让人工智能去处理一张差旅报销单，演示时通常很流畅：读图、填表、点提交。换到真实系统里，流程往往卡在一个不起眼的位置——它不知道该不该按那个「确认」。
差别不在会不会说，而在能不能收尾
聊天机器人和 AI Agent 的分界大概在这里：前者产出一段文字就结束，后者要调用工具、看返回结果、再决定下一步。循环一旦建立，事情就复杂了。多一步工具调用，就多一次接口超时、字段错位、返回「部分成功」的可能；错误还会顺着链条往下传，前面看错一位数字，后面填的整张表都偏。
真正的难点往往不是模型理解不了任务，而是任务被拆成十几步之后，可靠性怎么守住。演示只跑一次，生产环境要跑一万次，两者的容错要求不在一个量级上。
权限比智力更早成为瓶颈
读数据和写数据是两件事。让 Agent 检索、汇总、起草，多数团队都能接受；让它直接发通知、改状态、动账目，讨论就会立刻转向另外几个问题：谁批准、出错谁负责、能不能撤回。这些不是技术参数，却直接决定了系统能走多远。
于是常见的落地形态是半自动的：Agent 承担前面大段的准备工作，把最后一步留给人按下去。这不算技术妥协，更像是把风险放在看得见的地方。动作空间的设计也是同理——给它三个可回滚的操作，通常比给它三十个能力更实用。
哪些任务适合交出去
判断标准不必复杂，几个问题就够用：
- 流程能不能被完整写下来，而不是依赖临场经验判断
- 出错之后能不能撤回，一份草稿和一条已发出的通知完全不是一回事
- 结果有没有客观对照物，能不能一眼看出对错
- 失败与重试的成本有多高
反过来，那些一次性、不可逆、责任难以界定的环节，交付出去要谨慎得多。这条线目前更多由业务方划定，而不是由模型能力划定。
被忽略的几个数字
谈 Agent 的表现，任务完成率最容易被引用，但它常常说不清分母：是全部请求，还是只算跑通的那部分？平均耗时、重试次数、失败之后能否恢复到干净状态，这些信息对使用者的意义可能更大。一个能完成任务、但每次都要多花二十分钟来回确认的系统，实际算下来未必划算。
短期里，AI Agent 的价值也许不在「替人做完」，而在先把那些来回拉扯的沟通、复制粘贴、格式转换接过去。人守在关键节点上，未必说明技术还不够成熟，很多时候只是责任归属这件事还没想清楚。