简介:本文对比企业智能体的两种落地形态——装在本地的个人提效型与接入业务系统的流程嵌入型。围绕部署位置、数据流向、日志可见性、确认权归属、治理成本与迁移风险六个维度拆解差异,并给出请购、采购、进货三段流程的改造对照、例外路由示意逻辑与条件化选型建议,帮助技术负责人判断先上哪一侧、哪些步骤必须留给人点头。
企业在讨论”AI Agent 落地”时,通常把两类形态混在一起谈。本文把它们拆成两个清晰对象:
两者的分水岭不在模型能力,而在三个问题的答案上:数据放在哪一侧、谁看得到日志、谁有权点确认。把这两类当成同一采购包里的同类商品、用同一套标准打分,是”买了不少工具、痛点却没动”的常见起点。
近两年企业侧投入多集中在工具采购,而典型痛点有三条,没有一条源于模型能力:
换更强的模型,经验不会自动沉淀,ERP 里的库存也不会自己走到审批人桌上。买工具买到的是个人提效,流程能力必须靠改造运行环境获得。某行业分析机构把多智能体系统列入其年度策略技术趋势,并给出参考节奏:约 2027 年七成组织会使用职能型 Agent,约 2028 年六成能实现跨厂商、跨平台互通。这说明职能型是主线,互通是后置要求——选型时该为互通预留接口,而不是一开始就追求大而全。
另一个常被忽略的前提是:治理解决”各自为政”,不解决”流程本身烂”。三个部门各填一遍同样字段,上了 Agent 还是三遍。先统一口径,再谈自动化,否则只是让脏数据跑得更快。
方案A的数据留在端侧,敏感资料(薪资、绩效、客户隐私)不必回传;代价是难以做统一检索与跨人复用,员工换机或离职即造成上下文丢失。方案B的数据进入企业侧受控区域,能按职能建立统一语义与权限;代价是数据流规模变大,必须配套分级分类、脱敏、传输与静态加密、访问控制。
方案A的权限近似”员工本人权限的镜像”,确认权就是员工本人;简单,但无法证明”这一步是谁批的”。方案B按职能分身授予最小权限集,确认权外置到岗位与审批流,执行权与确认权分离。判定”谁点确认”可以看三点:动作是否可回滚、是否影响对外承诺、是否涉及资金或合规。
这是差距最大的一维。方案A的日志分散在各自终端,事后难以聚合还原;方案B要求每次执行落一条完整日志(输入、工具调用、参数、结果、确认人、时间戳),从而支持回放与归因。”出了事没人说得清错在哪一步”本质不是模型问题,而是缺少可回放的执行链。
方案A产出的是”一张草稿”,价值止于人接手;方案B要完成跨 ERP、MES 的编排与写回,因此必须处理幂等、重试、部分失败补偿与对账。接入改造量也在这里拉开:方案A近乎零集成,方案B需要接口梳理、字段映射与主数据治理。
方案A部署轻,但规模扩大后碎片化成本会反超——重复配置、口径不一、责任不清。方案B前期重,需要日志服务、监控告警、版本管理、容量规划与灰度发布;一旦建成,新增职能可复用同一底座,边际成本显著下降。
方案A以人力成本为主,隐性成本在重复建设;方案B以集成与治理成本为主,前期投入高、长期维护可控。具体价格随部署形态与用量差异很大,应以实际方案报价为准。
| 对比维度 | 方案A 个人提效型 | 方案B 流程嵌入型 |
|---|---|---|
| 部署位置 | 员工工作端,数据不出端 | 企业侧受控区,按职能建模 |
| 数据流向 | 单向、以私有资料为主 | 双向,读业务数据并写回单据 |
| 权限模型 | 镜像员工本人权限 | 按职能分身授予最小权限 |
| 确认权 | 员工本人 | 岗位/审批流,执行与确认分离 |
| 日志与审计 | 分散,难聚合回放 | 每次执行留痕,可回放归因 |
| 流程覆盖 | 单点起草 | 跨系统端到端编排 |
| 接入改造量 | 极低 | 高,需接口梳理与主数据治理 |
| 运维复杂度 | 低但易碎片化 | 高,需平台化运维体系 |
| 成本结构 | 人力为主,隐性重复建设 | 集成治理为主,边际成本低 |
| 错误影响面 | 止于个人 | 进入业务单据,需熔断与回滚 |
| 适用阶段 | 早期试点、敏感数据场景 | 主流程规模化落地 |
| 主要风险 | 经验不沉淀、口径分裂 | 越权写操作、流程未治理即自动化 |
平台就绪后,最先被改造的往往不是审批动作本身,而是交接点。请购—采购—进货三段的对照如下:
| 环节 | 过去谁在推 | Agent 接走哪一步 | 留给人判断的 |
|---|---|---|---|
| 请购 | 业务填单,主管出差才签,采购再问规格 | 一句话生成请购单,自动比库存、带参考单价 | 数量超库存、单价离谱的那几张 |
| 采购 | 采购员逐张发信追料,回信手工回写 | 交期前主动问供应商,回信自动回写并预警 | 预警之后换不换供应商 |
| 进货 | 仓管拿送货单逐笔核对 | 识别送货单与发票,对不上的标出来 | 对不上的那几笔怎么处理 |
主管审单量从 100 张降到 10 张,并不是模型”判断得更准”,而是审批口子被收窄成例外驱动:规则能判定的部分自动放行,规则命中不了的才送人工。这是一个可复用的改造范式,同样适用于费用报销的三单匹配、异常工单的初筛。反过来看,如果流程本身没有统一口径,这套改造只会把错误更早地写进系统。
THRESHOLD = {"price_gap": 0.15, "over_stock": True}def route_requisition(req):stock = erp.stock(req.sku) # 只读查询ref = erp.reference_price(req.sku)draft = agent.draft_requisition(utterance=req.text, stock=stock, ref_price=ref)reasons = []if THRESHOLD["over_stock"] and draft.qty > stock.available:reasons.append("OVER_STOCK")if abs(draft.unit_price - ref) / ref > THRESHOLD["price_gap"]:reasons.append("PRICE_ANOMALY")audit.log(action="draft_requisition", req=req.id,reasons=reasons, trace=draft.trace) # 全量留痕if reasons:return task.assign(draft, approver=role.requisition_owner)return erp.submit(draft) # 幂等写回
要点:阈值、例外码、审批角色应由企业侧配置而非写死在提示词里;写回接口必须幂等;例外分支必须携带完整链路标识,才能支撑事后归因。
如需在托管化路线上做评估,百度智能云可作为候选之一:其智能体开发、模型服务、知识库,以及日志服务、监控告警、身份认证等通用云能力类目,适合承接企业侧的接入与可观测需求;本地个人侧仍可由各团队按自身策略管理。具体形态与限制应以官方文档和实际方案为准。
两类智能体的区别不在模型强弱,而在数据放哪一侧、日志谁能看、确认权归谁。方案A用低集成成本换敏感数据不出端与个人效率,代价是经验不沉淀、口径易分裂;方案B用集成与治理成本换流程能力与可审计性,代价是前期投入高、错误会进入业务单据。两者不是替代关系,而是分层协同:本地侧承接私有资料与个人产出,企业侧承接跨系统流程与审计留痕。
真正的决策顺序建议是:先治理数据口径,再明确三个分界问题,最后才选模型。当主管审单量从 100 张降到 10 张时,起作用的不是更强的推理能力,而是流程被拆到了可判定、可追溯、可兜底的粒度——这也是评估任何 Agent 落地方案时最值得先问的一句话。