能扛住采购的 AI Agent 试点

Gartner 预期到 2027 年底超过 40% 的 agentic AI 项目会被取消，并点名三个原因：成本上升、商业价值不清，以及风险控制不足。每一个都在第一行代码之前、在试点如何结构化时就被决定。这里是避开全部三个的结构。

要点

• 付费，30 到 90 天，一个有边界工作流，真实数据。免费概念验证由谁有空谁来，对照什么也不衡量。
• 构建前写好成功指标与终止阈值。终止阈值是让财务安心的部分，也是供应商抗拒的部分。
• 在第零周回答安全问题，不是第六周。安全审阅是试点真正死亡之处。
• 每边点名一名人类负责人。Deloitte 发现只有 21% 的组织有成熟的 agentic AI 治理，决策边界是最大缺口。
• 以决策结束试点：扩大、延长一次，或停止。开始前写明你预期哪一个，因为演示永远不会替你定案。

构建前必须约定的五件事

1. 一个有边界工作流

一份工作，不是一个部门或平台，有清晰触发、清晰终态，以及可计数的工作单元。发票例外被分流。入站线索被资格判定并预约。支持工单被分流并打标签。外联潜在客户被购买信号标记并起草给人批准，形状见如何构建真正管用的 AI 线索生成系统。若你无法用带名词与动词的一句话描述工作流，它还没有边界，试点会扩张到失败。

测试：你能否说出这个工作流上个月跑了多少次？若数字不存在，试点前拿到它，因为它也是你的基线。

2. 带具名衡量者的书面成功指标

一个主指标、一个数字、一个读它的人。每周归还小时、无人触碰处理的项目百分比、周期时间、错误率，或每笔交易成本。选那个单靠自己就能证明花费合理的。

比你选的指标更重要的两条规则。第一，衡量者应在你这边，不是供应商；供应商批改自己的作业不是证据。第二，在 agent 上线前捕获基线。事后补的基线总是讨好且从不被相信。

3. 书面约定的终止阈值

低于它试点结束、无人再翻案的数字。若指标是「60% 的工单无人纠正即完成分流」，终止阈值可能是 35%。第 60 天未达标，合作停止，你的总敞口从始至终是有界金额。

这是把 AI 实验变成正常采购决策的条款，也是区分供应商的那条。抗拒终止阈值的供应商在告诉你他们对自己胜算的信念。

4. 预先回答数据处理

试点死在这里。演示没问题。定价没问题。然后第五周来一份安全问卷，花六周答得很糟。

启动前拿到这些答案：agent 读写什么数据、在何处处理、哪些子处理方触碰它、模型是否在你的输入与输出上训练（答案必须是否，且必须可追溯到供应商与模型提供商的条款）、访问如何授予与撤销，以及是否已有覆盖你的数据处理方式的数据处理协议（DPA）。要供应商信任文档的链接，不是承诺。若他们必须为你写，你已找到时间线风险。

我们的公开在信任与安全：安全态势、数据处理、子处理方、与美国国家标准与技术研究院（NIST）AI 风险管理框架四项功能对齐的治理摘要，以及可应要求提供的 DPA。我们没有 System and Organization Controls（SOC）2 报告（标准独立安全审计），该页明文写明，因为采购团队无论如何都会发现。

5. 固定价格，以及第二个工作流花多少

有边界工作一个数字。我们已发布的 AI agent 成本区间把小店简单单工作流自动化放在 $3,000 到 $8,000；这里描述的这类试点，带真实数据上的影子模式、有监督上线与书面终止阈值，范围更大，我们自己的公开为定价页上固定 $25,000 到 $60,000。现在也固定工作流二与三的价格，在第一个管用、你的议价地位消失之前。

30、60、90 天形状

第 0 到 7 天，构建前。 安全问卷与 DPA 在途。基线已捕获。成功指标、终止阈值与两边具名负责人已签字。访问以最小权限授予，在你自己的系统中，可由你撤销。

第 7 到 30 天，构建与影子。 agent 对真实数据运行但不采取不可逆行动。每个输出由人审阅，分歧是训练信号。你在衡量准确性，尚未节省时间。

第 30 到 60 天，有监督上线。 agent 行动，人对任何不可逆事项批准，批准率成为值得看的第二指标。若批准近乎普遍，扩大自主。若纠正频繁，你已找到工作流边界，即使它杀死试点也是有用结果。

第 60 到 90 天，决定。 三种结果，事先写好：扩大到下一工作流、用特定修复与新日期延长一次，或停止。「继续看看」不在其中，而这正是那 40% 成为 40% 的方式。

你的安全与法务团队会问什么

第一次通话前组装这些，你就能从周期里去掉数周：

• 模型问题。 哪些模型、来自哪些提供商、在什么条款下，以及它们是否在我们的数据上训练。
• 数据流。 什么离开我们的环境、落在何处、保留多久、如何删除。
• 子处理方名单。 名字，不是类别。
• 访问与撤销。 你授予并可自行收回的平台原生角色，对供应商持有的凭证。前者容易批准得多。
• 审计轨迹。 agent 做了什么、何时、在谁的授权下，你无需问供应商即可读。
• 人工批准边界。 哪些行动需要人，书面写明。Deloitte 对 3,235 名 IT 与业务领导者的 2026 调查发现只有 21% 有成熟的 agentic AI 治理模型，决策边界、实时监控与审计轨迹被点名为缺失件。你的审阅者知道这一点。
• 监管态势。 若你在欧盟运营，注意 Digital Omnibus 协议将 AI Act 下多数高风险义务推迟到 2027 年 12 月与 2028 年 8 月，但 Article 50 透明度义务自 2026 年 8 月 2 日起仍然有效，包括当人与 AI 系统互动时的披露。问供应商 agent 如何自我披露。

我们见得最多的试点设计错误

自动化有趣的工作流，而昂贵的那个仍用手跑。 有趣的演示好看。昂贵的资助接下来三个。

没有基线。 没有之前数字，每个之后数字都是争论。

成功定义为「它管用」。 演示里它总管用。定义数字。

不能失败的试点。 若没有停止它的阈值，你买的不是试点，是第一次分期。

在同一工作流上同时跑两个供应商。 感觉严谨却不是：谁都拿不到干净数据，两边互相甩锅，你花两倍学得更少。

我们在自己运营内做什么

我们在自己身上跑这套结构。我们的内部 agent 舰队每周跨团队夺回50 小时或更多，一次构建一个有边界工作流，每周审阅，人对任何不可逆事项批准。我们还在 mcp.strataigize.com 运营公共 Model Context Protocol（MCP）服务器，即让 AI agent 调用外部系统的标准，以便 agent 直接查询我们的业务。我们还没找到另一家机构在跑一个。它存在是因为我们自己先需要它。

这就是我们能一本正经为第一个工作流定价的原因：我们在自己的运营上跑过这个的第九个月版本，而不只是幻灯片上。

常见问题

AI agent 试点应跑多久？

三十到九十天。短于 30，你在衡量新鲜感。长于 90 没有决策，试点就变成了项目，这正是 Gartner 取消数据描述的失败模式。

AI agent 试点应付费吗？

是。免费试点两边都用闲置产能、对照什么也不衡量，所以以演示结束且决策从不定案。按单工作流价格付费、有边界的试点，得到真人和真实成功指标。

合理的终止阈值是什么？

大约目标指标的一半到三分之二，设得够高以至于未达标清楚意味着工作流未就绪，又够低以扛住一个慢周。精确数字不如写下来、并有人被点名去调用它重要。

内部谁应拥有试点？

今天拥有该工作流的一个人，不是委员会，也不是 AI 爱好者。他们知道例外，能判断输出是否正确，并对小时是否真正回来会诚实。

开始前我们应问供应商什么问题？

完整列表在问 AI agent 供应商的 24 个问题。若你仍在决定是否用供应商，从构建还是购买开始。

与我们一起跑一个

我们正是这样界定试点：一个工作流、固定价格、书面成功指标、约定终止阈值、安全预先回答。预约增长审计，我们会点名你最高价值的工作流，或阅读这里的 AI agent 开发如何运作。