你公司不缺 AI 代理，缺的是一本“代理台账”

上周我和一位 B 轮公司的 COO 复盘他们的 AI 投入。结果挺尴尬。

销售团队在 HubSpot 里挂了一个潜客打分 Agent；客服在 Zendesk 上接了一个工单分类 Agent；财务用了一个对账 Agent 跑 Stripe 流水；市场又单独买了一个内容生成 Agent；产品经理在 Linear 里跑了一个自动归类 bug 的脚本；CEO 自己还订阅了一个写邮件的助手挂在 Gmail 上。

六个 Agent，分属四个供应商，没有一个共享上下文。当一个大客户同时触发了客服工单、产品 bug 和延期付款，三个 Agent 各自行动——客服回了安抚邮件，财务自动发了催款，产品给客户邮箱发了一个 bug 修复通知。客户当天打电话过来骂人。

这不是技术问题，是治理问题。Gartner 的数据显示，到 2026 年超过一半的中大型企业会在核心职能里至少部署三个专用 AI 代理。问题是，绝大多数公司没有想清楚：谁拥有这些代理？谁能审计它们？谁来仲裁冲突？

反直觉的事实是这样的：你下一个采购决策，不应该是再买一个更聪明的模型，而是给你已经有的 Agent 建一本台账。

我接触的运营者里，最常见的误区是把 AI 当 SaaS 买。每个团队负责人都想要一个属于自己的“数字员工”，于是采购流程像超市选购——客服选客服 Agent，销售选销售 Agent，财务选财务 Agent。

这种叠加方式带来三个具体的问题。

第一是数据孤岛。每个 Agent 跑在自己那块碎片数据上。客服 Agent 不知道这个用户昨天在 Pipedrive 里被销售标记为“战略客户”，财务 Agent 不知道这个延付背后有合同纠纷。输出就开始互相打架。

第二是利用率极低。行业调研显示，大多数 AI Agent 平台的功能利用率不到 20%。但订阅费、集成费、维护成本是叠加的。你花了三份钱，用到了半份功能。

第三是责任真空。一个 Agent 自动发了一封邮件、自动改了一个 CRM 字段、自动支付了一笔款，出问题的时候——谁负责？没有日志，没有归属，没人知道是哪个 Agent 在什么时间用什么权限做的。在跨境支付场景里，Airwallex 在 2026 年的分析特别指出，缺少代理级的实时交易日志和集中预算控制，就会出现未授权支付和漏掉的合规检查。这种风险不是理论上的。

所以当 COO 问我“我们是不是 AI 用得太少”，我通常会反问：你能在 30 秒内列出公司里所有正在运行的 Agent，以及它们各自有权访问哪些系统吗？十次有九次，答案是不能。

“代理台账”这个词我借自轻流的一份 2026 年报告。它讲的是中国制造业和零售业里多人维护台账的混乱——超过 65% 的企业在多人台账管理中出现数据不一致和错账，根源是录入标准不统一、权限管理混乱、任务历史难追溯。

我把这个概念挪到 AI 代理上，本质完全一样。

一本合格的代理台账要做四件事：

记录身份。 每一个在公司系统里运行的 Agent，必须有唯一标识、明确的拥有人、可枚举的权限范围。这个 Agent 能读 Gmail 但不能发；那个 Agent 能写 Notion 但不能删；财务 Agent 能查 Stripe 但单笔操作上限 500 美元。没有这一层，你连风险都没法估算。

记录行为。 每一次 Agent 触发的动作——发邮件、改字段、调 API、调用另一个 Agent——都要被时间戳、归属、入参出参完整记录。这是合规的基础，也是事后复盘冲突的唯一办法。

检测冲突。 当客服 Agent 准备发安抚邮件，财务 Agent 同时准备发催款邮件，台账要能识别出“这是同一个客户、同一天、两个相反方向的动作”，并触发暂停。轻流的客户案例里，引入实时冲突检测后错账率下降了 76%，跨部门协作效率提升 3 倍。这个数量级，比你换一个更大的模型带来的提升大得多。

留出审计口。 监管、内审、年度复盘需要的不是一堆截图，而是一个可查询的、不可篡改的日志。Google Cloud 和微软在 2026 年的产品路线图里都把这一层作为核心——他们叫“代理身份、调度和跨代理协调”，本质上就是台账。

这本台账不需要你自己从零造。Moments 在做的事情之一，就是把运营者已经接入的 Gmail、Outlook、Slack、HubSpot、Linear、Stripe 这些系统里的 Agent 行为汇总到一个视图——但说实话，用什么工具次要，先有这个意识更重要。

台账解决“事后能查”，路由解决“事前怎么分”。这两件事必须一起做。

我观察到的好的统一任务路由长这样：当一个新事件进入公司——一封客户邮件落到 Gmail，一个 Calendly 预约新建，一个 Linear issue 被打开，一个 Stripe 退款请求被触发——它不会直接被某个 Agent 抢走，而是先进入一个中心化的“调度器”。

调度器问三个问题：这个任务的归属团队是谁？当前最适合处理它的 Agent（或人）是谁？这个动作需要的权限和上下文是否齐备？

答完之后再分发。

这个模式听起来抽象，落到一个具体的运营者身上是这样：一位经营 30 人 SaaS 公司的创始人告诉我，他过去每天要在 Gmail、Slack、HubSpot 之间切换 40 多次，每个工具都有“智能助手”在给他建议，但建议互相矛盾。引入统一路由后，所有“需要他决策的事”被汇总到一个清单：哪些 Agent 已经处理完只需确认，哪些需要他亲自回，哪些被升级因为 Agent 不确定。他的上下文切换从 40 次降到 6 次。

这就是腾讯云在他们 2026 年的 Agent 开发平台定位里反复强调的——“工作流集成、业务对齐的编排枢纽”，而不是“更多的代理工厂”。

路由的另一个关键功能是负载均衡。如果你有两个能处理客户支持的 Agent（比如一个老的规则引擎、一个新的 LLM Agent），路由层可以根据置信度、成本、当前队列长度动态选择。没有这一层，你只能要么全切要么不切，这就是为什么很多公司“AI 转型”停在 PoC 阶段——他们没有路由层让新旧系统平滑共存。

如果我现在是你的 COO，下周一上班，我会按这个顺序做。

第一周：盘点。 让 IT、各业务负责人在一张表上列出公司里所有跑着的 AI Agent 和自动化脚本。包括 Zapier、Make、HubSpot workflow、Linear automation、Slack bot——这些都算。每个条目记四列：拥有人、接入的系统、权限范围、月度成本。这张表通常会让 CEO 大吃一惊，因为“影子 AI”比想象的多得多。微软在 2026 年的企业 AI 报告里明确把“shadow AI”和“碎片化代理部署”列为头号风险，不是没原因的。

第二周：识别重叠和缝隙。 看哪些任务被两个以上的 Agent 处理（重叠），哪些任务谁也没接（缝隙）。我见过一家公司同时有三个工具在给销售线索打分，结果三个分数互相打架，销售干脆全忽略。也见过客户邮件里的合同修改请求，因为没有 Agent 负责，平均要 4 天才被人看到。

第三周：定义升级节点。 这是最容易被忽视但最重要的一步。哪些动作 Agent 可以自主执行？哪些必须人工确认？阈值怎么设？我的经验是：金额相关（任何 Stripe 退款、HubSpot 折扣超过 X%）、客户身份相关（VIP 客户的任何外发邮件）、不可逆动作（删除、合同发送、对外公告）——这三类一律强制人工确认。这不是降低 AI 效率，而是把人留在该留的位置。

第四周：上台账和路由层。 选一个工具（自建或用 Moments、Google Cloud、腾讯云的相应平台都可以），把现有的 Agent 接入统一的日志和路由层。不要追求一步到位，先接最高频的三个——通常是邮件、CRM、工单系统。

之后是持续治理。 每月看一次台账的几个指标：Agent 触发冲突的次数、被人工升级的比例、错误回滚的次数、单位任务成本。这些数字会告诉你哪些 Agent 值得保留，哪些该砍掉，哪些需要重新训练。

这个流程不性感，没有发布会可以开。但这是我看到“AI 真的省下时间”的公司和“AI 投入打水漂”的公司之间最大的区别。

我对“AI 会替代多少白领”这种讨论兴趣不大。我更在意的是另一个问题：当 Agent 接管了重复劳动，人的注意力应该被重新分配到哪里？

Manager Today 在 2025 年那篇关于 AI agent 的文章里讲得挺到位——未来白领的战场不在“懂多少”，而是“能否管好它”。我同意一半。另一半我想补充：管好它的前提，是你有一个能让你看见它的系统。

一个好的 Chief of Staff——不管是人还是 AI——做的事是把老板的注意力保护起来。我帮一位创始人做这件事的时候，最高频的动作是这样的：

他的 Gmail 里每天有 200 多封邮件。其中大约 30 封是 Agent 可以直接处理的（日程确认、文件请求、订阅推送的整理）；80 封是 Agent 起草、他扫一眼批准的（客户回信模板化场景）；剩下 90 封里，70 封他根本不需要看（自动归档），20 封需要他亲自处理且是当天关键。

这 20 封的筛选标准是事先定好的——来自前 50 个客户、来自投资人、来自直接下属带紧急标记、提到合同或金额。这些规则写在台账里，Agent 按规则路由，他每天只在固定两个时段处理这 20 封。

这种工作方式不是“AI 替代了助理”，而是“AI 让 Chief of Staff 这个角色第一次可以规模化地存在于每一个创始人身边”。但它的前提是——治理在前。如果没有台账、没有路由、没有升级规则，再聪明的 Agent 也只是给你制造新的噪音。

我知道“先治理后扩张”这个建议在 2026 年听起来不够刺激。每周都有新的 Agent 框架发布，每个供应商都在告诉你他们的模型更强、更便宜、更专业。

但我跟踪了一年的几十家公司，规律很清楚：在 AI 上拿到真实 ROI 的公司，平均使用的 Agent 数量不比拿不到 ROI 的公司多，有时候反而更少。区别在于前者有台账、有路由、有清楚的升级路径；后者在数 Agent 数量。

如果你是 COO 或运营负责人，下一个季度的预算优先级我建议这样排：先花钱把现有的 Agent 治理起来，再花钱买新的。如果治理不清楚，再多的预算只是把混乱放大。

不要为了赶上 AI 而把你的运营变得更乱。