为什么AI Agency是企业AI革命的关键变量？丨ANC重新理解企业AI

当下，大多数企业都引入了AI。

销售那边有AI帮写方案，法务那边有AI帮筛合同，客服那边有AI帮回常见问题。代码写得更快了，报告出得更及时了，新员工上手的速度也比以前快了不少，效率数据每个月都在涨。

但如果没有人发起、接续和采纳，这些工具型AI不会自己把任何一件业务继续往前推进。

没有人问，它不会回答。没有人把文件拖进去，它不会打开。没有人看完输出并决定下一步，什么都不会发生。它们就待在那里，像一排没人开的机器。

这不是说这家公司用错了。模型越来越强，工具越来越多，效率真的提高了——这些都是真实的价值，而且对很多公司来说，做好这一步已经足够重要。只是公司里的事情仍然主要靠人一段一段往前推进：有人发现问题，有人打开工具，有人看完输出决定怎么办，有人把事情传给下一个环节。AI在这条链上的位置，始终是被叫到的那一端。

所以一家公司完全可以把AI用得很深，原来的运行方式却基本没有改变。人还是那些人，只是每个人手上多了很好的工具。

NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。

AI开始自己把事情往前推

AI Agency带来的变化，是AI不再只完成被交给它的那一步。

给它一个目标和一组边界，它会看现在发生了什么，判断下一步该做什么，采取行动，再根据结果继续调整。直到目标完成、碰到边界，或者需要人来接手。

和工具的区别不在于它更聪明，在于它不等人。工具再强，也要等人发起、等人看完、等人决定下一步。Agency不等——它自己接着往下走。

这意味着企业第一次多出了一种力量：不必有人一步步盯着，事情也能继续往前推进。

过去企业要推进一件需要持续判断的事情，办法只有一个：多配一个人，或者把现有的人重新排一遍。要多服务一批客户，多招客户经理；要多覆盖一类风险，多设一个岗；要把检查做得更细，多加几双眼睛。过去，凡是需要长期盯着、不断判断的事情，规模一扩大，就得跟着增加人手。

AI Agency多出来的这种力量，有几个特点。它可以被复制，可以同时跑很多条，不用休息，也不用交接。最要紧的一个是：每多做一件事儿，不一定要多配一个人。

当然，没有越来越强的模型，就不会有Agency——模型能力是前提。但前提和转折点是两回事。模型更强了，所有公司的技术条件一起上升，这一层不决定谁会变成另一种公司。有些公司用AI帮员工做得更好，有些公司开始让AI独立负责一项任务——差距出现在这里。

公司里真正缺的是什么

一家公司真正缺的，往往不是把一份报告写快十分钟。

缺的是太多事情根本没有人一直盯着。

大客户有客户经理持续跟进，知道他们最近在忙什么、遇到了什么困难、下一步可能需要什么。小客户只能自己在帮助页面找答案，找不到就走了，走了也没人知道。风险只能抽查——一天进来一万笔交易，能认真看的只有几百笔，剩下的靠规则筛一遍，没被筛出来的，就默认没有问题。设备只有坏了才处理，没有人一直看它的温度是不是在慢慢升高。

这些安排不是管理上的疏忽，它们是一种理性选择。因为每多持续照看一件事，就要多占用一个人的时间和注意力。人是贵的、有限的、不能同时做太多件事的——一个人能认真盯住的对象数量就那么多，超过了要么质量下降，要么干脆顾不过来。所以公司只好画线：谁被持续照看，谁只能等出事再说。

画线画出来的东西到处都是，只是换了名字。服务合同名单是一种，重点客户名单是一种，抽检比例是一种，优先级队列也是一种。它们看起来像业务分级，实际上都是同一件事——公司在分配有限的人手，决定这些人的注意力放在谁身上。

如果你问一个管理者"你们公司有哪些事情其实应该做但一直没做"，他多半不会说出来——不是因为没有，而是因为已经习惯了。那些名单外面的客户、那些抽检覆盖不到的案件、那些没人盯着慢慢变坏的东西，在公司的语言里根本没有名字，因为从来没有人负责过它们。

AI工具能让每个人照看更多对象，所以那条线可以往外挪一段。但每多接一个，还是要多占一份人的注意力，只是每份注意力可以小一些。

AI Agency带来的变化是：持续照看一个对象，不再必然长期占用一个人。

一家空压机公司发生了什么

设想一家做工业空压机的公司。

这家公司卖出去的设备有几千台，分布在各个工厂里运行——给产线供气、给喷涂车间供压、给包装线供动力，每台设备停下来，后面一段产线就得跟着停。签了持续运维服务合同的客户只有几十家，都是大客户。不是中小客户不想签——很多客户问过能不能也有人帮忙一直盯着设备状态——一名工程师能同时持续照看的台数有限，摊到合同里只有大客户的金额养得住。剩下几千台的服务方式是坏了打电话，公司派人上门，修好了走人。

先引入的是AI工具。远程诊断、自动报告、排班优化，让工程师从盯20台变成盯35台。名单往下延伸了一截，有些过去签不起合同的中型客户开始签得起了，这是好事。但工程师每接一台新设备，还是得多分出一份注意力来看它。

后来引入的是Agency。系统持续读取设备状态，判断是继续观察、远程处理还是安排检修，并调用工单和备件系统把决定推进下去。结果回来后，它继续调整后续判断；涉及停产、安全或超出边界的情况，再交给工程师。

这已经不只是预测性维护。预测模型负责发现异常，而这里更重要的是：系统发现之后，还会继续判断、行动、读取结果，再调整下一步。

然后三件事一件接一件地发生了。

第一件，那份几十行的名单开始往下延伸。不是因为工程师更努力了，而是因为多看一台设备不再意味着工程师也得多分一份注意力。原来那几千台只能"坏了打电话"的设备，有一些开始被持续照看了。

第二件，那位工程师每天打开的界面变了。过去他上班打开的是设备列表，从第一台看到最后一台，一台台判断哪个需要管。现在他打开的是例外队列——只有系统处理不了的、或者按规定不能自己处理的情况才到他面前。他可以从亲自盯几十台设备，转向管理更大范围内的目标和例外，反而有时间去做以前顾不上的事：定这条服务线的目标应该是什么，划清楚哪些动作系统可以自己做、哪些必须经过人，看看系统最近在哪类设备上判断质量下降了。

第三件，合同上那一行变了。过去写的是上门费和备件价格，公司卖的是响应速度——坏了之后修得多快。现在这一行可能改写成按可用小时计费：公司承诺的不再是修得快，而是设备不坏。这是因为当几千台设备都处在被持续照看的状态里，公司开始有条件把承诺从“坏了以后多快修好”，延伸到“设备能否持续运行”。

按可用时间收费不是新发明。劳斯莱斯1962年就推出了"Power by the Hour"，按每飞行小时固定费率，来服务发动机的维护和更换；今天的TotalCare仍然这样计费。这个模式存在了六十多年，却始终只出现在航空发动机这类极高价值的资产上——因为要对可用率负责，就得有人一直盯着每一台，普通设备的合同金额撑不起这个成本。

不只是这一家公司的故事

同样的事情换个行业来看，就是另一组熟悉的场景。银行只给高价值客户配客户经理，软件公司只给头部账户配客户成功团队。不是其他客户没有需求，而是持续理解每个客户、判断下一步并跟进结果，过去必须长期占用一个人。

当这部分工作可以由Agency持续推进，变化的不只是服务成本，哪些客户值得服务、哪些结果能够承诺、哪些业务能够成立，都会有更多的可能。

如果一家公司可以低成本地持续照看和推进，它能卖的东西也不一样了。过去只能一次交付的建议可以变成持续跟进的结果。过去只能卖产品和备件的可以开始承诺可用率。过去因为单位服务成本太高而不值得做的长尾客户，可能第一次有利可图了。

ANC视角：企业AI

到这里可以回头看一下：模型更强、工具更好、Agency出现，这三件事各自到底改变了什么。

模型更强，AI能做的事情变多了。它可以理解更复杂的内容，完成更困难的任务，处理更长的上下文。

工具(AI Tool)更好，每个人能完成的事情变多了。同样的时间，产出更高，质量更好，能处理的范围更广。

AI Agency出现之后，企业能够持续照看、判断和推进的事情本身变多了。不是因为人变多了，而是有一些事情不再必须有人一步步盯着才能往前走。

这也是为什么，ANC把Agency而不是模型，放在"关键变量"这个位置上。模型更强是好事，所有公司都受益；工具更好也是好事，每个人都能做更多。但这两件事发生之后，公司的样子不一定会变——它可能只是同一家公司跑得更快了一些。Agency进来之后，公司能做的事本身可能不一样了：能服务的客户不一样，能承诺的结果不一样，能经营的生意也不一样。这是另一个层级的变化。

这里需要强调一下：Agency不是说人退出了。目标是人定的，边界是人划的，例外是人处理的，系统判错了也是人发现的。变的不是人在不在，而是人是不是必须亲自参与每一步，事情才能往前走。

模型扩大AI能做什么，工具扩大人能做多少，Agency扩大企业能持续推进多少目标。

AI Agency不只是让公司跑得更好，它能让公司开始做过去做不了的事。

写在最后

一旦企业让AI开始替自己持续判断，下一个问题就来了。

比如，那家空压机公司真正的难题，出现在系统开始替他们决定"这台设备要不要提前停机检修"之后。停机意味着客户的产线要停几个小时。什么情况下值得停，什么情况下再观察两天，这不只是一道技术题：它取决于这家公司愿意为一次误判承担什么，取决于它对客户关系的取舍，也取决于服务承诺是怎么写的。这些东西散落在合同里、在老工程师的经验里、在管理层的口头共识里，没有一处是模型天生知道的。

模型能判断，不等于它会按这家公司的目标和取舍去判断。那么，企业究竟要怎样把自己的经营逻辑，变成AI Agency的判断依据？

参考来源

1. 劳斯莱斯"Power by the Hour"与TotalCare：1962年推出的按飞行小时计费模式及其现行项目为公开事实，用作结果型服务的历史锚点。它只能证明这种模式长期存在于高价值资产上，不能证明AI Agency已使其在普通设备上大规模成立。

感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪AI工程系列」FDE落地工程、ANC：AI Native Company未来公司系列、GEO、AI判断工程。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。