企业可能因此建立跨部门的Agent治理委员会，也可能出现“Agent平台主管”“数字劳动力经理”等新角色。这些角色的重要工作并非亲自创建Agent，而是确定哪些流程可以自动执行，哪些节点必须保留人工批准，以及异常发生后谁有权按下停止键。将责任简单推给“使用Agent的员工”并不公平，因为普通使用者往往无法看见模型、数据和工具链的全部缺陷；把责任全部交给IT部门同样行不通，因为许多决策只有业务部门才能判断。更可行的办法，是为每个Agent指定业务责任人、技术责任人和风险等级，并把权限与责任同时写进工作流。

　　另一个隐患来自项目制数字化建设。客服部门采购一个Agent，财务部门开发一个Agent，区域公司再委托供应商建设自己的版本。每个项目在验收时都能完成演示，企业层面却缺少统一目录、技术标准和退出机制。几年后，公司可能拥有一批互不相识、功能重叠、无人统筹的数字员工。有些Agent已经停止创造价值，却仍在消耗Token；有些继续使用离职员工或外部供应商配置的权限。届时新增Agent的边际收益会下降，治理成本则持续上升。

　　在不久的将来，判断一家公司的AI能力，Agent数量可能只是很粗糙的指标。更重要的是，它能否知道每个Agent是谁、允许它做什么、花了多少钱、创造了多少价值，以及出现偏差时谁能立即让它停下来。拥有一支可识别、可授权、可观察、可问责的数字劳动力的企业，将更有可能在激烈的市场竞争中脱颖而出。

　　（作者王翔为复旦大学数字与移动治理实验室研究员）

　　来源：澎湃新闻