主题集群
AI 应用
治理和合规最终是为了让应用安全地跑起来。本主题聚焦 AI 应用本身：从客服自动化到决策智能，从代码生成到供应链优化，从金融风控到医疗诊断——AI 正在创造什么价值，哪些场景已经跑通，哪些还在探索。
31 篇文章
霍尼韦尔的智能体能管设备，但自主开关不接线
霍尼韦尔发布 Forge Cognition，智能体能在楼宇系统间协调动作，但厂商自己没打开自主模式：在英伟达的楼里先清掉九成误报，付款则等工程师把客户团队教会。
法律智能体加一道幻觉门控：全过率掉到 0.3%
法律智能体基准把幻觉从扣分项改成准入条件：加门控前一套模型能过 85% 以上的评分项，加门控后全过率 13.9% 掉到 0.3%。全体被测模型超过六成的「通过」含实质性幻觉。
Shopify 结账换了工具清单：权限不是会话常量
Shopify 把 WebMCP 工具铺到结账页：结账注册自己的一组，店面那组在同一次会话里被替换，文档里 3 处要求 agent 重读工具清单。我们的判断：会话级权限快照是错的抽象，有效能力是流程阶段的函数。
Ryanair 把 12 个客服智能体并成 1 个
Ryanair 的客服智能体每天接 12 万次对话，原来 12 个领域智能体合并成一个，单位旅客客服接触量降 70%。智能体数量是延迟决定，不是能力分档。
AI 工单分诊：96% 准确率，月成本 30 美元
Aderant 用 Nova Lite 分诊 268 个客户环境的工单：109 张 96% 准确率，月成本不到 30 美元。厂商委托 IDC 的 410 家调研里 66% 上了生产、0% 给全自主——阈值内自动、阈值外转人工才是默认形态。
UiPath 账单自动化：10 万件/周，验收看方差
Coronis Health 每周处理约 10 万件医疗账单，麻醉线 6 万份文档。IDP 上线后单条记录平均只快约 30 秒，但方差大幅收紧；为躲开按 token 计费，这家公司从全云迁回自建机房。
V7 把企业记忆做成图谱：出处要在写入时绑定
V7 把散落文件变成带出处的 Context Graph，但财务与保险的提速数字全是厂商自测。我们的判断：出处必须在写入时绑定。
企业 AI Agent 用例：内部职能先行
已落地的 agent 用例集中在 IT、知识管理与软件工程，筛选器是输出能否被机器验收；面向客户的自主化仍停留在预测。给买方的第一个用例选择法。
有界决策不该进大模型循环
Cua 开源 CUA-S1-FORMS：70.6 万参数、2.8MB 的表单决策模型，单次前向传播约 50 毫秒完成整表填写；同一张表单交给通用 LLM agent 需要 23 轮、39.6 秒。我们的判断：agent 降本的第二条路径不是把模型压小，而是让有界决策根本不进循环。
桌面 agent：用得最多的功能价值最低
沙利文/头豹 2026-09 报告口径：企业桌面 agent 使用率——文稿生成 51.8%、表格 38.2%、跨系统协同 14.3%，而 B 端普遍视跨系统协同为最高长期价值。我们的判断：使用率衡量低摩擦，不是价值；缺口在 harness。
临床文档 agent 的 ROI 是覆盖率故事，不是模型故事
同一个品类：Providence 随机对照显示每周文档负担减少 2.5 小时、倦怠下降 30.3%；另一项 2025 随机试验中文档时间仅降 1.7% 且不显著，该工具只覆盖 33.5% 就诊。我们的判断：临床文档 agent 的回报由就诊覆盖率与信任决定，买方该看三个指标而不是演示。
400 席位、每席 14 美元：受监管行业的 agent 成本开始显形
德国保险经纪 MRH Trowe 让约 400 名员工用上自服务 agent，上线首月成本约 $14/席/月——这个数字包含数据驻留、会话隔离、身份贯穿与 token 预算。我们的判断：「治理包含在内」的价格才是真价格；不含控制栈的 agent 报价是在设计上低报。
Farmers 释放 1,640 万小时：省下的时间去哪了
Farmers Insurance 两年目标落地：约 8,000 名代理与 2 万员工把例行服务工作量削减 35%，释放约 1,640 万小时/年转向销售与客户关系；askfarmers.ai 把 5 套系统、30 万+ 文档并成一个 LLM 工具。我们的判断：省下的时间是负债，重新分配才是收益。
代码生成不再难，瓶颈是人的上下文：Atlassian 5 人团队的交付纪律
Atlassian 5 人团队用多 agent 把周末原型推进到企业级生产：约 5 个月、5 倍人效——但第一次跳生产失败才让他们看清瓶颈。代码生成已不稀缺，人的领域理解才是。规划与评审保持人重、执行交给 agent，是 AI 原生交付的纪律。
周大福 400 个 Agent 怎么用：先武装员工，再谈客户自主
周大福在 24,000 名员工中部署 400+ 定制 AI Agent（AI Fook），一线店员查库存、看工艺故事、拿推荐，没有一个 Agent 直接面对客户。本文拆解内部优先的上线顺序与窄 Agent 舰队架构，并标注 70% 效率、57% 转化提升均为微软口径、无第三方审计——可复制的是模式，不是数字。
理赔 AI 让单案成本降 700 倍，客户仍等 40.7 天：计量单位决定你看见什么
J.D. Power 2026：财产险理赔修复 29.6 天、最终赔付 40.7 天，同比快 2.8/3.4 天；厂商宣称 AI 把单案成本从 $50 压到 $0.07（Decerto）。我们的判断：单案计量与端到端周期是两本账——AI 压缩处理环节，客户感知物理维修链；用错 KPI 会把未完成的转型宣布为成功。
agent 规模化的先决条件不是模型：General Mills 物流 18 小时到 30 分钟
General Mills 在端到端物流流（Project ELF）叠加 agentic AI：订单-装载优化从 18 小时压缩到 30 分钟内（Constellation 报道）。我们的判断：供应链是 agent 第一个可信规模化场景，先决条件是数据准确率、系统到系统集成与有限动作空间，不是模型。
Chewy 把 AI 节省写进成本线：$50M 承诺该怎么读
Chewy 09-09 财报电话会承诺 FY2027 起 AI 年节省 $50M，上一财年已入账「低两位数百万」美元；Cai 助手解决约 30% 自助会话（CIO Dive 报道）。我们的判断：AI 节省要入账才算数——已实现与承诺要分开读；「第一方编排=护城河」的声称，护城河在专有工作流数据，不在编排框架。
Claude 财富管理顾问一周三连：证据链没人认领
五天内 OpenAI、Accenture、Anthropic 三方直营财富管理 agent 场景，审计留痕从咨询商方案下沉为模型商标品功能。我们的判断：三层玩家给的全是「栈内证据」，跨栈可核验证据链依然无人认领。
受监管金融的第一个可规模化 agent 模式：agent 备料，人签字
Fund Recs 09-11 发布 Agentic Platform：多类 agent 进入基金监管层，MCP 构建、数据不出环境（厂商口径）。我们的判断：受监管行业首个可规模化形态是 agent-as-preparer——agent 备料、人签字、确定性规则兜底；能溯源、可审计、可推翻是设计红线。
物理 AI 的第二条曲线：ROI 计量必须换算法
Deloitte 2026 调查：58% 企业已在用物理 AI，两年内预计到 80%，制造、物流、国防领跑。我们的判断：物理 AI 的价值在停机、节拍与良率——知识工作那套「每人省几小时」的算法会系统性误判它，甚至把它掐死在回报低谷期。
AI 回报长在从未被系统化的流程里
Evans 用 agent 接住 10 万通原本漏掉的承运商电话；C.H. Robinson 一个 agent 单月从通话里抓回 31.8 万条运踪更新。2026 年可测的 AI 回报几乎都在「从未被系统化」的工作里——标准 ROI 账本必然低估它，因为那里从来没有成本科目。
Sysco 把 AI 省钱写进财务指引：三年 5 亿美元
Sysco 09-09 官宣 AI 效率计划：FY2029 前至少 $500M 结构性成本节约，FY2027 已含 $100M，并上调中期 EPS 增速至 9-11%（官方新闻稿）。我们的判断：AI「省钱」要进入财务指引才算数；四大抓手是分销行业可迁移的清单。
2.5 个月上线语音 Agent：Tripadvisor 把 80% 的工作花在会话设计上
Tripadvisor 8 人团队 2.5 个月上线语音 agent Vesper（NiCE 案例口径）：顾客情感分 90% vs 人工 71%，两分钟开场序列从人工负载里消失。我们的判断：agent 化不是把人挡在外面，是把每通电话变成数据——评估语音 agent 看学习回路与桥接设计，不看 demo。
358 个银行 Agent：数量是面子，完成质量才是里子
Samsung SDS 在友利银行部署 358 个 AI Agent（厂商发布会口径），覆盖对公、财富、内控、客服五大域。我们的判断：agent 数量是滞后指标——厂商自述的核心挑战已是「完成质量」而非「做什么」，工作流必须为 AI 重新设计。抄数量不抄完成质量，358 会变成 358 个玩具。
1100 人公司跑起 50+ agent：ROI 是测量纪律，不是案例
ABC Legal（1,100 人法律文书送达公司）用 Claude Managed Agents 把 50+ agent 推上生产：部分任务成本降约 50%，310 名员工日常使用。数字是厂商自报；可迁移的是方法——建议先给人审→标注数据→eval 门槛→自动化，每个 agent 按效率比单独记账。
供应链 Agent 的生死不在模型：Kenco 三个月上线的测量纪律
Gartner 预测 2027 年前超 40% 的 agentic AI 项目被取消。3PL 巨头 Kenco 用三个月把 6 个 Agent 送上生产、零客户中断（另有 20 个在途）。我们的判断：试点与生产之间的鸿沟是测量问题——先定基线、按 Agent 定 KPI、部署后再测，才是存活率的分水岭。
800 个 Agent 不是故事：GE Appliances 的规模答案是数据平台
GE Appliances 披露已在制造、物流与供应链部署 800+ AI Agent（公司公告口径）。我们的判断：这个数字是滞后指标——真正让 800 个 Agent 成立的是统一工厂数据平台 Brilliant Factory 与工人直达数据的访问层。抄数量不抄底座，只会得到 800 个孤岛。
文档即策略：财务后办公室 AI 的共同骨架
Rivian 把采购应计自动化、Lemvigh-Müller 让超 90% 供应商确认免接触、丰田把设备诊断从 6 小时压到 3 分钟——三家互不相关的公司用了同一套骨架：业务逻辑写成文档而非代码、置信度分级放行、审计链是一等公民。ROI 数字是厂商自报，可信的是模式的重现。
客服 AI 的第二幕：量级层交给机器，价值层留给人
Klarna 2025 年公开回调、Kogan.com 用『真实解决率』校准、BILL 以 70% AI 解决率省下 500 万美元：客服 AI 第一波已证明量级层可被机器吸收，真正稀缺的是边界设计、指标选择与省下产能的再配置。
花旗 Arc 平台：最大规模实测的企业级 Agent 部署
花旗4月推出Arc，把AI Agent当集中式操作系统：18万员工用AI、4万开发者用Devin做Agentic编码、每周超10万Agent小时。遗留系统迁移从12个月缩到4周，50亿美元投入靠Agent自产的效率节省回血。