1100 人公司跑起 50+ agent：ROI 是测量纪律，不是案例

ABC Legal 那支 agent 舰队的标题数字，是它整个故事里最没意思的部分。一家约 1,100 人的法律文书送达公司，50+ 个 agent 上了生产、覆盖任务成本降约 50%——这是厂商自报的案例，有用，但不可迁移。可迁移的是记账：这家公司把 agent 当投资组合打理，给每个 agent 一个以小时和美元计的效率比，并且只让 agent 在通过 eval 门槛之后毕业为自主运行。那是大多数企业从不建立的缺失纪律。

ABC Legal 做了什么：有名字、有主人、每只只有一个活的 agent

ABC Legal 是美国法律文书送达公司（传票送达、电子立案、出庭律师业务）。把 Claude Enterprise 铺给 1,100 名员工后，公司各部门开始自发搭建自动化。随后公司部署 Claude Managed Agents：一套统一部署结构、共享工作区、单一审计与计费面、云上常驻 agent。截至 2026 年 7 月，公司自报：50+ 个 agent 投入生产；部分被 agent 覆盖的人工任务成本降约 50%（重度优化前）；约 310 名员工跨部门日常使用 Claude（来源：Claude.com 案例，厂商自报 — https://claude.com/blog/how-abc-legal-turned-every-employee-into-a-builder-with-claude-managed-agents ）。

agent 刻意做窄：每个有名字、有主人、只有一个活。案例里的例子：eFiling 驳回诊断器在法院驳回立案时自动触发，读案件详情、查法院规则、约一分钟把诊断贴进 Slack——这活儿以前要耗员工几个小时。一个案件核验 agent 逐个核对新案件与法院网站。一个应收汇款 agent 解析汇款邮件、生成 NetSuite 付款文件、发出来一键审批、再导入。一个叫 Charvis 的复核 agent 检查已完成的服务案件，现在约 98% 的时候与合规团队意见一致。

梯子：建议 → 标注数据 → eval 门槛 → 自动化

运营模式比任何一个 agent 都重要。大多数 agent 从人在环内开始：agent 看案件或工单、给出建议，人在任何动作发生前复核。建议要么存在案件里用横幅浮出，要么贴到 Slack 频道让人在帖子里回复。这些回应积累成一个好坏判断的标注数据集，喂给收割-调优循环，让团队能写评估、跨前沿模型给 agent 打分（来源：同一份 Claude.com 案例 — https://claude.com/blog/how-abc-legal-turned-every-employee-into-a-builder-with-claude-managed-agents ）。

只有当 agent 在具体任务上证明与人类一样好或更好，才转入自主模式自己行动——之后仍留在同一套测量框架里盯着表现变化。这是毕业梯子，不是发射。人工审核闸门一鱼两吃：今天挡住坏动作，明天产出支撑自主权的标注数据。

J 曲线：agent 先潜水，再翻正

最见真章的是记账。ABC Legal 为每个 agent 跟踪一个效率比：交付的价值对照运行成本，每次运行回传数据仓库，以小时和美元计。公司观察到 agent 走 J 曲线——新上线时常潜水，跑大模型，然后随着团队写评估、换更便宜更快的模型、裁剪 token 而翻正（来源：同一份 Claude.com 案例 — https://claude.com/blog/how-abc-legal-turned-every-employee-into-a-builder-with-claude-managed-agents ）。

这句话值得读两遍，因为它同时反驳两个常见的企业假设。假设一：agent 两周不盈利就是失败项目。假设二：成本优化是项目阶段的事。ABC Legal 观察到的事实说两个都错：agent 是一个会按设计经历潜水期的头寸，把它翻正的杠杆——评估、更便宜的模型、裁剪 token——是持续运营动作。如果你没有每个 agent 的成本和价值数字，你连 J 曲线都看不见，更别说管理它。

为什么可迁移的是这个，不是那些数字

案例里每一个数字都是厂商自报的：案例挂在 Claude.com——Anthropic 自家博客——~50% 成本下降和 310 个日常用户都没有独立审计。把这些数字当企业基准是范畴错误。但记账方法不属于任何厂商。梯子——建议、复核、标注、评估、自动化——和按 agent 计效率比，是任何公司用任何一家的栈都能实现的模式，也正是把「跑到 50 个生产 agent 的公司」和「跑 50 个试点公司的公司」分开的那个模式。

我们的判断：这是测量纪律论点最近最好的例证——企业 AI 里试点和生产之间的鸿沟不是模型差距，是测量差距。这家公司没有等一个完美模型；它建了产出标注数据的复核循环、决定毕业的 eval 门槛、让 J 曲线可见的按 agent 记账行。这与 OOMeta 从自己的 agent 基础设施工作中得到的结论一致：agent 部署里的差异化能力不是 agent，是围着它的那层测量。

我们的判断

第一，agent ROI 是测量纪律，不是案例——一个静态的「ROI 3.2 倍」数字，是一个必须持续运转的过程的滞后产物。第二，建议 → 标注数据 → eval 门槛 → 自动化这条梯子，是规模化部署 agent 的运营核心；自动化是毕业，不是发射。第三，J 曲线是正常的，而且只有靠按 agent 记成本与价值的账才可管理；没有它，团队要么过早杀掉 agent，要么让 agent 永远潜水。第四，买方尽调要问的是记账，不是展台：厂商怎么衡量每个 agent 的价值、标注数据集怎么建的、自主化前 eval 门槛要求什么？

买家行动清单

第一，先写价值指标，再写 agent。对每个候选，定义「价值」在每次运行里是多少小时或美元——定义不了，你就不知道它是潜水还是盈利。第二，先把每个 agent 放在人工审核闸门后面。这个闸门不是合规复选框，它是让 eval 门槛成为可能的标注数据工厂。第三，显式地建 eval 门槛。agent 只有在你复核循环产出的数据集上、于具体任务中胜过人类时，才毕业为自主。第四，按 agent 记账，不按项目记账。每次运行自动上报效率比，J 曲线才可见、组合才可管理。

留给你的决策问题：如果你组织里每个 agent 都有每次运行上报的效率比，你会继续运行几个——又有几个今天就该杀掉？

参考来源：ABC Legal 案例，Claude.com（厂商自报，2026）— https://claude.com/blog/how-abc-legal-turned-every-employee-into-a-builder-with-claude-managed-agents