Agent 进入企业核心业务，模型之外还有多少难题
从 2026 阿里云栖大会企业级 Agent 实践峰会看：Agent 进入核心业务流程后，企业面临理解需求、Harness 工程、数据治理、权限控制、规模化扩量、ROI 计算、数字员工管理、AI 投入沉淀等 8 大难题。
一句话总结
阿里云栖大会 2026 给出明确判断 —— Agent 自主性反而提高了对基础设施和治理的要求。从需求理解 / Harness 工程 / 数据治理 / 权限 / 扩量 / ROI / 数字员工管理 / 投入沉淀 8 个维度，企业进入 Agent 时代仍有许多”模型之外的难题”。
吴泳铭（阿里集团 CEO）核心判断
“机器正在成为思考的主力，智能正在成为一种规模化的商品。”
“未来机器思考的总量将是人类的 1000 倍，但真正定义时代的 AI 产品，至今还没有出现。”
刘伟光（阿里云智能集团资深副总裁）标尺
“如果把一个 Agent 停掉，企业会有危险”——这才是 Agent 价值的真正标尺。
“AI 从一个补充型的业务增效工具，变成了深入到千行百业核心业务流程的力量。”
8 大企业级难题
1. 理解需求之后，还有一条执行链路
满帮（AI 算法总监 高艺铭）：
- 司机先提”回南京”，看到货源后再加价格要求 → 信息随时进来
- 传统意图识别丢失问答 / 执行 / 议价关系
- 接口错误码（如 “219”）Agent 难以判断 → 反馈必须告知缺少什么 + 参数建议
- 上线后每天收到大量失败案例，逐个修补产生系统债
- → 保留自研归因系统 Vertex + 用云 AgentLoop 承接通用观测
关键：归因要分清是模型没懂任务、参数传错、还是业务规则缺失。
2. 数据很多，Agent 未必懂业务
| 公司 | 行业知识难题 |
|---|---|
| 满帮 | “标箱”= 标准集装箱平板车；通用模型理解为厢式货车 |
| 贝壳（首席算法科学家 尹俊希） | 房产咨询涉及预算 / 通勤 / 家庭结构 / 居住偏好；用户难以一次说完，条件之间存在冲突 |
| 易方达基金（CIO 刘硕凌博士） | 数据能找到 ≠ 数据能用：指标口径、来源、权限、质量治理 |
核心：业务专家需要判断知识是否准确，使用者反馈有效性。
3. 能够执行，不等于拥有权限
易方达：
- 统一入口负责设备认证 + 代理访问 + Token + 审计日志
- 业务系统保留自身权限控制
- 高风险操作必须人工复核
众阳健康（产品研发中心总经理 郭龙领）：
- 医疗 Agent 可解释 + 可管控 + 具备人工接管能力
- 跨医院部署需要解决医生授权 + 患者信息安全
阿里云 Patrick 管理者分身（为刘伟光构建）：
- AI 数字员工有独立工号 + 钉钉账号
- 不能使用本人账号（否则员工会间接触达无权信息）
- → 独立身份 + 调用时核验对话者身份 + 沿用权限
安全设计原则：身份 → 沙箱 → 审计 → 人工复核 → 可中断 → 责任环节可追溯
4. Agent 规模化，量变到质变
满帮：第一次扩量到 2000 个 Agent 时，线上生产系统受到冲击
| 原因 | 说明 |
|---|---|
| 调用频率差异 | Agent 连续调用 vs 人操作间隔 |
| 持续运行 | 用户离线后 Agent 仍执行 |
| 任务级负载 | 单任务多次工具调用 + 失败重试 |
| 异常循环 | 重复调用放大压力 |
解法：
- 两套生产系统（传统 + Agent）+ 桥接层
- 状态持久化（任务可暂停恢复）
- 事件触发（按需唤醒）
- 限流 + 超时控制
5. 忙了很多，如何计算 ROI
小红书（质效 & AI 应用总架构师 飞鸿）：
- 把 AI 成本归属到具体经营单元
- 模型路由 + 上下文管理 → 成本下降约 69%
满帮：
- 部分 Agent 成本降至 1/4；另一些没降本，准确率反降
- → 模型变强后，原有补丁是否合适需重新验证
众阳健康：
- 固定规则交工具
- 通用知识做摘要与缓存
- 按任务复杂度分级调度模型
- ⚠️ 不可为降 Token 牺牲诊疗指标
6. 数字员工多了，谁来管理
施磊（阿里云公共云事业部 AIX 技术负责人）：
- 2-3 个月内已有 60+ Agent 有独立工号
管理问题：
| 问题 | 解法 |
|---|---|
| 不同团队建相似能力 → 重复建设 | 引入上岗审批（业务负责人 + HR） |
| 数字员工不断增加技能 → 职责过宽 | 岗位说明明确职责边界 |
| 数字员工之间很少交流 | 协作设施（按职责找协作者） |
“数字员工需要完整的管理安排 —— 独立身份 / 岗位说明 / 审批控制 / 运行记录”
7. 执行轨迹与训练数据
韩凯（基元律动联合创始人兼 CTO）：
- 通过隔离环境生成任务轨迹
- 结构 + 语义评估筛选
- 训练 → 进 Harness 验证 → 下一轮改进数据
8. 给 AI 花的钱，企业能沉淀什么
“一片混乱的欣欣向荣”——企业 AI 现状
沉淀物（可跨迭代复用）：
| 类型 | 说明 |
|---|---|
| ✅ 业务规则与技能 | 经过验证 |
| ✅ 评测样本 | 真实任务覆盖 |
| ❌ 模型本身 | 会更新、可替换 |
| ❌ 框架 | 可能替换 |
“CTO/CIO 需要掌握的，是企业自身不能外包出去的认知。”
阿里云应对：Agentic Cloud
| 能力 | 内容 |
|---|---|
| 模型 | 运行时 + 升级 |
| 任务 | 编排 |
| 数据 | 组织 + 治理 |
| 访问 | 网关 + 沙箱 |
| 效果 | 持续检查 |
平台接入 ≠ 业务成熟 —— 企业需要持续打磨专业能力。
吴泳铭（结语）
“把繁重的任务留给机器，把时间、创造力以及对美好事物的感受留给人类。”
“这一切，才刚刚开始。”
配图
图 1：2026 阿里云栖大会企业级 Agent 实践峰会
来源
- 网易新闻（钛媒体）· 原文
- 2026 阿里云栖大会 · 企业级 Agent 实践峰会
- 案例企业：满帮 / 贝壳 / 易方达基金 / 众阳健康 / 小红书 / 基元律动