AI Agent 企业应用上线之后，维护与兜底谁来管

多数企业谈 AI Agent 时盯着选型和上线，好像系统跑起来就完事了。真正的问题在上线之后：知识库会过期，提示词要迭代，Agent 偶尔会给出离谱的回答，这些谁来处理。没有维护机制的 AI Agent，用三个月就会因为错误太多被业务部门弃用，钱白花。

知识库和提示词要有人持续养

AI Agent 的输出质量取决于两样东西：知识库和提示词。知识库里的制度文件、产品手册会更新，不更新 Agent 就按旧规则回答；提示词要跟着业务反馈调，同一句话问十次有两次答偏，就该改提示词或补知识了。这项工作得指定责任人，业务部门出一个人当"喂养人"，负责定期更新资料、收集错误回答，别指望供应商免费维护一辈子。

上线前就谈好维护责任边界和费用，写进服务合同。

高风险动作必须留人工闸门

Agent 的能力边界要清楚：让它查资料、汇总、起草草稿没问题，让它直接对外发函、改价格、删数据就要谨慎。稳妥做法是分级授权——低风险动作自动执行，中高风险动作生成结果后由人确认再放行。比如客服 Agent 可以自动回复常见问题，但涉及退款、投诉升级必须转人工。这个闸门设计在选型时就该确认系统支持，上线后再补会很麻烦。

还要留复核机制，抽查 Agent 的处理记录，错了能及时发现，而不是等客户投诉。

效果怎么衡量，指标先定下来

维护的前提是能衡量。上线前定几个核心指标：人工介入率（多少对话需要转人工）、准确率（抽样判断回答对不对）、处理时长（单次请求耗时）。每月看一次趋势，介入率不降反升，说明知识库或流程有问题。指标不用多，三四个就够，关键是坚持记录。没有数据的维护都是拍脑袋，老板问"这个 Agent 到底有没有用"时，只有数据能回答。

维护和兜底都要落在预算里。AI Agent 不是装完就完的软件，知识库更新、提示词调优、效果监控是持续投入，要么内部安排人兼职负责，要么与服务商签维护协议按年付费。立项时就把维护预算和责任人写进去，运行时才不会因为没人管而荒废。企业常犯的错是只批了建设费、没批运营费，系统上线半年后进入无人维护状态，准确率一路下滑，业务部门用几次就不再用了。

AI Agent 的价值在长期迭代中体现，不是上线当天。维护机制、人工兜底、效果指标三件事在项目启动时就安排好人、预算和责任，比系统本身更决定成败。对中小企业来说，从单一场景试起，配一个兼职责任人，先把闭环跑通，比一上来铺多个场景更现实。