AI Agency试点已经证明价值，为什么还不能直接进入正式运行？丨ANC重新理解AI原生试运行
那家全渠道零售企业的库存与履约 Agent，已经完成了一个季度的试点。试点范围内，Agent 不只运行稳定，也确实改善了客户和经营结果：重点商品的订单满足率有所提高，一部分紧急调拨和加急履约得到减少。项目团队已经能够说明，Agent 采取了哪些行动，以及这些行动怎样带来了经营结果的变化。
验收会上，管理层开始讨论让 Agent 进入正式运行。既然它已经在真实订单、真实库存和真实客户中证明了价值，下一步似乎就是由业务部门正式接手，再逐步扩大到更多门店和商品。
业务负责人没有否定试点结果，但也没有同意直接进入正式运行。在他看来，试点已经证明 Agent 能够在当前范围和支持条件下创造价值；当它进入正常业务，与更多门店、区域、资源和 Human 流程共同运行以后，原来的经营改善能否保持，仍然需要验证。
AI Agency试点已经证明价值，为什么还不能直接进入正式运行？
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。
一｜试点证明价值可以发生，但还不是正式运行的依据
试点的作用，是帮助企业用可控投入验证一项价值假设。企业选择适合观察的业务对象，暂时把一部分复杂关系留在范围之外，并提供集中的项目支持，以确认 Agent 是否真的能够改变客户或经营结果。如果试点范围内的价值都没有出现，企业也就没有必要继续讨论正式运行。
这些安排并不意味着试点结果不真实。Agent 采取了真实行动，客户和经营结果也确实发生了变化。只是这些证据存在明确的条件边界：它们证明的是 Agent 在当前业务范围和支持方式下取得的结果。
进入正常业务以后，其中一些条件可能不再存在。试点可以选择数据较完整、规则较清楚的业务对象，项目团队能够集中处理系统问题，业务专家也能及时发现和修正异常。较短的观察周期，还可能来不及暴露资源长期占用、支持成本累积以及不同业务之间的相互影响。
因此，试点可以证明这项价值能够发生，却不能直接证明，当业务范围扩大、原来被隔离的关系重新出现、项目支持回到正常强度以后，同样的经营改善仍然能够保持。
这并不是 AI Agency 独有的问题。任何复杂系统从局部试点进入正式业务，都需要进一步验证实际负载、上下游依赖、异常处理、组织执行和恢复能力。试点成功说明项目值得继续验证，但正式运行还需要更完整的业务证据。
这就是为什么试点与正式运行之间，还需要一个业务试运行阶段。
二｜业务试运行怎样补足试点没有覆盖的条件
为了看清这个阶段承担的任务，可以先区分试点、受控业务试运行和常态化运行。它们不是一套固定的实施步骤，而是三种不同的证据状态。
试点回答的是：在经过选择的业务范围和较集中的支持条件下，这项 Agency 能不能创造价值。企业可以暂时隔离部分依赖，提供临时保障，并保持较短周期和较强可逆性，以便先确认价值是否可能发生。
受控业务试运行需要继续回答：当正式运行会涉及的业务对象、上下游流程、共享资源和组织关系重新进入同一个环境以后，试点中的经营改善还能不能保持。企业不仅要增加门店、商品或业务量，还要让 Agent 面对正常业务中实际存在的情境差异、资源约束、协作关系、成本和风险。
让这些业务条件进入试运行，不等于让 Agent 立即接管全部业务。企业可以开放正式运行所需的业务关系，同时只允许 Agent 在部分时段、部分流量、指定区域或者特定行动类型中作出决定，并保留干预、回退和止损能力。
业务条件完整，Agent接管范围受控。
这里的“完整”，不是要求一次试运行穷尽未来可能发生的所有情况，而是不能继续把正式运行所依赖的重要业务关系隔离在外。这里的“受控”，则是限制 Agent 实际承担业务的范围，使企业能够在风险可控的情况下，观察它进入正常业务以后会发生什么。
当业务试运行覆盖了足以暴露主要资源冲突、跨期影响和组织依赖的周期，并表明原来的经营改善不再依赖临时项目机制时，企业才开始有依据让 Agency 进入常态化运行。
试点证明价值可以发生，业务试运行证明这项价值能否进入企业常态。
三｜完整业务条件接回以后，库存Agent出现了什么新问题
这家零售企业的试点只覆盖部分核心门店和重点商品。企业选择了数据质量较好、经营规则相对清楚的对象，区域运营专家持续关注 Agent 的行动，项目团队也能够迅速处理数据、接口和工具问题。部分调拨与履约资源还得到了提前保障，因此试点中的资源竞争相对有限。
这些条件帮助企业看清 Agent 能否改善订单履约，却没有覆盖它未来需要面对的全部业务关系。进入受控业务试运行以后，企业把更多门店、商品、区域库存和共享履约资源接入同一个环境，同时只允许 Agent 在指定区域和部分时段采取行动。
一个区域的重点商品出现缺货风险以后，Agent 决定从另一区域调拨库存。在试点中，这类行动曾经有效；但这一次，另一区域已经安排了促销，Human 运营团队也按照原有流程提交了补货计划。Agent 的调拨改善了当前区域的订单满足，却提高了另一区域的缺货风险，也占用了其他业务正在等待的物流资源。
事情没有停留在这一次调拨上。调拨完成以后，区域库存、待执行补货、物流资源占用和新的订单变化共同构成了下一轮业务状态。Agent 可能根据这些变化继续调整库存优先级，Human 团队也可能重新安排促销和补货，两套行动由此开始互相影响。
试点中的 Agent 并没有突然失效，它的判断能力也未必下降。真正发生变化的是它所处的业务环境：原来被暂时隔离的区域关系、Human 行动和资源竞争重新出现，使同一种行动产生了不同的后续影响。
所以，试点中的经营改善依然真实，却不足以单独证明它能在完整业务系统中保持。业务试运行的价值，就在于让这些相互作用重新出现，再受控观察原来的经营结果会发生什么变化。
四｜Agency给业务试运行增加了什么新挑战
传统系统同样需要在业务试运行中验证实际负载、跨系统依赖、异常处理和组织执行。即使没有 AI，一项功能在有限试点中运行良好，也不代表它进入更广泛的业务以后，不会遇到新的约束和冲突。
AI Agency 在这些通用问题之外，还要求企业多观察一件事。因为它不是反复执行一组已经确定的动作，而会根据当时的业务状态和此前行动造成的结果，持续形成下一步。
完整业务状态 → Agency形成下一步并采取行动 → 共享资源、Human行为和其他系统状态改变 → 这些变化成为新的业务反馈 → Agency据此再次形成下一步
这段关系与一次普通的“输入—处理—输出”不同。Agent 采取行动以后，下一次判断面对的已经不是原来的业务：资源分布发生了变化，Human 和其他系统可能作出响应，客户行为也可能随之改变。这些新的状态进入判断以后，又会产生新的行动。
因此，即使每一次行动单独看都有合理依据，连续形成的行动仍然可能走出另一条轨迹。局部偏差可能在后续反馈中得到纠正，也可能被一次次合理行动持续放大。企业只有观察一段真实运行过程，才能知道最终出现的是哪一种结果。
Agency 的业务试运行不能只检查系统是否稳定，也不能只是把试点指标换到更大样本中重新计算。企业还需要看清：Agent 的行动怎样改变业务，这些变化怎样影响后续判断，以及连续行动最终是在推进经营目标，还是逐渐把业务带向另一个方向。
这才是 Agency 给业务试运行增加的新问题。企业要验证的，不只是一个 Agent 能不能工作，而是一个能够持续形成下一步的新运行主体，会把业务持续推向哪里。
五｜进入正式运行以前，管理层需要得到什么证据
面对一个已经成功的试点，管理层首先需要看清，原来的经营改善依赖了哪些条件。Agent 本身发挥了什么作用，经过选择的业务对象、临时资源和集中支持又发挥了什么作用；当这些条件回到正常状态以后，原来的结果是否还能保持。
管理层还需要观察 Agent 与其他业务共同运行时发生了什么。它的行动是否与 Human 或其他系统相互冲突，局部改善是否把风险和损失转移到其他业务，共享资源的竞争是否改变了原来的价值关系。这些影响无法从孤立试点中推断，只有相关业务真正进入同一个环境以后才可能被看见。
业务试运行还需要覆盖足以暴露主要跨期影响的周期。它不能在结束时完整证明未来的长期价值，却应该让企业看见：随着临时支持减弱、运行周期拉长，客户和经营结果是否仍然改善，成本、风险和组织负担是否开始抵消这项价值。Agency 进入常态化运行以后，这些判断仍然需要被持续更新。
如果证据还不充分，企业得到的也不一定是永久停止的结论。它可能需要继续观察，调整 Agent 运行所依赖的业务条件，或者暂时不扩大其职责。
本期回答的，是管理层在作出正式运行决定以前至少需要看到什么，而不是提前决定哪些 Agency 永远不应该建设。
试点成功不是正式运行的依据，而是业务试运行的起点。
ANC视角：从试点能力到正常经营能力
AI Agency 进入企业正常运行，不只是把一项已经通过测试的技术能力交给更多用户，而是让一个新的运行主体开始持续承担经营职责。试点可以证明它有能力创造价值，但企业还需要知道，当它真正与公司的其他业务共同运行以后，这项价值是否仍然存在。
因此，从试点到常态化运行并不只是一次技术交付。企业是在决定，是否可以把一段持续推进经营目标的职责交给 Agency。业务试运行提供的，正是作出这项经营决定以前所需要的现实证据。
写在最后
上一期回答的是：Agent 的系统表现是否已经通过真实行动改变了客户和经营结果。这一期从已经出现的经营改善继续向前，追问当业务条件发生变化以后，这些结果还能不能保持。
业务试运行可以为常态化运行提供更完整的现实依据，却不能消除未来的不确定性。Agency 进入常态以后，企业仍然需要持续观察经营结果、成本和风险，并判断原来的结论是否因为业务变化而失效。
即使一项 Agency 已经证明自己能够进入企业常态，另一个问题仍然没有回答：
公司是否应该继续扩大AI承担的业务范围？
来源与限制
- NIST AI Risk Management Framework Core提出，AI 系统的表现应在与部署情境相似的条件下验证，对超出原有开发或测试条件的可推广性限制需要记录，并应在系统运行期间持续监测。本文只用它支持“AI 系统验证具有部署情境边界”这一外部事实，不将 NIST 的风险管理框架等同于 ANC 的业务试运行判断。
- Perdomo 等人的《Performative Prediction》讨论了预测参与决策以后如何影响其试图预测的结果；Brown 等人的《Performative Prediction in a Stateful World》进一步讨论了模型、行动与持续变化状态之间的关系。两项研究只支持“AI 支持的行动可能改变未来状态和反馈”这一有限事实，不直接研究企业 AI Agency，也不承担本文的经营价值结论。
- 英国政府的《Artificial Intelligence Playbook for the UK Government》记录了 GOV.UK Chat 在早期受控测试中使用专家和内容设计人员进行评估，同时指出第一阶段高度人工化的质量保障方式不适合直接扩大。该案例只说明试点中的人工支持未必能够按相同强度延续，不与库存及履约 Agent 作直接类比。
- 文中的全渠道零售企业、库存与履约 Agent、区域调拨及 Human 运营冲突均为延续本系列的设想案例，不对应具体公司，也不用于证明所有库存 Agency 都会出现相同结果。
- “试点证明价值可以发生，业务试运行证明价值能否进入企业常态”“业务条件完整、Agent 接管受控”，以及 Agency 的业务试运行需要观察持续行动轨迹，均为 ANC 在本文提出的企业建设判断。本文不提供灰度发布方案、实验设计、生产架构、ROI 模型或 Agency 停止决策框架。
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。