首批场景的共同特征
首批场景不求惊艳,求稳妥:数据现成、规则清楚、输出可复核、错了能回滚。符合这四条的场景,Agent 上线两三周就能看到价值;不符合的,再好的演示也只是演示。下面三类是最常见的稳妥首批。
知识检索与起草
把内部文档、制度、产品资料变成随问随答和初稿生成。数据现成、错误可在发出前审核,价值通常两三周内可见。
为什么稳妥:Agent 的产出是"草稿"不是"定稿"——摘要、答复初稿、制度问答都先到人手里,人改完才对外。错了也只错在内部,改一版就行。边界在哪:第一,知识库要先治理(见部署前准备),否则 Agent 会引用旧版制度;第二,涉及对外承诺的答复不能直接发,必须进审批;第三,如果 Agent 要读官网内容,先看官网的机器可读底子——Negency 旗舰报告对 30 家中国出海企业全球官网主域名的实测(2026 年 10 月 30 日单日采样,只测官网技术可见度,不测 AI 回答中的品牌提及率)显示,机器可读均分只有 69.2(中位数 68.5),17/30 没有任何 JSON-LD,官网写得让机器难读,Agent 读它也一样吃力。数据出处:旗舰报告 2026 年第一期。
结构化重复工作
线索分流、报表与周报生成、会议纪要转行动项。规则清楚、重复量大、输出可复核。
为什么稳妥:这类工作本来就是人在按固定套路做,Agent 接的是套路,不是例外。输出对不对,人扫一眼就能判断——报表数字对不上源表一眼可见,行动项漏了谁一眼可见。边界在哪:第一,规则必须先写下来,没有成文规则就先补流程,Agent 不能替你发明规则;第二,输出涉及对外发送(比如给客户的周报)时,发送动作本身要进审批,Agent 只负责起草;第三,例外情况要留人工通道,Agent 遇到规则外的情况应停下问人,而不是猜一个继续跑。
监控与预处理
盯库存、价格、舆情、系统异常,先把材料备齐再交人决策。Agent 负责准备和预警,决策权留人。
为什么稳妥:Agent 不做决定,只做"把情况摆到人面前"——汇总异常、标出变化、附上来源链接。人看到的是整理好的材料,不是原始告警海。边界在哪:预警阈值要由业务定,不能由 Agent 自定;Agent 可以建议"建议关注",但不能自动触发对外动作(比如自动下单补货、自动发舆情回应),触发动作须经审批;预警本身也要定期复盘,误报太多会把人的注意力耗尽,等于没有预警。
不该进首批的场景
对外自动承诺(无审批的报价、签约、付款)、不可逆操作(批量删除、生产配置变更)、以及流程本身说不清规则的事——没有规则就没有可自动化的对象,Agent 在那里只能放大猜测。
- 对外自动承诺为什么不行:承诺一旦发出就产生效力,错了要靠人去圆。报价错一位数、合同条款错一行,代价远超省下的人工。这类场景不是不能上 Agent,而是必须先配审批(见治理与审批点),审批跑顺了再谈自动化。
- 不可逆操作为什么不行:批量删除、生产配置变更错了无法一键还原。Agent 的错误是成串的,一次误判可能触发十步操作。首批场景的铁律是"错了能回滚",不可逆操作天然违反这一条。
- 规则说不清的流程为什么不行:如果业务自己都说不清"什么情况下算通过",Agent 就没有可执行的标准,只能按训练数据里的"常见做法"猜。猜对了是运气,猜错了是事故。先把流程写清楚,再谈自动化。
一个可用的筛选标准:这个场景有没有明确规则、有没有可复核的产出、有没有叫停的办法?三个都有,可以进首批;缺任何一个,先补流程再上 Agent。
推进节奏
选 2–3 个场景小步运行 2–4 周,量三件事:错误率、省了多少人工、被人工否决的比例。用数据决定扩哪里。场景和治理是同一件事的两面,要同步上线,不能拆成两个项目。
被人工否决的比例是最值得看的指标:否决率高,说明 Agent 的判断与业务标准有偏差,要调规则或收范围;否决率长期为零也不一定是好事——可能是审批人已经不看了。2–4 周跑完,三个指标一起看,再决定扩哪个场景、停哪个场景。
判断一个场景能不能先上的四条标准
第一个场景选错,后面全是阻力。用四条标准逐个打分,全过的先上:
- 高频重复:每周至少发生几十次,人已经在用固定套路处理——Agent 接的是套路,不是例外;
- 结果可核验:输出对不对,人扫一眼就能判断(摘要、分类、初稿、对照),而不是要专家深查才知道错没错;
- 错了代价可控:最坏结果是返工,而不是对外承诺、付款或合规事故;涉及这两类的,先做人审模式;
- 有人真心想用:业务侧有一个明确的使用者等着它,而不是 IT 做好了再去找人领。
反过来,直接对外发声、不可逆操作、需要跨部门担责的场景,哪怕演示效果再惊艳,也不要放在第一批。