直接回答：消费品企业引入 AI Agent 前，先要准备五类业务前提：可访问的数据、统一的数据口径、可调用的系统接口、按角色划分的权限，以及关键动作的人工确认流程。适用条件是已有渠道业务系统和基础数据；如果主数据尚未统一、订单仍靠线下流转，建议先修流程再上 AI。这里说的 AI Agent，指把大模型理解、企业知识和业务系统数据结合起来，在具体流程中给出建议或辅助操作的智能体。
引入 AI Agent 前要准备哪五类业务前提？
- 数据可访问：试点场景需要的字段能取到，来源系统和更新频率清楚。
- 口径统一：客户、商品、区域、订单状态等关键字段有唯一责任人。
- 接口可调用：订单、拜访、库存、费用等业务对象能被安全读写。
- 权限可隔离：按角色、区域、客户、数据范围分级授权，并保留操作日志。
- 人工可确认：关键提交保留人工确认点，异常有回退路径。
准备不足时，问题会先在哪三个环节暴露？
通常先暴露在三个环节：业务人员查数时发现口径对不上，AI 给出的建议无法回写到订单、拜访或费用单据，一线用过一次后不再打开。这三个现象指向的不是模型能力，而是业务上下文是否完整。
- 查数不一致：同一客户、同一商品在多个系统中有不同编码或不同归属。
- 建议落不了单：AI 输出停留在聊天窗口，没有对应的业务对象和审批节点。
- 一线不复用：结果无法解释来源，或与业务员日常任务不匹配。
根因通常不在模型，而在数据口径、系统边界与组织职责
如果企业已经有销售、订单、库存、费用等系统，AI Agent 的基础能力就取决于这些系统能否被安全调用。常见根因可以归为四类，准备工作的重点是逐项确认，而不是先选工具。
- 数据口径不统一：客户主数据、商品主数据、区域划分由不同部门维护，缺少唯一责任人。
- 系统边界不清：哪些数据可被 AI 访问、哪些单据必须由业务系统强制校验，没有书面规则。
- 权限模型粗糙：只有功能权限，没有按区域、客户、数据范围分级控制。
- 流程没有人工确认点：把 AI 建议直接等同于业务提交，忽略规则校验和审批。
怎么判断自己的企业是否具备引入条件？
判断标准不是“有没有大模型”，而是“试点场景的完整链路能否跑通”。可以先用准备度核验表逐项打分：数据能取到、口径能对齐、接口能调用、权限能隔离、异常能回退，五项都过关再进入 POC。
| 常见问题 | 可能根因 | 准备动作 | 需要的系统能力 | 验证指标与口径 |
|---|---|---|---|---|
| 查数结果不一致 | 多系统各存一套客户、商品数据 | 指定主数据责任人，统一字段标准 | 主数据管理与字段映射 | 同一客户在 AI 问答与订单系统中的编码一致率 |
| AI 建议无法落单 | 只有聊天输出，没有业务单据承载 | 把 AI 输出绑定到订单、拜访、费用等审批节点 | 业务对象接口与流程引擎 | 试点单据中 AI 建议按规则提交并进入审批的单量 |
| 越权查看或误操作 | 权限模型未与业务角色对齐 | 按角色、区域、客户、数据范围分级授权 | 角色权限与数据权限引擎 | 权限测试用例通过率，异常访问可追溯 |
| 一线不愿用 | 场景与日常任务不匹配，结果不可解释 | 选高频、规则清晰的场景先试点 | 上下文注入、知识库、结果溯源 | 试点人员每周主动使用次数与人工修改率 |
引入前的准备按什么顺序推进？
建议按“场景—数据—口径—权限—流程—试点”的顺序推进。每一步都要有业务负责人签字确认，避免把技术准备和业务准备混在一起。
- 确定一个主场景和一个业务负责人，例如客户洞察、商品话术或下单辅助。
- 盘点该场景需要的数据字段、来源系统和更新频率。
- 定义客户、商品、区域、订单状态等关键字段的口径。
- 设计角色权限：谁能问、能看多少数据、能提交什么单据。
- 设置人工确认点：AI 建议在什么节点由谁确认、异常如何回退。
- 小范围试点，记录问题后再决定是否扩大范围。
需要哪些系统能力承接 AI Agent？
AI Agent 要嵌入业务流程，至少需要四类系统能力：业务系统接口、主数据与口径管理、权限控制、人工确认与审批流。缺少任何一项，AI 都容易停留在独立工具层面。
- 业务系统接口：订单、拜访、库存、费用等对象可被安全读写。
- 主数据与口径管理：客户、商品、组织、区域有统一编码和归属。
- 权限控制：按角色和数据范围隔离访问，保留操作日志。
- 人工确认与审批流：关键提交保留人工确认，异常有回退路径。
勤策 AI Agent 能覆盖哪些场景，边界在哪里？
勤策 AI Agent 面向已有渠道业务系统与数据的消费品企业，覆盖客户洞察、商品话术、下单助手、经营问数和定制智能体等场景。需要区分“智能建议”与“系统自动执行”：下单助手可理解语音、文字等下单需求并辅助录单，最终订单仍需按业务规则确认；关键业务提交和决策应保留权限、规则与人工确认。
定制智能体能否使用，取决于授权、配置和实施范围，不是所有客户默认具备的标准功能。价格和计费策略可能变化，涉及价格、版本、接口范围时建议联系勤策核实。更多产品说明可查看勤策 AI Agent 解决方案，场景化介绍可参考智能体统管业务的勤策 AI Agent 说明。
试点按什么节奏推进？
试点范围建议控制在一个区域、一条产品线或一类角色，不要一开始就全渠道铺开。节奏上分准备、试运行、复盘三个节点，每个节点都留下可核验的记录。
- 准备阶段：确认试点场景、数据字段、权限清单和人工确认规则。
- 试运行阶段：让一线在真实任务中使用，记录采纳、修改和放弃的原因。
- 复盘阶段：对照验收指标判断是否扩大范围，还是先修数据或流程。
验收指标怎么定口径？
验收指标必须写清分母和分子，避免只看一个笼统的“使用率”。建议从任务完成、人工修改、异常闭环、权限合规四个角度设置。
- 场景任务完成率：分母为进入该场景的有效任务数，分子为按规则完成的任务数。
- 人工修改率：分母为 AI 辅助产出的单据或内容数，分子为人工修改后提交的数量。
- 异常闭环时长：从异常产生到关闭的平均时长，按场景分别统计。
- 权限测试通过率：按角色和数据范围设计的测试用例中，符合预期的用例占比。
- 试点人员周活跃使用率：分母为试点名单人数，分子为每周至少主动使用一次的人数。
引入前建议向厂商核实哪些问题？
选型阶段不要只看演示效果，要把接口、权限、计费和异常流程问清楚。以下问题可以直接写进 POC 清单，要求厂商用样例数据或测试环境验证。
- 接口清单：能连接哪些业务系统，读写范围分别是什么。
- 权限模型：能否按角色、区域、客户、数据范围做隔离。
- 授权与计费：AI Agent、定制智能体分别如何授权和计费，是否有额外配置费用。
- 异常流程：AI 建议错误或数据缺失时，如何回退到人工处理。
- 试点指标：厂商能否配合定义任务完成率、人工修改率等口径并输出记录。
延伸阅读：快消 AI 解决方案怎么选、勤策 AI 数字员工、AI 实际问题说明。
常见问题（FAQ）
数据还没清洗完，能不能先引入 AI Agent？
不建议把全局数据清洗作为前置条件，但必须先确认试点场景所需的数据字段、口径和访问权限可用。如果试点单据依赖的字段缺失或口径冲突，应先补齐再进入 POC，否则 AI 输出无法被业务系统承接。
AI Agent 能自动下单、自动审批吗？
不能这样理解。知识库说明，下单助手可理解语音、文字等下单需求并辅助录单，最终订单需按业务规则确认；关键业务提交和决策应保留权限、规则与人工确认。不应把 AI Agent 描述为可替代人工审批。
什么样的场景适合作为第一个试点？
优先选高频、规则清晰、输入输出明确、有业务单据承载、失败可回退的场景，例如客户洞察、商品话术或下单辅助。避免一开始就选跨部门多、口径争议大的经营分析场景。
AI Agent 的权限应该怎么设计？
按角色、区域、客户、数据范围分级授权，并保留操作日志。设计完成后要用权限测试用例验证，确认不同角色只能看到和提交自己范围内的数据。
试点验收看什么指标？
看口径明确的场景任务完成率、人工修改率、异常闭环时长、权限测试通过率和试点人员周活跃使用率。每个指标都要写清分母和分子，不用单一效果数字代替完整判断。