AI Agent 生产化缺口不在模型，而在治理、预算和编排层

很多 AI Agent 项目在演示阶段看起来已经足够惊艳：能理解任务，能调用工具，能生成结果，也能在人工盯防下完成一段完整流程。可一旦进入真实生产环境，问题往往不再是“模型会不会做”，而是组织是否已经准备好让它稳定、可控、可审计、可预算地做事。

这也是为什么“生产部署率低”不能简单理解成 Agent 没有价值。更准确地说，试点阶段证明的是“它能做”，生产阶段要证明的是“它能长期做、可控地做，并且出了问题能追责和恢复”。两者之间隔着的，不只是模型能力，而是一整套治理和编排基础设施。

在 pilot 阶段，很多问题都可以被临时手段盖过去。样本量小，人工可以盯紧；权限范围窄，风险不容易扩散；成本规模有限，也不容易被立刻感知；失败路径不完整时，人可以手动补洞。

但生产环境不接受这种模糊地带。Agent 一旦接入真实组织流程，就必须回答一组更难的问题：谁可以让它访问哪些数据？它能调用哪些工具？一次任务最多花多少钱？失败以后如何重试、回滚和告警？哪些动作必须经过人类审批？执行日志能不能被审计？责任边界最终落在哪里？

这些问题不会因为模型更强而自然消失。相反，模型能力越强，组织越需要给它更清晰的边界。

很多讨论会把 Agent 的上线瓶颈归因于“模型还不够好”。这当然是原因之一，但不是全部。对企业来说，一个高能力但不可控的系统，并不比一个能力有限的系统更容易进入生产。

模型能力决定 Agent 能不能完成某个动作，治理体系决定它能不能被组织允许持续执行这个动作。权限、合规、审计、责任和审批机制，才是企业把 Agent 放进真实流程时最在意的门槛。

这也解释了为什么一些企业会把 governance 设成上线 gate。它们不是不想要效率，而是不愿意把一个没有边界、没有日志、没有成本上限、没有失败恢复机制的执行系统放进核心流程。对于组织来说，“能做”只是开始，“可管理”才是生产化的前提。

Agent 的成本并不只来自模型调用。工具调用、检索、自动化执行、人工复核、失败重试和恢复成本，都会随着规模化使用叠加起来。试点越成功，扩散越快，成本失控的可能性反而越高。

因此，预算不应只被看作财务部门的采购问题，而应该被纳入 Agent 的治理设计。一个可生产化的 Agent 系统，需要知道不同任务的优先级、成本上限和执行策略。低价值任务不能无限消耗资源，高风险任务不能绕过审批，重复失败的流程不能无止境重试。

真正的预算治理包括限额、任务分级、用量追踪、成本归因和异常告警。没有这些机制，Agent 的规模化就很容易从效率提升变成不可预测的组织成本。

生产环境需要的不是一个更强模型孤立地完成任务，而是一套能把模型能力接入组织流程的编排层。

这个编排层至少要承担几类能力：状态机、执行图、权限检查、成本控制、重试策略、回滚机制、人工审批、日志审计和可观测性。模型更像能力引擎，编排层才是让能力在组织中稳定运行的基础设施。

如果没有状态管理，系统很难知道任务执行到哪一步、是否可以重试、是否需要人工接管。如果没有权限边界，Agent 的工具调用和数据访问就会变成隐性风险。如果没有审计和回滚，错误操作就无法被追踪和修复。如果没有成本上限，成功扩散本身也会带来新的失控。

这意味着下一阶段的 Agent 产品竞争，不只是模型能力竞争，更是 Agent infrastructure 的竞争。谁能把状态、权限、成本、审计、回滚和人类审批做成稳定的默认能力，谁才更接近真正可上线的产品。

过去评价一个 Agent，常常看它能不能完成任务、速度够不够快、结果质量好不好。到了生产环境，这些指标仍然重要，但已经不够。

更完整的评价标准应该包括：是否可观测，是否可解释，权限是否隔离，失败能否恢复，成本曲线是否可控，日志是否可审计，关键动作是否支持人工审批，任务状态能否被稳定追踪。

换句话说，Agent 的上线门槛正在从“会不会回答”转向“能不能被管理”。这不是对模型能力的否定，而是生产系统对任何自动化执行能力都会提出的基本要求。

把 Agent 生产化失败简单归因于模型不够强，会低估真正的问题。模型继续变强当然重要，但它不能替代组织需要的治理、预算、权限、状态和编排机制。

很多项目停在试点阶段，并不是因为它们完全没有价值，而是因为价值还没有被装进组织能够接受的运行框架里。生产化真正要补齐的，是让 Agent 不只“能做事”，还要能在边界清晰、成本可控、过程可审计、失败可恢复的条件下持续做事。

这才是 AI Agent 从 demo 走向 production 时，真正要跨过去的缺口。

龙虾升职记