócio em linguagem natural: Ao usar ferramentas de IA para sourcing ou desenvolvimento de produtos, descreva sua necessidade em frases completas, com foco no cenário de uso final e nos requisitos, e não apenas em palavras-chave técnicas, para obter resultados melhores e mais relevantes.

Comece com um problema concreto e valioso: Ao implementar IA no seu negócio, concentre-se primeiro em uma questão específica e de alto impacto ou em um gargalo de processo, em vez de se perder nas possibilidades genéricas da tecnologia.

Adote uma mentalidade “AI-native” para os fluxos de trabalho: Reimagine processos de negócio (por exemplo, sourcing, design, pesquisa de mercado) a partir do zero, partindo do pressuposto de colaboração com IA, em vez de apenas adicionar IA como uma camada sobre fluxos de trabalho manuais já existentes.

Estabeleça pontos claros de transição entre humano e IA: Projete sistemas em que a IA cuide da coleta de informações, do sourcing inicial e do trabalho operacional, mas deixe para o julgamento humano a aprovação final, a negociação mais sutil e as decisões éticas ou qualitativas complexas.

Meça o impacto da IA por resultados de negócio: Para equipes que adotam IA, defina KPIs diretamente ligados a resultados de negócio, como crescimento, capacidade operacional ou ganhos de eficiência, e não apenas a métricas técnicas de adoção.

Alibaba.com president Kuo Zhang discusses how AI agents like Accio are reshaping global trade. He shares insights on automating complex B2B sourcing, compressing weeks of work into minutes, lowering barriers for solo entrepreneurs and SMEs, and what AI-native commerce will mean for the next decade.