AI Agent 上线之后,归谁管?
本文探讨 AI Agent 上线后的归属问题,主张中央团队负责权限、数据与模型层,营销团队负责指令与语气,并借软件维护史说明智能体需要持续养护,提出五个责任问题供团队自查。


前段时间,我跟一个朋友吃饭。
他在一家大型公用事业公司做事。下个季度,他们要上线 200 个 AI Agent。大部分还不是 IT 部门做的,是市场部这样的业务部门,自己动手搞出来的。
我说,强!
真的强。业务部门不用等 IT 排期,自己就把智能体造出来了。这是很多公司盼了多少年的状态。
然后我随口问了一句:这 200 个 agent,上线之后,谁管?
他说,什么意思?
我说就是,模型升级了,谁负责跟进?公司政策变了,谁来改?写它那个人调岗了,算谁的?
他卡住了。
想了一会儿,没答上来。
我们都在忙着建。忙着让 agent 干活,忙着为「又上线一个」高兴。但很少有人停下来想一件事:
这些 agent,上线之后归谁?
「要不要建」,已经不用讨论了
先交代个背景。
今年 5 月,Kana 调研了 225 位美国大型企业的高管。70% 已经把定制 agent 用在真实的营销工作上。一个都没用的,只有 3%。
什么概念?
「要不要建 agent」这个问题的争论,已经结束了。你还在犹豫要不要上车,人家已经在车上放第二个行李箱了。
真正有意思的问题,是下一个:建完之后呢?
而这,恰恰是最含糊的一块。
同一批高管,问「营销智能体该归谁管」:大约 40% 说,该首席 AI 官管。AI 负责人里,这个比例是 52%。轮到营销高管,多数选自己部门,或者搞个共享模式。
你看明白了吗?
翻译一下就是:两拨都很能干的人,各自都觉得,这件事是对方在管。
于是很多公司现在的真实状态是:agent 在跑,数据在流,没人真正看着。
两边的话,都对一半
那到底该谁管?中央团队,还是业务团队?
两边的话我都听过,都有道理。
主张中央管的人说:agent 天天碰客户数据,处处连着合规风险,而且没有哪个部门,能放心让它自己监督自己的产出。
对吧?没错。
主张业务部门管的人说:中央团队的人,听不出 agent 的语气对不对,不知道它推的 offer 还在不在有效期,更不清楚它圈人的逻辑,还合不合现在这套打法。
也对吧?也没错。
两边都对,事情就麻烦了。
部门会互相以为对方在管,名字不会。
所以,拆。
把一个大问题拆成两个小问题:中央团队管访问权限、管数据、管模型层。营销团队管指令、管语气、管它现在说的话,还是不是真的。
这两份清单,都得落到具体的名字上。
注意,是有「名字」,不是有「部门」。
有名字,不等于真负责
说到名字,有个数据特别扎心。
今年 2、3 月,Ivanti 问了 1500 名 IT 专业人士。85% 说,我们每个 agent 都有具名负责人。只有 42% 说,负责人是谁、管什么,是清楚的。
85% 对 42%,中间差了 43 个点。
这 43 个点是什么?
是「有名字」和「真负责」之间的距离。名字躺在文档里,出了事没人知道找谁,这种「有」,约等于没有。
还有个习惯,值得你去自己的系统里查一查。
很多组织建 agent 的方式,是克隆一个真人用户的账号。省事,快。
代价呢?
你的活动 agent,可能正揣着当初建它那个人的 CRM 权限,在系统里到处走。那个人离职了、调岗了、权限本该回收了,agent 还带着这套权限满楼跑。
上线那天这么干,没问题。现在呢?
谁会发现?
顺带一个数字:65% 的组织会在 agent 上线前做评审。治理出现在发布那天,像剪彩。彩带一剪,agent 每天干活,人一个季度看一次。
软件行业,是挨过打的
讲到这,我给你讲段历史。
上世纪 40 年代到 60 年代,代码在大家眼里是一次性的东西。写完,验收,上架,完事。跟打一把椅子差不多。
后来,越来越多的关键系统开始 7 天 24 小时连轴转。这套「写完就放」的逻辑,崩了。
1968 年,西德小城加米施。北约开了场会,十几个国家的工程师坐到一起碰进度,结果发现,大家卡在同一个坑里:软件会过时。造出来那天是对的,半年后未必。
就是这场会,长出了今天教科书里的软件生命周期:需求、设计、构建、测试、部署……然后,维护、退役。
后两步不是谁设计出来的,是挨打之后补上去的。整个行业用真金白银学会了一件事:软件不会自己维护自己。
那,维护到底有多贵?
1980 年,Lientz 和 Swanson 两位学者研究了 487 个组织,发现维护吃掉了差不多一半的软件预算。
一半!
更值得琢磨的是细账。这些钱里,最大一块叫「完善性」:需求变了,得改。第二大块叫「适应性」:环境变了,得改。真正修缺陷的「纠正性」,反而是最小的一块。
什么意思?
大部分维护成本,花在「代码没错,但世界变了」上。
现在,把这段历史套在你的 agent 上
你的内容 agent,3 月上线,对着 3 月的 offer、3 月的话术写的。
你的 SDR agent,学的是调价之前的客户画像。
你的品牌语气护栏,绑在一个夏天就被官方停服的模型版本上。
这些是 bug 吗?
都不是。代码一行没坏。
但世界变了。offer 过期了,价格调了,模型退役了。按软件行业的说法,这就是维护。而维护,需要有人知道「什么变了」,以及「接下来怎么办」。
想象一下,你的 agent 走进周一的站会,做自我介绍:
「大家好,我是活动 agent。我出生在 3 月,对着一场 6 月就结束的促销。我现在,还在发。」
你笑不出来,对吧。
五个问题,问你自己
那就动手查。挑一个已经在生产环境里跑的 agent,问五个问题:
- 它的指令,是谁写的?
- 谁来改这些指令?多久改一次?
- 谁盯着模型更新,并且能把「模型变了什么」翻译成你们团队能用的动作?
- 谁盯着它的输出漂移?拿什么当基线?
- 谁决定它什么时候退役?
我跟很多团队聊过。第一题基本都能秒答。问到第二题,会议室就开始安静。问完五题,彻底安静。
安静,就说明这些事现在没主。
怎么补?不用新增编制,把这五件事摊到本来就有的座位上。
指令和修订节奏,给市场运营。工作流本来就是他们管的。
输出漂移,给品牌。全公司只有他们说得出,这段话还像不像「我们」。
模型更新,给 AI 团队或者平台团队。他们本来就在盯版本发布,顺手的事。
退役呢?退役通常没人认领。给管预算的那个人。
为什么?
因为全公司只有他,会盯着这条预算线问:这笔钱,怎么还在花?
颗粒度你还可以自己选。小团队,三五个 agent,一人盯一个,清清楚楚。大组织,工作流铺满整个系统,就按平台分,漂移用抽样查。
工具也会来的。Salesforce 已经开始给这套东西起名字了:agent 开发生命周期,Agent Supervisor 这样的角色。别的厂商会跟上。
但你要分清楚:工具解决的是「怎么管」,组织解决的是「谁来管」。第二个问题,没有厂商能替你回答。
趁便宜,把习惯养了
好消息是,这件事现在做,最便宜。
8 个 agent 的时候养成的习惯,到 80 个 agent 的时候,就是肌肉记忆。反过来,等 80 个了再想管,那就得搞运动了。
软件行业是撞了一场危机,又花了十年,才学会「发布只是前半场」的。
咱们不用挨这一顿打。
agent 是养的,不是种的。
下周一,进会议室之前,带上两个问题:
你最老的那个 agent,归谁?
上一次有人认真看它在产出什么,是什么时候?
答不上来,也没关系。
今天下午就去看,还来得及。
继续阅读
相关文章

跨境生意,是时候换一套 AI 工具箱了
一篇 learn 类文章,讲解跨境电商卖家如何用 AI 工具应对语言、法规、物流、支付与欺诈五道坎,梳理翻译、库存、客服、营销、风控五格工具箱与五步上手路径,并提示转化率、CLV 等指标和过度依赖 AI 的风险。

社交媒体营销的脏活累活,正在被 AI 一件件接管
本文介绍 AI 在社交媒体营销中可承担的四类工作:受众数据分析、文案与设计创作、广告定向与创意测试、垃圾内容过滤,并提醒内容判断和数据安全仍需人工把关。

AI 都这么能干了,你的社媒营销还在纯靠人肉?
本文将 18 款常用 AI 工具按用途分为六类,覆盖用户洞察、内容生产、内容排期、评论私信、广告投放和视觉制作,并讨论个性化、趋势预测与虚拟网红等趋势。