第一年是兴奋。第二年是混乱。第三年才开始有方法论。这几乎是所有企业做 AI 的共同节奏。
第一年兴奋,因为单点突破太容易了。接一个大模型,做个知识问答,业务部门试用后反馈"挺好用"。几个场景的成果汇报上去,预算批下来,方向定了。
第二年混乱,因为数量上来了。三个智能体变成三十个,一个部门变成八个部门。重复建设开始出现——三个团队做了三个大同小异的合同审查助手。权限开始失控——有人为了跑通流程,给了个超级账号。账单开始看不懂——模型调用费涨了三倍,没人说得清涨在哪。
第三年,企业才真正开始问一个笨问题:我们到底在管什么?
管理对象变了,方法却没变
传统 IT 管理的对象是系统和账号。系统数量有限、生命周期长、变更要走流程;账号有归属、有权限、能审计。这套方法运行了三十年,成熟可靠。
智能体不符合这些前提。它数量增长快,业务部门自己就能搭;它行为动态,同样一句指令两次执行路径不同;它权限复杂,调用链上每一环都可能带来新的访问范围。
用管系统的办法管智能体,就像用管图书馆的办法管一群研究员——你能管住书的借还,管不住他们在研究什么。
把智能体当员工,问题就顺了
用友在 11 月的一场体验会上,给出的框架有意思:不把智能体当功能模块,而当"员工"。
员工有身份,所以要区分它是个人助理、岗位角色还是团队成员;员工有岗位,所以要有上岗流程——配置身份、划定授权、明确职责;员工有绩效,所以要有使用数据、成本核算、效果评估;员工会离职,所以要有退役交接——权限回收、资产归档、数据处置。
这套类比不是修辞,是管理逻辑的迁移。人力资源管理的成熟度,远高于"AI 资产管理"这个新词所能提供的经验。借一套成熟的框架,比从零发明一套要靠谱。
第二次学习:从加法到减法
第一次学习是学会用 AI,做加法:多上场景、多建智能体、多覆盖部门。
第二次学习是学会管 AI,做减法:把重复的合并,把低效的下线,把权限收回来,把口径统一起来。减法比加法难,因为加法有成果可汇报,减法只有风险被避免——而没发生的事,很难写进总结。
但企业AI 的真正分水岭就在这里。能上多少个智能体,考验的是执行力;能管好多少个,考验的是治理能力。前者的天花板由预算决定,后者的天花板由秩序决定。
秩序这个词听起来不性感。它不会出现在发布会的大屏上,也不会成为年底汇报的亮点。但三年后再回头看,走得远的企业,多半是在别人忙着上数量的时候,悄悄把底座打好了。