企业级 Agent 运营模型：一套控制面、三类责任人和四本成本账
IBM 2026 年 10 月指出，单个 Agent 表现良好，不代表它接入其他 Agent、企业应用和人工审批后仍然可靠；其建议用 Agentic Control Plane 统一运营。Google 的企业平台强调独立 Agent 身份、权限、审计、沙箱和成本路由。对传统企业而言，这不是新增一个 AI 中台，而是建立可问责的数字劳动力运营模型。
最常见的失败是每个部门独立采购模型、复制数据、保存密钥、定义指标。试点很快，规模化后却无法回答“谁拥有这个 Agent、它花了多少钱、为什么能访问 ERP”。
平台团队提供可复用护栏，业务团队拥有结果，Agent 运营者负责日常质量；三者不能混成一个“AI 项目组”。
控制面管理元数据，不接管全部业务逻辑
agent:
id: finance.reconciliation.v3
owner_business: finance-controller
owner_operational: shared-service-ops
owner_platform: ai-platform
identity: spiffe://corp/agents/finance-reconciliation
tools: [ledger.read, bank.read, journal.submit_draft]
policies: [finance-sod-v8, pii-redaction-v4]
eval_suite: reconciliation-prod-shadow
budget:
monthly_cny: 18000
per_case_cny: 0.80
注册表让安全、审计和财务看到同一事实。Agent 代码仍归业务域维护，控制面只提供身份、工具发现、策略执行、轨迹、评测、版本和成本配额。
建立四本成本账
模型 token 只是其中一本。完整单位成本还包括平台、集成、人工复核与错误损失：
def unit_economics(m: Metrics) -> dict[str, float]:
run_cost = m.model + m.tools + m.compute
review_cost = m.review_minutes / 60 * m.loaded_hourly_cost
error_cost = m.false_action_rate * m.expected_loss
platform_share = m.monthly_platform_cost / m.monthly_cases
total = run_cost + review_cost + error_cost + platform_share
return {
"cost_per_case": total,
"net_saving_per_case": m.manual_baseline_cost - total,
"automation_quality": 1 - m.false_action_rate,
}
还要分别看建设账、运行账、风险账和收益账。若一次流程节省 5 元，却消耗 8 元模型和复核成本，应通过小模型路由、缓存或回到确定性自动化，而不是继续扩量。
发布门禁要绑定业务结果
SELECT agent_version,
AVG(cycle_time_minutes) AS cycle_time,
AVG(human_touches) AS touches,
AVG(CASE WHEN reopened THEN 1 ELSE 0 END) AS reopen_rate,
AVG(total_cost_cny) AS unit_cost
FROM agent_case_outcomes
WHERE cohort IN ('shadow', 'canary', 'control')
GROUP BY agent_version;
离线评测验证工具选择和策略遵守；影子运行比较 Agent 建议与人工决定；金丝雀只开放小流量和可逆动作；线上持续比较控制组。模型升级、Prompt、工具 schema 和策略任一变化都要触发回归。
规模化靠复用连接和控制，而不是复制 Agent
平台首先建设企业身份、API/MCP 网关、语义数据层、事件总线、审批服务和统一轨迹。业务团队用这些积木组装场景，无需每次重新处理密钥、审计和成本统计。
治理委员会不应逐条审批日常对话，而应定义风险分级、禁止动作、自动执行阈值和事故响应。业务负责人对周期、质量与收益负责；运营负责人处理失败、漂移和升级；平台负责人保证可靠性、安全与成本。只有责任和经济账同时落地，传统企业的 Agent 才能从试点预算进入正常经营预算。