为什么智能体式 AI 项目会被取消，以及八周试点为何能做对关键事情

客户提出退款申请后，智能体会在 CRM 中找到订单，查看退货政策，并在一分钟内起草回复。随后它却卡住了，因为退款审批需要通过一个它无法访问的财务系统，而客户地址在两个数据库中的记录并不一致。这类缺口很少会在演示中显现，却决定了运行智能体需要多少成本，以及人们是否能够信任它。这说明，智能体式 AI 在企业中的更大风险，来自智能体被部署进去的业务环境，而非模型本身。

Gartner 预计，到 2027 年底，超过 40% 的智能体式 AI 项目将被取消，原因是成本不断上升、业务价值不明确，以及风险控制薄弱。仔细来看，这项预测反映的是此类项目如何仅凭演示就获批，却几乎没有人了解目前的实际工作成本，也不清楚谁该对结果负责。

我会向任何领导团队提出这样一个问题：企业能否支持这个智能体每天承担这项工作，并接受相应的成本和风险水平？要回答这个问题，就必须仔细审视我所说的“自动化后的工作”——也就是智能体完成自身部分后，人们仍需处理的一切。而八周试点是衡量这些工作的实用方法，可以在决定全面推广之前先行评估。

智能体从企业继承的问题

智能体很少独立工作，因为即便看起来很简单的任务，也会涉及客户记录、几个业务应用，通常还包括一个审批环节；每一处连接都会限制智能体能看到和能做的事情。如果记录不一致，或者没人确切知道该由谁签字批准，智能体就会连同任务一起继承这些混乱。

常规情况很少构成问题，真正的难点在于例外情况，因为运营成本会在此时不断累积，而这恰恰是演示中刻意避开的部分。Deloitte 的 2026 年研究发现，只有 5% 的组织认为自身业务流程已为 AI 智能体做好充分准备。这个数字比任何模型基准测试都更能说明问题，因为它表明，AI 的准备就绪远远领先于大多数业务流程。

商业论证必须计入自动化后的工作

衡量智能体生成结果的速度，是高估其价值最容易的方式，因为真正重要的指标是完成整项任务需要投入多少精力。假设员工处理一项请求需要 20 分钟，智能体将初步处理时间缩短到 2 分钟，看起来节省了 18 分钟；但之后有人花 15 分钟检查结果并修正错误，这种节省就没那么可观了。把运行智能体的成本也记入账后，节省的 3 分钟回报就显得微不足道。

McKinsey 对银行客户服务智能体的分析显示，大规模应用时也存在同样的情况：令牌占可变运营成本的 20–25%，人工监督占 70–75%，因此大部分费用都花在模型之外。如果在编写代码之前没有建立基准，即使试点在技术上取得了显著进展，投资是否合理仍然没有得到检验。业务负责人至少需要对以下各项有明确答案：

• 业务量：流程运行的频率，以及参与其中的人数。
• 完成时间：整项任务需要多长时间，包括检查和纠正所花的时间。
• 准确性：出错或需要返工的频率。
• 单项任务成本：当前成功完成一项任务需要多少成本。
• 业务影响：真正的改进会给客户、员工或企业带来哪些变化。

智能体必须证明自己值得融入工作流程

人们通常把采用情况归入变革管理，但依我看，采用与否往往早在这之前就已决定，关键在于智能体处于工作流程的哪个环节。一家全球性专业服务公司为支持和合规工作开发了智能体；其支持智能体能够从多个内部系统提取信息，但员工必须打开一个单独的应用才能使用它，因此大多数人懒得去用。后来，公司将同一工作流程迁移到现有的支持平台中，让智能体直接出现在员工正在处理的工单里。合规筛查智能体也采用了同样的做法：将其集成到 Salesforce 中，使其在每次创建案件时自动运行。

智能体本身没有变化，变化的是它在工作流程中的位置。员工本来就需要打开工单或创建案件，因此在那个时刻提供帮助，无须他们额外做什么。因此，部署位置既是架构决策，也是影响采用率的决策，因为智能体需要在工作发生的地方获取上下文，而且其输出必须能够传递到下一步，无须有人手动复制粘贴。

自主程度会改变安全风险格局

只能读取信息的智能体带来一种风险，而能够更改记录或给客户发送电子邮件的智能体则会带来截然不同的风险，因此控制措施必须与它实际获准执行的操作相匹配。权限过度和敏感数据泄露是人们熟悉的风险，但最需要密切关注的是提示注入：智能体在执行完全正当的任务时，可能会从文档或电子邮件中读取隐藏的指令。

Gartner 于 2026 年 5 月发布的智能体治理指导意见将自主性划分为四个等级，为判断控制措施需要严格到何种程度提供了实用方法：

1. 观察：智能体检索信息并发现规律，且仅拥有只读权限。
2. 建议：智能体提出行动建议，由员工作出决定。
3. 经批准后执行：智能体准备或启动一项操作，但必须先经人员授权才能执行。
4. 自主执行：智能体在设定的限制范围内，自行执行已获批准的操作，同时接受监控，并在遇到异常情况时上报。

无论处于哪个等级，智能体都需要有自己的身份、仅限于完成任务所需的权限，并记录所采取的每项操作。组织还需要制定数据处理和保留规则，明确哪些信息会传递给外部模型提供商，并指定一名有权在发现异常时立即暂停智能体并撤销其访问权限的负责人。

这些控制措施都会带来持续成本，因为更广泛的权限、额外的监控和频繁的审批，长期累积下来都不容小觑。因此，确定合适的自主程度既是经济决策，也是安全决策；恰当的程度应当是在业务能够接受的风险范围内，让智能体实现有价值成果的程度。

选择足以证明部署智能体有价值的流程

许多团队从技术入手，再去寻找可以解决的问题；但更好的起点，是选择一个流程——从事相关工作的人员已经清楚地感受到它的成本或延误。

我们合作过的一家全球专家网络公司就符合这一情况：团队需要在三个彼此不互通的系统中，将问卷请求与专家匹配；每次匹配都要手动核查专家资料、过往参与记录和合规情况。我们构建了一个智能体，将语义搜索与参与记录及合规规则结合起来。投入生产后，匹配错误工单减少了 80%，映射准确率提高了 40%，团队也收回了 22% 的产能。

这个项目之所以成功，是因为问题具体明确：信息分散，需要手动整合，而且匹配质量可以在项目前后进行衡量。明确问题也有助于判断某个流程是否真的需要智能体。受固定规则约束的工作，通常采用传统自动化处理成本更低；主要涉及查找和总结信息的工作，通常由 AI 助手处理就很合适。只有当工作需要理解上下文、在获准的操作中作出选择，并将多个步骤串联起来以实现目标时，智能体所增加的成本和风险才有其价值。

为期八周、设有明确决策节点的试点

整个试点都围绕一个商业问题展开：这个智能体能否充分改善流程，值得将其投入规模化运行？八周的时间足以检验商业论证、技术方案，以及组织管理所构建系统的能力。

第 1—2 周：明确需要改进之处

首先记录当前流程的实际运行情况，涵盖处理量、完成时间、错误率、返工量和成本。记下涉及哪些系统、每个阶段由谁负责，以及哪些例外情况需要人工处理；然后让业务负责人和技术团队就智能体应当改善的唯一一项成果达成一致。决策节点：问题、基准数据、负责人和成功衡量指标都明确后，再继续推进。

第 3 周：明确智能体的边界

在这一阶段设定智能体的限制，包括其身份、权限、数据访问范围、获准使用的工具和自主程度。针对提示注入、未经授权的访问、敏感数据泄露和工具滥用等情况进行测试，并建立日志记录和事件响应机制，同时制定暂停智能体或撤销其访问权限的方法。决策节点：控制措施和干预步骤都经过实际测试，而且所有人都清楚智能体获准执行哪些操作后，再继续推进。

第 4—6 周：测试那些会让演示失败的情形

现在让智能体处理真实的工作，包括记录不完整、信息相互矛盾、请求不寻常，以及偶发的系统故障。跟踪它完成了多少项任务、准确度如何，以及人员需要投入多少精力进行纠正；然后计算每项成功完成的任务实际需要多少成本，把模型使用、集成、监控和审核的费用都计算在内。决策节点：智能体达到约定的门槛，且团队了解其运行成本和失效方式后，再进入实时测试。

第 7—8 周：让真实用户试用

让一小组员工在一部分受控的真实工作中使用智能体，同时保留原有流程，以应对智能体无法处理的情况。观察员工是否真的使用它、它是否为员工节省了精力，以及员工是否信任它生成的结果。

试点结束时，将结果与第一周的基准数据进行对照，评估生产力、准确度、采用情况、人员介入的频率、总运营成本，以及仍未解决的安全风险。随后决定是扩大规模、修复具体问题后重新测试，还是停止项目。即使试点表明智能体对于这项工作而言成本过高或可靠性不足，它也已经发挥了作用，因为它避免了组织基于猜测投入大得多的资金。

衡量成果，再决定赋予多少自主权

仅仅统计智能体处理了多少项任务，说明不了太多问题：系统可能处理了数千个请求，员工却仍要核查、更正或完成其中的大部分任务。将每项成功完成的任务成本与准确率和异常率一并考量，才能更准确地判断整个流程是否有所改善。

这些指标同样能为赋予智能体更大自主空间提供依据。如果智能体能在约定的限制范围内可靠地处理常规请求，就可以放心让它独立执行；如果它总是遇到模棱两可的情况，这些决策就仍应由人工审批，并随着证据逐渐积累重新审查权限。

业务具备支持智能体的能力后，再扩大规模

一个团队用起来效果良好的智能体，迟早也要应对其他部门、应用和审批流程。要扩大其应用规模，就需要明确责任归属、统一的访问控制和处理异常的机制；还要预留预算，在周边流程发生变化时及时更新智能体。

这一切归根结底取决于组织愿意交出多少责任，而决策必须基于实际工作中的证据，而不是一次出色的演示。经过这八周，领导层应当清楚智能体能处理什么、哪些环节仍需人工介入，以及运行它需要多少成本。在智能体 AI 领域脱颖而出的企业，将从第一周起就为自动化之后的工作做好规划，并把资金投入智能体实际能够完成的任务。