场景选型:先易后难
试点场景的三个标准:频次高(天天发生)、边界清(对错可判断)、影响可控(出错可回滚)。客服问答、文档处理、内部知识检索通常符合;替管理层做决策不符合——那是终点不是起点。
三个标准要同时满足,缺一个都不行。高频但边界不清的场景(比如"帮销售判断客户意向"),Agent 的输出没法批量验对错,试点很快变成扯皮;边界清但低频的场景(比如一年两次的年报附注核对),省下来的人工抵不上搭建与维护成本;高频、边界清但不可逆的场景(比如自动发催款函),一次误判就是对外事故。选场景时把候选逐个按三条打分,全过的才进试点,详见《AI Agent 在企业里最先落地哪些场景最稳妥?》。
知识基础:先治理再接入
Agent 的回答质量上限就是知识库的质量上限。接入前先做一轮治理:重复文档合并、过期版本下线、敏感内容分级、每份文档有主人。跳过这步,Agent 会自信地引用三年前的旧政策。
知识治理最容易低估的是"过期版本":制度改了三版,旧版还躺在共享盘里,Agent 检索时按相似度取回,很可能取到旧版并一本正经地答出来。治理时要做到每份文档只有一个现行版,旧版要么下线、要么明确标注"已废止"并移出检索范围。如果 Agent 还要读取官网内容,官网的机器可读底子也值得先看: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——官网自己都写得让机器难读,Agent 读它也一样吃力。数据出处:旗舰报告 2026 年第一期。
治理:上线前定规则
谁能让 Agent 做什么、哪些动作必须人工审批、日志留多久——这些在试点设计阶段就写进方案,不要等上线后补。审批清单要具体到动作("发送客户邮件""修改价格表"),而不是"必要时人工复核"这种空话;审批人要明确到人,休假时有替补。欧盟场景还要叠加 GDPR 与 AI Act 的分类要求,先分类再部署:系统定为什么风险级,决定了要配哪些义务,定级错误后面全错。分级方法见《为什么 AI Agent 需要治理和人工审批点?》。
度量:没有基线就没有成果
试点立项时同步记录人工基线:单均处理时长、一次解决率、错误率。上线后同口径对比,达标才扩围,不达标就止损——这是对业务和对 Agent 都公平的做法。
基线要"同口径":上线前怎么算,上线后就还怎么算。常见偷换是上线后只统计 Agent 处理顺利的单,把转人工的单排除在外,错误率立刻"变好"——这种数字骗得了汇报,骗不了业务。立项文件里同时写清达标线与止损线,以及复测的时间点:达标线是扩围的门槛,止损线是叫停的触发器,两条线缺一不可。
开工前自检清单:九项逐项展开
以下九项按场景、知识、治理、度量四组排列,每项都写清做什么、做错会怎样、耗时大致什么量级。耗时是粗粒度指引,视范围而定。
- 场景:试点场景已写明名称、负责人与预期处理量,且同时满足高频、边界清、影响可控三条。做错会怎样:场景只写在 PPT 里、没人负责,试点跑起来没人验收,最后不了了之。耗时:通常以天计,视候选场景多少而定。
- 场景:已明确哪些事 Agent 永远不做(负面清单)。做错会怎样:没有负面清单,Agent 会在没人注意的角落越界,比如主动给客户发了承诺性回复。耗时:通常几天,须业务负责人逐条确认。
- 知识:试点要用的文档已去重、过期版本已下线、每份文档有负责人。做错会怎样:Agent 引用旧版制度答错,错得自信、错得成批。耗时:通常以周计,视文档量而定;文档上千份的要留出更久。
- 知识:敏感内容已分级,Agent 的可读范围与员工权限对齐。做错会怎样:Agent 把本该保密的薪酬、报价底价答给了不该知道的人,一次泄露就是合规事故。耗时:通常以周计,视敏感内容多少而定。
- 治理:必须人工审批的动作清单已定稿,审批人明确到人。做错会怎样:审批点只写"必要时复核",等于没有审批点,出事时没人知道该谁拦。耗时:通常以天计,须与业务负责人逐条对齐。
- 治理:审计日志的字段与留存期已确定,出了问题能回放全程。做错会怎样:没有日志,出事后无法定位是哪一步错、是谁批的,只能靠猜;想改进也没有数据。耗时:通常以周计,视日志系统现状而定。
- 治理:涉及欧盟业务时,AI 系统分类与 GDPR 评估已先行完成。做错会怎样:系统上线后才发现属于高风险,合规义务要推倒重做,成本比立项时引入高一个量级。耗时:通常以周计,视系统复杂程度与是否需要外部律师而定。
- 度量:人工基线已记录(单均处理时长、一次解决率、错误率)。做错会怎样:没有基线,试点效果无从判断,"感觉变好了"成唯一证据,扩围决策只能拍脑袋。耗时:通常一两周采样,视单量而定。
- 度量:达标线与止损线已写进立项文件,上线后同口径复测的时间点已排期。做错会怎样:没有止损线,效果差的试点会因为"已经投了这么多"一直拖下去。耗时:通常以天计,随立项文件一次定稿。
出现这些信号,先别开工
- 知识库里同一制度有三个版本,谁也说不清现行的是哪一个;
- 审批点只写了"必要时人工复核",没有具体动作清单和责任人;
- 没人能说出当前人工流程的单均时长和错误率;
- 试点场景选的是"给管理层做决策建议"这类对错没有客观标准的任务。
九项清单全过、不就绪信号全无,才进入小范围受控试点;缺哪项先补哪项,补课顺序就是清单顺序。试点跑起来之后,场景与治理同步迭代:场景扩一个,审批清单与日志就跟着扩一圈,不要拆成两个项目。