Agentic
Marketing
不是把更多生成式工具装进市场部，也不是让模型不受约束地替代营销管理。它是一套经营与控制机制：企业把明确目标、数据上下文、可调用工具、授权范围、质量标准和停止条件交给软件
agent，由其在限定边界内规划并执行多步任务；人类保留目标、预算、品牌承诺、重大外部动作和责任追究。
88%
组织已在至少一个职能常态使用
AI
McKinsey
2025 [S04]
23%
组织正在某处规模化
agentic
AI
McKinsey
2025 [S04]
17%
营销与销售高管认为已准备好整合
agent
IBM
2025 [S05]
注：上述数字来自不同研究，样本与定义不一致，仅用于说明“广泛试用、有限规模化、组织准备不足”的总体张力。
1.
Agentic Marketing 的分水岭不是“内容能否生成”，而是“系统能否在权限内闭环完成任务”。
事实基础： OpenAI
将
agent
定义为能够代表用户独立完成任务的系统，并明确指出：仅接入大模型但不由模型控制工作流执行的聊天机器人、单轮生成和分类器不属于
agent。[S01][S02]
经营含义： 企业不应按“是否有聊天框”或“是否使用大模型”采购，而应检查目标、状态、工具调用、退出条件、审计记录和异常升级是否完整。
2.
目前的首要机会是受控执行，不是无人值守营销。
事实基础： 2025
年
McKinsey
调查中，62%
的受访组织至少在试验
agent，但仅
23%
报告正在规模化；任何单一职能中规模化比例均不超过
10%。[S04]
经营含义： 高管应把“自主”拆成动作级授权。研究、整理、草拟、诊断可更积极；对外发布、预算、价格、敏感人群与危机响应必须保留审批。
3.
价值来自工作流重构，单点提效很难形成企业级财务结果。
事实基础： McKinsey
的
AI
高绩效组织更常见的做法是根本性重构工作流、明确人类验证条件并由高级管理层承担所有权；IBM
的
2025
年
CMO
研究显示，84%
的受访者认为僵化、碎片化运营限制了
AI
价值。[S04][S05]
经营含义： 把
agent
嵌入旧流程并保留所有手工交接，通常只会增加一层工具。项目应先删除无价值步骤、重画责任与数据流，再选择模型和平台。
4.
营销是适合
agent
的领域，但适合程度在链路内高度不均。
事实基础： 营销包含高频、跨系统、半结构化任务，也包含品牌承诺、文化判断和高风险外部动作。现有研究的可靠收益主要来自辅助型生成式
AI；例如客户支持现场研究显示
AI
辅助平均提高约
15%
的每小时处理量，但这并不等同于自主
agent
的收益。[S08]
经营含义： 企业应分别评估洞察、计划、内容、投放、客户经营和复盘，不应以一个“市场部自动化率”覆盖所有任务。
5.
可逆性比“模型聪明程度”更能决定自主边界。
事实基础： OpenAI
的实践指南建议对敏感、不可逆或高风险动作触发人类监督，并设置重试上限和升级机制。[S01]
经营含义： 能回滚的
CRM
字段更新、草稿排期和内部报告，可以在日志与阈值下自主；不可撤销的公开承诺、付费动作和个人权益影响，必须提高审批等级或禁止自主。
6.
权限设计是
Agentic
Marketing 的核心产品，不是安全附录。
事实基础： Agent
需要访问
CRM、内容系统、广告账户、消息渠道和数据仓库才能执行；OWASP
已将身份、工具滥用、记忆污染、级联失败等列为
agentic
应用的关键威胁。[S13][S14]
经营含义： 每个
agent
都应拥有独立身份、最小权限、短期凭证、工具白名单、金额与频次阈值；禁止共用“超级账号”。
7.
多
agent
并不天然优于单
agent 。
事实基础： OpenAI
建议先最大化单
agent
能力，只有复杂逻辑或工具重叠导致稳定性问题时再拆分；一项对五种多
agent
框架、150
余项任务的研究识别出
14
类失败，包括系统设计、agent
间失配、验证与终止问题。[S01][S15]
经营含义： 架构评审应要求每增加一个
agent
都说明不可替代的职责、交接协议、终止条件与可观测收益。
8.
ROI 必须同时计算增量收入、释放产能和风险成本。
事实基础： AI
项目常把“节省小时数”当作现金收益，但时间只有在转化为减少外包、延缓招聘、增加实验或提升转化时才形成财务价值。McKinsey
2025 调查中仅
39%
报告企业层面
EBIT
影响，说明局部收益并不会自动进入利润表。[S04]
经营含义： 商业案例必须指定价值承接人、财务科目、基线、归因规则和价值兑现动作。没有承接机制的时间节省只能列为容量指标。
9.
治理应覆盖预防、检测、停止、恢复和追责五个环节。
事实基础： NIST
AI RMF 采用
Govern、Map、Measure、Manage
的持续风险管理框架；ISO/IEC
42001 强调管理体系、风险评估、监控与持续改进。[S09][S10][S11]
经营含义： 企业需要可执行的控制面：上线准入、运行监测、异常熔断、回滚、证据留存、事故分级和责任人，而不只是伦理原则。
10.
董事会与
CEO
当前最重要的决策，是授权边界和规模化门槛。
事实基础： 监管已把透明、个人信息、内容标识与人类监督纳入企业义务。中国的生成合成内容标识要求自
2025
年
9
月
1
日施行；欧盟
AI
Act 的透明规则于
2026
年
8
月进入适用阶段。[S18][S19][S20][S21]
经营含义： 管理层应批准一套统一的自主性分级、禁止清单、责任模型和投资关卡，避免各部门分别采购、分别授权、出现不可审计的
agent
蔓延。
管理层一页结论
问题
建议决定
是否现在启动
启动，但只选择
1-2
个可逆、高频、可观测场景。
是否追求全自主
不追求。先实现“需审批执行”和“有条件自主”，逐项获得权限。
谁负责
业务流程负责人对结果负责；技术团队负责平台可靠性；品牌、法务、数据与安全共同设定边界。
如何衡量
以任务完成质量、周期、转化、财务价值和风险成本衡量，不以调用次数和内容数量衡量。
何时扩张
连续多个运行周期达到质量、风险、成本和
SLA
门槛后，再扩大渠道、预算和权限。
何时停止
出现重大品牌/合规事故、无法稳定复现、评估成本高于价值、数据基础不足或责任无人承担时停止。
从“是否现在启动”、“是否追求全自主”、“谁负责”与“如何衡量”这些行项出发，“管理层一页结论”呈现的其实是一组相互关联的管理选择。“问题”与“建议决定”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 本表可先从“是否现在启动”与“是否追求全自主”开始建立现场证据，再决定是否把同一规则扩展到其他行项。 随表附上的可视化只重组本表已有信息，用于帮助读者识别差异与关系，不改变原有数据口径；最终判断仍应回到表内定义和正文论证。
管理层一页结论：原表信息可视化 是否现在启动 → 启动，但只选择 1-2 个可逆、高频、可观测场景
是否追求全自主 → 不追求。先实现“需审批执行”和“有条件自主”，逐项获得权限
谁负责 → 业务流程负责人对结果负责；技术团队负责平台可靠性；品牌、法务、数据与安全共同设定边界
如何衡量 → 以任务完成质量、周期、转化、财务价值和风险成本衡量，不以调用次数和内容数量衡量
何时扩张 → 连续多个运行周期达到质量、风险、成本和 SLA 门槛后，再扩大渠道、预算和权限
何时停止 → 出现重大品牌/合规事故、无法稳定复现、评估成本高于价值、数据基础不足或责任无人承担时停止
依据：本专题原表 12；图表仅重组已有信息，不新增统计数据或改变原表口径。
技术能力、企业采用和监管义务在同一时期发生变化。机会真实存在，但它更接近一次运营模式改造，而不是一轮工具替换。
1.1
三个同步变化
第一，模型开始具备更稳定的多步推理、结构化输出和工具调用能力。agent
可以读取上下文、选择工具、在执行结果基础上修正下一步，并在满足退出条件前持续运行。OpenAI
的工程定义把模型、工具和指令视为基础组件；其运行时需要状态、循环、终止条件和可观测追踪。[S01][S02]
第二，企业使用从个人试验转向流程试验。McKinsey
2025 年全球调查显示，88%
的受访组织在至少一个职能常态使用
AI，62%
至少在试验
agent；但接近三分之二仍未进入企业级规模化。[S04]
这说明市场教育已完成一半：员工知道工具能做什么，组织仍不知道如何控制、整合和兑现价值。
第三，监管与客户预期要求内容来源、个人信息处理和自动决策更可解释。中国已实施生成合成内容标识要求；欧盟
AI
Act 采用风险分级，并要求部分
AI
交互和生成内容具备透明披露。[S20][S21]
对跨境品牌而言，内容供应链需要把标识、授权、素材来源和发布记录设计为系统字段。
62%
至少试验
AI
agents
McKinsey
2025 [S04]
84%
认为碎片化运营限制
AI
价值
IBM
CMO 2025 [S05]
近
2/3
把安全和风险视为规模化首要障碍
McKinsey
2026 [S25]
1.2
关注的理由：营销工作具备
agent
的经济特征
营销链路同时存在大量非结构化输入和重复性动作：市场信号散落在网页、社媒、客服和销售记录中；内容需要跨平台改写；线索需要分类、补全、提醒和回写；投放需要高频诊断；复盘需要汇总多个系统。规则自动化很难穷举所有分支，而纯人工方式又受制于响应速度和交接成本。
Agent
的潜在优势在于处理“可描述目标
+
不完全结构化输入
+
多步工具调用
+
可验证结果”的任务组合。它可以在一个运行周期内完成资料检索、判断、草拟、调用系统、记录结果和触发下一步。价值不只来自生成速度，还来自减少排队、交接、遗漏和上下文损失。
经营判断
企业现在需要建立
agent-ready
能力，但不应把
2026
年视为“全自主营销元年”。最合理的目标是：用
18
个月形成可重复、可审计的受控执行体系，并让高价值场景逐步获得更高自主权。
1.3
哪些信号不应被误读
常见信号
容易形成的误读
应有判断
模型在演示中完成复杂任务
已具备生产环境可靠性
演示成功不等于跨数据、跨权限、跨异常条件的稳定运行。
供应商推出“营销
agent”
产品已能端到端执行
需要核查是否只生成建议，是否真实调用外部系统，是否支持审批、回滚和审计。
员工节省大量写作时间
企业将获得同等利润
时间节省只有被组织吸收为产能、成本或收入时才进入财务结果。
多
agent
架构更先进
agent
越多效果越好
多
agent
增加交接、状态一致性和故障定位复杂度，只有职责分离有净收益时才使用。
竞争对手宣布
AI
项目
本企业应全面跟进
应比较客户旅程、数据基础、流程成熟度和风险承受能力，不按新闻节奏投资。
这张表围绕“1.3 哪些信号不应被误读”建立了一套可比较的共同语言：“常见信号”、“容易形成的误读”与“应有判断”负责界定观察口径，“模型在演示中完成复杂任务”、“供应商推出“营销 agent””、“员工节省大量写作时间”与“多 agent 架构更先进”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“模型在演示中完成复杂任务”这一行同时关联了“已具备生产环境可靠性”与“演示成功不等于跨数据、跨权限、跨异常条件的稳定运行”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。 随表附上的可视化只重组本表已有信息，用于帮助读者识别差异与关系，不改变原有数据口径；最终判断仍应回到表内定义和正文论证。
1.3 哪些信号不应被误读：原表信息可视化 模型在演示中完成复杂任务 → 演示成功不等于跨数据、跨权限、跨异常条件的稳定运行
供应商推出“营销 agent” → 需要核查是否只生成建议，是否真实调用外部系统，是否支持审批、回滚和审计
员工节省大量写作时间 → 时间节省只有被组织吸收为产能、成本或收入时才进入财务结果
多 agent 架构更先进 → 多 agent 增加交接、状态一致性和故障定位复杂度，只有职责分离有净收益时才使用
竞争对手宣布 AI 项目 → 应比较客户旅程、数据基础、流程成熟度和风险承受能力，不按新闻节奏投资
依据：本专题原表 15；图表仅重组已有信息，不新增统计数据或改变原表口径。
1.4
不适合自主执行的五类场景
法律或事实责任高度集中，且错误会造成不可逆影响：重大危机声明、财务披露、医疗或金融效果承诺、监管回复。
目标本身存在重大价值冲突：通过极端刺激、歧视性分群或误导表达换取短期转化。
数据来源不完整且无法验证：市场规模、竞争情报、客户身份或归因数据存在系统性缺口。
执行后无法可靠撤销：大额预算、公开价格、合同承诺、删除数据、批量触达敏感群体。
成功标准主要依赖文化判断、关系责任或现场情境：品牌核心主张、重大创意选择、关键客户谈判。
1.5 从使用增长到授权增长
数据｜ Anthropic
对 Claude
Code 与公开 API
中数百万次人机交互的匿名分析显示，2025
年 10
月至 2026
年 1
月，最长一档会话中单次连续工作时长的
99.9
分位数由不足 25
分钟升至超过 45
分钟。增长并未只在模型发布时跳升，而是相对平滑，研究者据此推测，用户经验、信任积累、任务野心和产品能力共同推动了更长时间的委托。[S32]
这组数据不能直接证明企业生产环境中的
agent
已更可靠，也不能外推营销任务的错误率；样本来自特定产品，极端分位更不代表典型使用。但它揭示了一个容易被忽略的经营变化：授权会在使用中逐步扩张。员工一旦在低风险任务上建立信心，往往会把更长、更复杂、权限更高的任务继续交给系统。
赫伯特·西蒙把注意力视为信息丰富时代真正稀缺的资源。Agent
的价值并不是让管理者看见更多过程，而是让常规任务在边界内运行，把有限注意力准确送到目标冲突、证据不足和不可逆动作上。[S33]
因而，企业需要管理的不是一个静态的“是否采用”，而是一条随经验变化的授权曲线。
机制｜ 权限升级必须由证据触发，而不能由熟悉感触发。每次从只读到写入、从单步到多步、从草稿到发布、从建议到预算动作，都应重新确认任务成功率、异常分布、人工推翻率、可逆性和责任人。用户对界面的信任不等于系统对新任务的胜任。
管理动作｜ 为每个
agent
建立授权履历：当前允许做什么、最近一次升级基于哪些运行证据、哪些条件会自动降级、谁能恢复权限。董事会和
CMO
应看到的是授权组合及其变化，而不是企业拥有多少个
agent。
自主性必须与可逆性、权限和可观测性一起决定 先划清责任，再开放动作。 01 辅助 人发起，人执行
02 建议 系统提出，人判断
03 审批执行 人批准，系统动作
04 有条件自主 边界内执行，异常升级
05 禁止自主 高风险动作由人负责
企业需要先建立统一词汇，否则同一个“agent”预算会混合聊天、生成、自动化和真实执行，导致价值与风险无法比较。
2.1
六类系统的严格区分
类别
核心机制
是否自行规划
是否调用工具
是否保留状态
典型输出
对话助手
响应用户问题，依赖当前会话
否或很弱
可选，通常只读
短期会话
回答、解释、检索结果
生成式工具
根据输入生成文本、图像、音视频或代码
否
通常不调用业务系统
无或有限
内容草稿、创意变体
规则自动化
按预先写定的条件和步骤执行
否
是
确定性状态
固定流程动作
工作流编排
把模型、规则、人工节点与系统连接成流程
由设计者预设
是
显式流程状态
多步骤交付物
Copilot
在人类工作界面中给建议、草稿和下一步
局部
有限，通常需人触发
与用户任务绑定
建议、草稿、辅助操作
AI
agent
围绕目标选择步骤、调用工具、观察结果并循环修正
是，在边界内
是，可读写
保留任务、环境和历史状态
完成任务、执行记录、异常升级
从“对话助手”、“生成式工具”、“规则自动化”与“工作流编排”这些行项出发，“2.1 六类系统的严格区分”呈现的其实是一组相互关联的管理选择。“类别”、“核心机制”、“是否自行规划”与“是否调用工具”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“对话助手”这一行同时关联了“响应用户问题，依赖当前会话”与“否或很弱”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。 随表附上的可视化只重组本表已有信息，用于帮助读者识别差异与关系，不改变原有数据口径；最终判断仍应回到表内定义和正文论证。
2.1 六类系统的严格区分：原表信息可视化 对话助手 → 回答、解释、检索结果
生成式工具 → 内容草稿、创意变体
规则自动化 → 固定流程动作
工作流编排 → 多步骤交付物
Copilot → 建议、草稿、辅助操作
AI agent → 完成任务、执行记录、异常升级
依据：本专题原表 16；图表仅重组已有信息，不新增统计数据或改变原表口径。
工作流与
agent
不是互斥关系。生产级系统通常把二者结合：对稳定、强约束步骤使用确定性工作流，对需要判断和适应的步骤使用
agent；审批、预算和权限由流程引擎强制执行，而不是交给模型“自觉遵守”。
2.2
本报告对
Agentic
Marketing 的定义
定义
Agentic
Marketing 是一种以经营目标为约束的营销运行方式：一个或多个
AI
agent
在明确身份、知识上下文、工具权限、质量标准、预算阈值和退出条件下，代表企业规划并执行跨步骤营销任务；系统持续记录决策与动作，依据结果反馈调整下一步，并在风险、置信度或权限超出边界时暂停、升级或终止。
2.3
构成
agent
的八个必要要素
要素
最低要求
缺失后的退化
目标
可被验证的任务目标与优先级
退化为泛化问答或无终点循环
上下文
品牌、产品、客户、政策、历史任务和当前环境
输出与企业事实脱节
计划
可分解步骤，并能基于执行结果调整
退化为固定模板或一次性生成
工具
经过定义、测试和权限控制的读写接口
无法进入真实业务，只能提供建议
记忆 / 状态
保存任务进度、证据、决策、已执行动作和待办
重复劳动、丢失上下文、无法恢复
授权边界
身份、数据范围、金额、渠道、频次和审批条件
越权、误操作或责任不清
评估与反馈
任务级质量门槛、结果指标和运行后学习
无法判断是否变好，错误持续复制
停止与升级
最大步数、重试、熔断、人工接管和回滚
无限循环、级联错误或事故扩大
“2.3 构成 agent 的八个必要要素”把“要素”、“最低要求”与“缺失后的退化”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“目标”、“上下文”、“计划”与“工具”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“目标”这一行同时关联了“可被验证的任务目标与优先级”与“退化为泛化问答或无终点循环”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。 随表附上的可视化只重组本表已有信息，用于帮助读者识别差异与关系，不改变原有数据口径；最终判断仍应回到表内定义和正文论证。
2.3 构成 agent 的八个必要要素：原表信息可视化 目标 → 退化为泛化问答或无终点循环
上下文 → 输出与企业事实脱节
计划 → 退化为固定模板或一次性生成
工具 → 无法进入真实业务，只能提供建议
记忆 / 状态 → 重复劳动、丢失上下文、无法恢复
授权边界 → 越权、误操作或责任不清
依据：本专题原表 18；图表仅重组已有信息，不新增统计数据或改变原表口径。
2.4
Agent 的自主性不是单一等级
自主性至少包含四个彼此独立的维度：它能否选择下一步；能否选择或组合工具；能否对外部系统产生写操作；能否在无人逐步批准的情况下持续运行。企业必须分别授权。一个
agent
可以在研究计划上高度自主，但在发布动作上始终需要审批。
维度
低自主
中自主
高自主
计划
人给出完整步骤
agent
提议步骤，人确认
agent
自行计划并动态调整
工具
只读、单一工具
可选多工具，关键写操作审批
在白名单与阈值内自主调用
持续时间
单轮或短任务
可恢复的多步运行
定时、事件触发、持续巡检
外部影响
内部草稿
可逆系统更新
对外动作或预算执行
监督方式
逐步检查
关键关口审批
例外监控与抽样审计
这张表围绕“2.4 Agent 的自主性不是单一等级”建立了一套可比较的共同语言：“维度”、“低自主”、“中自主”与“高自主”负责界定观察口径，“计划”、“工具”、“持续时间”与“外部影响”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“计划”这一行同时关联了“人给出完整步骤”与“agent 提议步骤，人确认”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
2.5
“ 自主营销”不等于“自动优化目标”
模型可以优化被给予的指标，却不会自动理解企业未写入系统的长期责任。例如，只以点击率为目标，agent
可能偏向夸张标题；只以线索量为目标，可能扩大低质量人群；只以
ROAS
为目标，可能压缩品牌建设与新客探索。目标函数必须包含业务质量、品牌约束、客户权益和长期价值。
因此，CEO
与
CMO
的第一项工作不是选择
agent
平台，而是确认哪些目标可以交给系统优化、哪些目标必须由管理层权衡。技术可执行性不能替代经营判断。
2.6 最小充分架构：先证明任务，再增加自主性
Anthropic
在与多行业团队共建
agent
的实践总结中区分了工作流与
agent：工作流由预设代码路径编排模型和工具，agent
则由模型动态决定过程与工具使用。其核心建议是从能够满足需求的最简单方案开始；复杂
agent
往往以更高时延与成本换取灵活性。[S34]
这一判断对营销尤其重要。品牌审校、预算阈值、渠道规格、个人信息处理和发布审批，大多具有明确规则，应由确定性流程强制执行；只有市场信号解释、研究计划、异常诊断和方案生成等难以穷举路径的环节，才需要模型动态规划。把确定性控制交给模型“记住”，会把流程缺陷伪装成智能。
迈克尔·哈默在流程再造研究中警告，直接自动化既有流程，常常只是让低效动作更快发生。[S35]
Agentic Marketing 的设计顺序因此应是：先删除无价值交接，明确客户结果和责任，再选择规则、工作流、Copilot
或
agent。系统复杂度不是成熟度，能够用更少组件稳定完成闭环才是。
反例｜ 一个内容
agent
若同时负责找资料、判断事实、生成文案、检查品牌、选择渠道并发布，看似端到端，实际把六种不同风险塞进同一上下文。更稳健的设计是让来源检索与事实字段结构化，让生成负责表达，让规则引擎检查硬约束，让人批准高影响发布。
管理动作｜ 架构评审要求团队回答三个问题：为什么不能用规则；为什么不能用受控工作流；新增自主性带来的业务价值是否高于时延、成本和失效面。任何答不清的复杂
agent，都应退回更简单的实现。
自主性必须与可逆性、权限和可观测性一起决定 先划清责任，再开放动作。 01 辅助 人发起，人执行
02 建议 系统提出，人判断
03 审批执行 人批准，系统动作
04 有条件自主 边界内执行，异常升级
05 禁止自主 高风险动作由人负责
Agentic
Marketing 的价值池来自更快的决策与执行、更低的边际成本和更完整的反馈；风险来自错误被自动放大、权限被滥用以及责任被模糊。
3.1
五个价值池
价值池
产生机制
可观测指标
财务承接
周期压缩
减少检索、排队、交接和重复录入
从触发到交付的中位时长、等待时长
更快上市、更多实验、减少加急成本
质量稳定
把政策、品牌规则和最佳实践嵌入执行
一次通过率、返工率、事实错误率
减少返工、降低事故和外包修订
转化改善
更及时地分层、响应、补全和触发下一步
MQL→SQL、响应时效、旅程推进率
增量收入或毛利
边际成本下降
同一平台与工具链复用更多任务
每个合格任务成本、模型与人工成本
延缓招聘、减少外包、优化供应商
组织学习
把执行轨迹、结果和复盘写回知识与规则
经验复用率、规则更新周期、重复错误率
提高后续项目成功率和新人爬坡速度
从“周期压缩”、“质量稳定”、“转化改善”与“边际成本下降”这些行项出发，“3.1 五个价值池”呈现的其实是一组相互关联的管理选择。“价值池”、“产生机制”、“可观测指标”与“财务承接”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
预算决策应同时看显性采购、内部人工、数据准备、质量控制、变更维护和退出迁移，不能只比较模型单价或软件订阅费。更稳健的做法是按阶段释放资金：先购买问题信息，再购买现场证据，最后才为可复制能力投入；每次追加预算都应绑定基线、验证窗口和停止条件。 就本表而言，“周期压缩”这一行同时关联了“减少检索、排队、交接和重复录入”与“从触发到交付的中位时长、等待时长”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
3.2
证据强度：对辅助型
AI
的证据强于对自主
agent
的证据
现有高质量实证研究主要观察“人使用生成式
AI”的效果，而不是“agent
无人值守执行营销”。例如，客户支持现场研究发现
AI
辅助平均提高约
15%
的每小时处理量，收益在经验较少人员中更明显。[S08]
这说明知识检索与建议可以提高生产率，但不能直接证明
agent
可安全接管外部发布、预算与客户决策。
对
agent
的市场研究显示采用意愿高、规模化仍早。2025
年
McKinsey
调查中，23%
的组织报告在某处规模化
agent，39%
处于试验；2026
年
McKinsey
AI 信任研究中，接近三分之二的受访者把安全与风险视为全面规模化的首要障碍。[S04][S25]
因而，商业案例应对“辅助收益”与“自主收益”分别建模。
3.3
技术能力的“锯齿边界”
模型可能在复杂分析上表现良好，却在简单的工具参数、终止判断或事实核验上失败。多步任务还会放大小概率错误：每一步
95%
的成功率，连续十个相互依赖步骤全部成功的理论概率只有约
60%。这一算例是概率乘法，不代表任何特定模型，但说明长链路必须设置检查点。
因此，不能用单次“看起来很聪明”的输出判断是否可以授权。生产评估要覆盖正常任务、边界条件、恶意输入、数据缺失、工具超时、重复触发和恢复场景。
3.4
四类价值错觉
错觉
为什么不成立
修正办法
把调用量当采用
调用次数可能来自低价值或重复任务
以合格任务、业务结果和单位成本衡量
把时间节省当现金
节省时间可能被空耗或用于更多低价值工作
定义产能承接：减少外包、延缓招聘或增加高价值实验
把内容数量当增长
内容增加可能稀释品牌并造成渠道噪音
绑定有效触达、互动质量、线索与收入指标
把模型准确率当系统可靠性
系统还包含检索、权限、工具、流程和人工交接
做端到端任务成功率与故障恢复评估
在“3.4 四类价值错觉”这组信息中，“错觉”、“为什么不成立”与“修正办法”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“把调用量当采用”、“把时间节省当现金”、“把内容数量当增长”与“把模型准确率当系统可靠性”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“把调用量当采用”这一行同时关联了“调用次数可能来自低价值或重复任务”与“以合格任务、业务结果和单位成本衡量”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
边界原则
凡是无法定义“正确结果”、无法观察执行状态、无法撤销错误或无法确定责任人的任务，都不应直接进入高自主等级。
3.5 平均提效不能决定授权：两组现场证据
案例一｜ 哈佛商学院研究团队与
BCG
开展随机现场实验，覆盖
758
名咨询顾问。对位于模型能力边界内的
18
项创意、分析、写作和说服任务，使用
GPT-4
的参与者平均多完成
12.2%
的任务，速度提高
25.1%，质量显著改善；但在被设计为边界外的一项复杂管理任务上，AI
使用者得出正确答案的概率低
19
个百分点。[S36]
案例二｜ 一项覆盖
5,172
名客户支持人员的现场研究发现，生成式
AI
建议使每小时解决问题数平均提高约
14%；低技能、低经验员工的改善约为
35%，高技能、高经验者的收益很小，部分指标甚至略有下降。入职两个月且使用
AI
的员工，表现可接近未使用
AI、任职六个月的员工。[S37]
两组证据共同否定了“一个平均效率数字适用于全部任务与人员”的假设。收益随任务是否落在能力边界内、员工经验、是否能够核验结果而变化；同一系统可以在知识检索中加速学习，也可以在复杂判断中让人更有信心地犯错。
边界｜ 前者是模拟咨询任务，后者是单一企业的客户支持场景；两者观察的都是人使用
AI，不是无人值守营销
agent。它们不能证明系统可以自主发布、改变预算或决定客户权益，只能证明企业必须按任务、人员和风险分层测量。
管理动作｜ 商业案例至少分四组报告：新手与专家、常规与长尾、边界内与边界外、建议模式与执行模式。只有看到收益与错误分别发生在哪里，管理层才有资格扩大授权。
自主性必须与可逆性、权限和可观测性一起决定 先划清责任，再开放动作。 01 辅助 人发起，人执行
02 建议 系统提出，人判断
03 审批执行 人批准，系统动作
04 有条件自主 边界内执行，异常升级
05 禁止自主 高风险动作由人负责
营销链路需要按环节配置不同自主性，而不是让一个总控
agent
拿到所有系统和预算。人类最终负责点必须在流程图上明确出现。
4.1
闭环责任分配总览
环节
Agent
适合承担
人类最终负责
建议自主性
强制关口
洞察
采集信号、聚类、证据整理、异常提示
界定问题、判断证据质量、选择战略含义
有条件自主
引用不足、敏感数据、重大舆情必须升级
策略
生成备选、模拟情景、识别假设
确定目标、取舍、定位与资源配置
建议
战略与品牌核心决策必须由管理层批准
计划
拆解行动、排期、资源冲突检测
确认预算、责任人、里程碑和停止条件
需审批执行
跨部门承诺、外部供应商与预算需审批
创意
发散概念、变体、初步评估
选择大创意、文化判断、品牌承诺
辅助/建议
核心创意与敏感表达必须人工选择
内容
起草、改写、版本化、合规预检
事实确认、品牌判断、最终发布责任
需审批执行；低风险可条件自主
公开内容、效果承诺、新闻与高管署名强制审批
投放
数据诊断、预算建议、素材轮换草稿
设定目标、上限、重大调整和归因
需审批执行；小额可条件自主
新账户、新市场、大幅预算/出价变更强制审批
客户经营
分层、摘要、提醒、下一步建议
敏感客户判断、优惠、承诺、投诉与流失处理
辅助至条件自主
敏感个人信息、价格权益、投诉与退订必须人工或规则处理
复盘
汇总数据、归因假设、异常分析、学习沉淀
确认因果、决定资源再配置
有条件自主生成，人工决策
不得把相关性自动写成因果结论
这张表围绕“4.1 闭环责任分配总览”建立了一套可比较的共同语言：“环节”、“Agent 适合承担”、“人类最终负责”与“建议自主性”负责界定观察口径，“洞察”、“策略”、“计划”与“创意”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
组织设计的重点不是把更多字母或职位写进责任表，而是让每个关键节点都有人能够判断、批准、纠偏和承担结果。机器可以获得受限执行权，却不能承接最终经营责任；跨部门任务还应明确预算权、数据权、发布权、暂停权和升级路径，避免“人人参与、无人负责”。 就本表而言，“洞察”这一行同时关联了“采集信号、聚类、证据整理、异常提示”与“界定问题、判断证据质量、选择战略含义”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
4.2
强制人工审批点
审批点
触发条件
批准角色
必须查看的证据
对外发布
任何公开渠道首发；高管署名；新闻、危机、政策相关内容
品牌负责人/法务/业务负责人
事实来源、版本差异、禁用表达、生成内容标识
预算变更
超过预设金额或比例；进入新渠道；扩大人群
预算所有者/市场负责人
基线、预测、边际回报、止损阈值
价格与权益
折扣、赠品、退款、积分、合同条款
业务负责人/财务/法务
授权依据、客户资格、毛利影响、留痕
敏感数据使用
敏感个人信息、跨境、未成年人、精准画像
数据保护/法务/业务负责人
处理目的、最小必要、同意或其他合法基础、保留期
重大客户动作
投诉升级、舆情客户、战略客户、解约挽回
客户负责人/业务高管
完整会话、事实、承诺范围、升级方案
删除与不可逆操作
批量删除、覆盖关键记录、终止活动
系统所有者/流程负责人
影响范围、备份、回滚方案、双人确认
从“对外发布”、“预算变更”、“价格与权益”与“敏感数据使用”这些行项出发，“4.2 强制人工审批点”呈现的其实是一组相互关联的管理选择。“审批点”、“触发条件”、“批准角色”与“必须查看的证据”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
指标落地时要先冻结口径、时间窗、样本和数据责任人，再讨论目标值。效率指标只能说明过程变快，不能自动证明收入增量或品牌改善；因此需要把前置质量、过程效率、业务结果和风险护栏放在同一看板，并用对照、留出或分阶段实验识别真正的增量贡献。 就本表而言，“对外发布”这一行同时关联了“任何公开渠道首发；高管署名；新闻、危机、政策相关内容”与“品牌负责人/法务/业务负责人”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
4.3
“ 任务自主性
×
风险 / 可逆性
×
权限”决策矩阵
本报告将任务分为五种执行模式。决策时先判断风险与可逆性，再判断
agent
所需权限。高风险、不可逆、广泛权限三者中任意两项同时出现，默认不得自主；只有在专门审批和技术隔离下才可进入“需审批执行”。
模式
Agent
行为
人类角色
适用条件
典型营销任务
A0
辅助
检索、整理、生成草稿，不写入业务系统
逐项判断和执行
标准不清、创意判断强或数据不足
战略备选、品牌核心创意、危机分析
A1
建议
给出结构化建议、证据和预测
接受、修改或拒绝
结果可验证，但动作风险较高
预算建议、客户下一步、定位与人群建议
A2
需审批执行
准备动作包，审批后调用工具
审批关键动作并承担结果
动作可描述、可回滚或有明确审核
内容发布、投放变更、CRM
批量更新
A3
有条件自主
在白名单、阈值和时段内自主执行
监控例外、抽样审计、处理升级
高频、标准化、可逆、可观测、权限窄
内部周报、低风险排期、线索补全、异常提醒
A4
禁止自主
系统阻断，不向
agent
暴露工具或权限
人类完成
重大法律责任、不可逆、敏感权益或目标冲突
重大危机声明、合同承诺、敏感歧视性定向、删除核心数据
在“4.3 “ 任务自主性 × 风险 / 可逆性 × 权限”决策矩阵”这组信息中，“模式”、“Agent 行为”、“人类角色”与“适用条件”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“A0 辅助”、“A1 建议”、“A2 需审批执行”与“A3 有条件自主”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“A0 辅助”这一行同时关联了“检索、整理、生成草稿，不写入业务系统”与“逐项判断和执行”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
4.4
风险与权限组合规则
风险 / 可逆性
只读权限
有限写权限
预算 / 对外权限
广泛管理权限
低风险、完全可逆
A3
A3
A2
A2
中风险、可回滚
A3
A2/A3（有阈值）
A2
A2
高风险、部分可逆
A1
A2
A2（双人审批）
A4
高风险、不可逆
A0/A1
A2（专门流程）
A4
A4
“4.4 风险与权限组合规则”把“风险 / 可逆性”、“只读权限”、“有限写权限”与“预算 / 对外权限”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“低风险、完全可逆”、“中风险、可回滚”、“高风险、部分可逆”与“高风险、不可逆”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“低风险、完全可逆”这一行同时关联了“A3”与“A2”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
A0-A4
为本报告原创分级。企业应结合行业监管、品牌风险承受度和技术控制能力重新校准。
4.5
人类最终负责点
董事会/CEO：批准风险偏好、禁止清单、重大投资、责任归属和规模化门槛。
CMO/业务负责人：对目标、预算、品牌承诺、客户权益和业务结果承担最终责任。
流程负责人：确认任务定义、输入质量、审批设计、异常升级和运行改进。
系统与数据负责人：确保身份、权限、日志、连接器、数据质量和恢复能力。
法务、合规与品牌治理：定义政策规则，审查高风险场景和事故处理。
4.6 自动化悖论：越自主，越需要准备人类接管
利泽恩·班布里奇在
1983
年提出“自动化的反讽”：自动化系统接管常规操作后，人类留下的往往是最困难、最少发生、也最缺乏练习的异常；系统又要求人保持足够理解，在关键时刻迅速接管。[S38]
这不是旧工业系统的历史问题，而是
agent
进入营销外部动作后的现实约束。
案例｜ 在
Moffatt
v. Air Canada
案中，旅客依据航空公司网站聊天机器人给出的丧亲票价说明购票，机器人同时链接的正式政策却与其回答冲突。加拿大不列颠哥伦比亚省民事解决法庭于
2024
年认定航空公司应对网站信息承担责任，并判令支付损害赔偿、利息和费用。[S39]
这起案件暴露的不是单一回答错误，而是知识与接管体系同时失效：同一触点存在相互矛盾的政策；影响客户权益的回答没有来源优先级；系统没有在冲突出现时停止并转交人工；组织试图把软件与企业责任切开。Agent
拿到的动作越多，这类矛盾扩散得越快。
边界｜ 该聊天机器人未必具备本报告定义的完整
agent
能力，案件也不等于所有自动化对话都高风险。其可迁移教训在于：客户把企业数字触点视为企业本身。价格、权益、交付、退款、资格和法律声明必须由权威知识源约束，并在冲突或例外时升级。
管理动作｜ 把人工接管设计成一项生产能力：异常必须携带已读资料、已做动作、冲突点、客户上下文和建议选项进入队列；接管人需要排班、SLA、训练和决策权限。只有“暂停”按钮而没有可工作的接管机制，不构成控制。
优先级不取决于任务是否“看起来聪明”，而取决于价值、频率、标准化、数据、风险、可逆性、权限和可观测性的组合。
5.1
八维任务评分框架
维度
高分条件
低分 / 否决条件
评分方向
业务价值
直接影响收入、成本、客户体验或重大风险
只增加产出数量，无明确承接
1-5，越高越优先
频率与规模
每日/每周高频，覆盖多个团队或客户
低频一次性任务
1-5，越高越优先
标准化程度
输入、规则、成功条件和例外可描述
高度依赖隐性关系与文化判断
1-5，越高越优先
数据可得性
数据完整、授权清晰、可实时/稳定访问
关键数据缺失、来源不合法或质量不可控
1-5，越高越优先
风险
错误影响有限，不涉及重大权益或监管
高品牌、法律、个人权益或安全风险
反向
1-5，越高风险越不优先
可逆性
动作可撤销、可回滚、可重做
公开承诺、不可逆付款或删除
1-5，越可逆越高
权限范围
只读或窄范围写权限，最小权限可实现
需要超级账号、跨域管理权限
1-5，越窄越高
可观测性
每一步、结果和异常都可记录和验证
成功无法定义、过程不可见
1-5，越可观测越高
这张表围绕“5.1 八维任务评分框架”建立了一套可比较的共同语言：“维度”、“高分条件”、“低分 / 否决条件”与“评分方向”负责界定观察口径，“业务价值”、“频率与规模”、“标准化程度”与“数据可得性”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“业务价值”这一行同时关联了“直接影响收入、成本、客户体验或重大风险”与“只增加产出数量，无明确承接”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
5.2
评分计算与门槛
建议公式
优先指数
=
业务价值×20%
+ 频率×15%
+ 标准化×15%
+ 数据可得性×15%
+ 可逆性×10%
+ 权限可控×10%
+ 可观测性×15%
− 风险惩罚。风险惩罚不应被其他高分完全抵消；命中禁止条件时直接淘汰。
综合分
建议动作
准入要求
80-100
首批试点
无否决项；负责人明确；可在
90
天内形成闭环
65-79
候选池
先补数据、流程或控制，再进入试点
50-64
保持辅助型
以
A0/A1
为主，不授予外部写权限
<50
暂缓
价值不足或基础不成熟
任意分
+
否决项
禁止或转人工
不可逆高风险、无合法数据基础、无人负责、无法审计
在“5.2 评分计算与门槛”这组信息中，“综合分”、“建议动作”与“准入要求”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“80-100”、“65-79”、“50-64”与“<50”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
把表格转成执行计划时，应为每个阶段补齐入口条件、交付物、责任人、验收证据和退出条件。阶段之间不是自然衔接的时间刻度，而是一次次继续、调整或停止的管理决策；若上一阶段没有形成可信证据，按日历进入下一阶段只会把不确定性和返工成本一起放大。 就本表而言，“80-100”这一行同时关联了“首批试点”与“无否决项；负责人明确；可在 90 天内形成闭环”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
5.3
任务组合，而不是单任务自动化
真正的价值通常来自一组相邻任务。例如“线索分级”单独运行，只会产生一个分数；把数据补全、来源判断、意向摘要、负责人分配、响应提醒和
CRM
回写连接起来，才可能缩短响应并改善转化。任务组合应围绕一个经营结果设计，包含触发、输入、执行、人工关口、结果回写和复盘。
组合过长会降低可靠性。首批试点建议控制在一个清晰触发、3-7
个动作步骤、1-2
个系统写入点和一个人工审批关口内。达到稳定门槛后，再增加渠道或权限，而不是一开始把整个营销闭环交给单一
agent。
5.4
典型任务的优先级示例
任务
价值
可行性
风险
建议模式
优先级
竞品与舆情信号日报
中高
高
低
A3
高
内容
Brief
与多平台草稿
高
高
中
A1/A2
高
公开内容自动发布
中高
中
中高
A2
中
投放账户健康诊断
高
高
低
A3
诊断/A1
建议
高
自动改预算与出价
高
中
高
A2；小额阈值后
A3
中
线索补全与分配
高
高
中
A3（窄权限）
高
客户优惠与退款
中高
中
高
A2
或
A4
低
重大危机回应
高
低
极高
A0/A4
禁止自主
周度复盘初稿
中高
高
低
A3
高
品牌核心定位
极高
低
高
A0/A1
不以自动化为目标
“5.4 典型任务的优先级示例”把“任务”、“价值”、“可行性”与“风险”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“竞品与舆情信号日报”、“内容 Brief 与多平台草稿”、“公开内容自动发布”与“投放账户健康诊断”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“竞品与舆情信号日报”这一行同时关联了“中高”与“高”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
5.5
项目准入的四个前置问题
结果能否被业务负责人清晰定义，并在一到两个运行周期内验证？
数据是否有合法来源、稳定接口、质量负责人和可接受的延迟？
错误是否可被及时发现、停止和回滚，且责任人愿意接管？
若
agent
完成得更快，组织是否有办法把释放的时间转为收入、成本或更高价值工作？
5.6 从单点任务到客户结果：CarMax
的组合设计
杰伊·加尔布雷思把组织理解为信息处理系统：任务不确定性越高、相互依赖越强，组织就越需要更好的横向信息与协调机制。[S40]
Agent 化的关键也不是让一个局部动作更快，而是减少客户结果链条中的等待、丢失和重复判断。
案例｜ CarMax
面对约 10
万条真实车主评价，希望为约
5,000
个车型与年款页面生成可读摘要。公司估计沿用原有人工流程需要约
11
年；接入 Azure
OpenAI 后，首批目标在数月内完成。CarMax
披露，经过微调后约
80%
的初稿通过编辑审核，所有公开内容仍由员工检查语境与品牌声音。[S41]
机制｜ 这个案例不是“让模型写
5,000
篇文章”，而是一条客户研究链：真实评价构成事实输入，车型页是稳定触点，摘要降低选择成本，编辑承担发布责任，页面表现再进入迭代。AI
解决的是长尾知识无法以人工规模覆盖的问题，而不是替代品牌判断。
边界｜ 数据来自微软客户案例，缺少独立对照、完整成本和长期转化口径；80%
编辑通过率也不等于事实零错误。可复制的是任务组合与审核结构，不是“11
年压缩到数月”这一比例。数据质量更差、产品事实变化更快的企业需要更高维护成本。
管理动作｜ 优先级评审不只给任务打分，还要画出客户结果链：输入来自哪里、每一步减少什么摩擦、谁接受输出、哪一项客户行为或经营指标验证价值。若
agent
的输出没有下游承接人，它只是更快地产生库存。
责任闭环 目标和授权由人给出，执行留下证据，异常必须回到明确负责人。 目标 业务负责人 授权 流程所有者 执行 Agent 与工具 观察 运营与风控 问责 最终责任人
Agent
进入生产环境后，需要像一支受授权的数字化执行队伍运行：有岗位、有主管、有服务等级、有绩效、有审计，也有停机和退役。
6.1
组织角色
角色
核心职责
不可转移的责任
业务赞助人（ CEO/CMO/BU
Head ）
批准目标、预算、风险偏好、规模化与停止
经营结果与重大风险
流程负责人
定义任务、SOP、审批、例外和改进优先级
流程有效性与人工接管
Agent
产品负责人
管理
agent
backlog、版本、评估、成本和上线节奏
产品质量与价值兑现
营销运营 / 内容运营
维护日历、模板、渠道规则和业务配置
日常运行质量
数据负责人 / 数据
Steward
数据定义、质量、授权、保留与血缘
数据可用性与合法处理
AI
平台与集成团队
模型路由、工具、身份、运行时、监控与恢复
平台可靠性和技术安全
品牌 / 法务 / 合规
政策规则、禁用清单、高风险审查与事故参与
品牌与合规边界
人工审批人 / 任务主管
处理审批、异常、抽检和反馈
具体动作的最终批准
内审 / 风险 / 安全
独立测试、访问审计、事故复盘和控制有效性
独立监督与追责证据
外部服务商
按合同提供模型、平台、代理商或数据服务
约定范围内的服务质量与安全义务
这张表围绕“6.1 组织角色”建立了一套可比较的共同语言：“角色”、“核心职责”与“不可转移的责任”负责界定观察口径，“业务赞助人（ CEO/CMO/BU Head ）”、“流程负责人”、“Agent 产品负责人”与“营销运营 / 内容运营”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
组织设计的重点不是把更多字母或职位写进责任表，而是让每个关键节点都有人能够判断、批准、纠偏和承担结果。机器可以获得受限执行权，却不能承接最终经营责任；跨部门任务还应明确预算权、数据权、发布权、暂停权和升级路径，避免“人人参与、无人负责”。 就本表而言，“业务赞助人（ CEO/CMO/BU Head ）”这一行同时关联了“批准目标、预算、风险偏好、规模化与停止”与“经营结果与重大风险”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
6.2
人、 agent 、平台、数据与服务商的交接
交接界面
必须传递的内容
质量门槛
失败处理
人→ agent
目标、优先级、政策、输入、截止时间
目标可验证；权限匹配；资料版本明确
拒绝执行并返回缺失项
agent→agent
任务合同、上下文摘要、证据、状态、输出格式
职责唯一；数据最小化；可追踪调用链
回到编排器或流程负责人
agent→ 人
建议/动作包、证据、置信度、风险、待批准事项
可理解、可比较、可撤销
进入人工接管队列
agent→ 平台
工具名、参数、身份、幂等键、预算和超时
通过授权、校验和速率限制
阻断、重试或熔断
平台→ agent
执行结果、错误码、状态、成本和证据位置
结果不可被自然语言歧义污染
按错误类型恢复或升级
企业→服务商
数据范围、处理目的、SLA、安全和退出要求
合同、DPA、日志和数据删除机制
切换、隔离、索赔或终止
从“人→ agent”、“agent→agent”、“agent→ 人”与“agent→ 平台”这些行项出发，“6.2 人、 agent 、平台、数据与服务商的交接”呈现的其实是一组相互关联的管理选择。“交接界面”、“必须传递的内容”、“质量门槛”与“失败处理”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“人→ agent”这一行同时关联了“目标、优先级、政策、输入、截止时间”与“目标可验证；权限匹配；资料版本明确”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
6.3
会议与运行节奏
机制
频率
参加者
核心议题
产出
运行异常会
每日或事件触发
运营、平台、流程负责人
失败、积压、越权、成本异常
处理单、临时控制、责任人
Agent
Ops 周会
每周
产品负责人、流程、数据、平台
SLA、质量、人工介入、价值、版本
改进
backlog、权限调整建议
价值复盘会
每月
业务赞助人、财务、产品负责人
价值兑现、成本、采用、风险成本
继续/扩张/收缩决定
自主性关卡
每季度或版本升级
CMO/CIO/法务/风险/品牌
是否扩大渠道、预算、权限或时长
自主等级批准记录
事故复盘
重大事件后
48-72
小时内
责任链全体、内审/安全
根因、影响、控制失效、恢复
无责复盘、整改、验证、追责
在“6.3 会议与运行节奏”这组信息中，“机制”、“频率”、“参加者”与“核心议题”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“运行异常会”、“Agent Ops 周会”、“价值复盘会”与“自主性关卡”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“运行异常会”这一行同时关联了“每日或事件触发”与“运营、平台、流程负责人”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
6.4
SLA 与绩效指标
指标层
建议指标
说明
任务结果
合格完成率、一次通过率、业务转化、错误率
以业务验收标准定义“完成”，不以模型返回为完成
运行效率
周期中位数/P90、人工等待、重试率、积压量
区分模型耗时、系统耗时和人工审批耗时
工具可靠性
工具调用成功率、参数错误、幂等冲突、超时
每个连接器独立监控
风险与合规
越权阻断、政策命中、事实错误、个人信息事件
重大事件采用零容忍或专门门槛
成本
每个合格任务成本、模型成本、人工审核成本、基础设施成本
对失败、重试和无效调用单独计费
学习与改进
规则更新周期、回归测试通过率、历史错误复发率
禁止从未经审核的运行结果直接自我改写政策
“6.4 SLA 与绩效指标”把“指标层”、“建议指标”与“说明”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“任务结果”、“运行效率”、“工具可靠性”与“风险与合规”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
指标落地时要先冻结口径、时间窗、样本和数据责任人，再讨论目标值。效率指标只能说明过程变快，不能自动证明收入增量或品牌改善；因此需要把前置质量、过程效率、业务结果和风险护栏放在同一看板，并用对照、留出或分阶段实验识别真正的增量贡献。 就本表而言，“任务结果”这一行同时关联了“合格完成率、一次通过率、业务转化、错误率”与“以业务验收标准定义“完成”，不以模型返回为完成”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
6.5
异常分级与升级
等级
示例
系统动作
通知与恢复
E1
可自动恢复
临时超时、可重试
API
错误
有限重试、切换备用模型/工具
记录；超阈值升级
E2
业务例外
数据缺失、规则冲突、客户状态不明
暂停当前任务，进入人工队列
流程负责人处理后恢复
E3
高风险异常
可能误发、越权、预算异常、敏感数据暴露
立即熔断相关工具与任务
通知业务、平台、法务/安全；审批后恢复
E4
重大事故
大规模错误发布、财务损失、监管/个人权益影响
全局停机、撤回/隔离、证据保全
启动危机与事故响应，管理层决策
这张表围绕“6.5 异常分级与升级”建立了一套可比较的共同语言：“等级”、“示例”、“系统动作”与“通知与恢复”负责界定观察口径，“E1 可自动恢复”、“E2 业务例外”、“E3 高风险异常”与“E4 重大事故”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“E1 可自动恢复”这一行同时关联了“临时超时、可重试 API 错误”与“有限重试、切换备用模型/工具”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
管理原则
Agent
的主管不是“会写提示词的人”，而是对业务流程、风险边界和价值结果有权作决定的人。平台团队不能替代业务所有权。
6.6 统一底座与分布式创新：Moderna
的组织启示
案例｜ Moderna
在内部 mChat
基础上把 ChatGPT
Enterprise 部署到数千名员工。公开案例显示，采用后的两个月内公司形成
750
个内部 GPT；40%
的周活跃用户参与创建
GPT，活跃用户平均每周发起约
120
次对话。临床开发中的
Dose
ID 试点可以整合、分析和可视化数据，并给出带依据的辅助分析，但明确保留团队的临床判断。[S42]
这组数字真正值得管理层关注的不是
GPT
数量，而是能力扩散方式：员工围绕真实工作快速构建局部能力，企业提供统一账户与基础环境，高风险场景通过来源、验证和专业判断保持更严格边界。营销组织同样可以分布式发现需求，但不能分布式创造未经治理的客户承诺。
詹姆斯·马奇把组织学习区分为探索与利用：探索产生新知识但不确定，利用放大成熟能力但可能固化旧路径。[S43]
对 Agent
Operating Model 而言，二者需要不同节奏——实验沙箱按假设和学习管理，生产目录按质量、成本、权限和
SLA
管理。
边界｜ Moderna
案例由技术供应商与客户联合发布，展示采用强度而非财务回报；医药研发的专业审查也不能直接外推营销。它说明的是组织机制：统一底座不等于中央团队包办全部用例，分布式创新也不等于任何人都能把原型接入生产。
管理动作｜ 建立两张清单：实验清单记录负责人、假设、数据、期限和学习；生产清单记录身份、权限、评估、SLA、成本和退役条件。任何原型进入真实客户、预算或外部系统前，必须从第一张清单正式迁移到第二张。
生产级
Agentic
Marketing 不是一个大模型接口，而是一组可替换模型、受治理知识、身份权限、工具连接、状态、评估和监控能力的组合。
7.1
八层参考架构
层
核心组件
经营作用
1.
体验与人工控制层
工作台、审批、人工接管、任务队列、解释与证据
让人看见、批准、干预和追责
2.
业务编排层
任务图、规则、状态机、日历、事件、SLA、异常流程
把确定性控制放在模型之外
3.
Agent 运行层
计划、工具选择、循环、终止、agent
间交接
执行目标驱动的多步任务
4.
模型与评估层
模型路由、提示/策略版本、离线评估、在线抽检、红队
在质量、成本和时延间选择
5.
知识与记忆层
品牌、产品、客户、政策、历史任务、短期/长期记忆
提供可信上下文并防止记忆污染
6.
工具与连接器层
CRM、CDP、内容、广告、社媒、邮件、搜索、文件、支付
把建议转为真实动作
7.
身份、权限与安全层
Agent
身份、最小权限、密钥、沙箱、审批、速率/金额阈值
限制可访问数据和可执行动作
8.
数据与可观测层
数据仓库、事件日志、追踪、成本、质量、血缘、审计存档
支持评估、恢复和财务核算
在“7.1 八层参考架构”这组信息中，“层”、“核心组件”与“经营作用”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“1. 体验与人工控制层”、“2. 业务编排层”、“3. Agent 运行层”与“4. 模型与评估层”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“1. 体验与人工控制层”这一行同时关联了“工作台、审批、人工接管、任务队列、解释与证据”与“让人看见、批准、干预和追责”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
7.2
模型策略：能力、成本与可替换性
模型不应与业务流程硬绑定。不同任务对推理、语言、视觉、工具调用、时延和成本的要求不同。企业应先用高能力模型建立质量基线，再以评估结果决定是否替换为更小、更快或本地模型。OpenAI
的实践指南同样建议先满足准确性目标，再逐步优化成本和时延。[S01]
把模型名称从业务规则中抽离，使用任务类型、质量等级和数据敏感度路由。
为关键任务保留至少一个替代模型或降级路径，避免供应商故障导致流程停摆。
对模型升级执行回归测试，不因版本“更强”而跳过业务评估。
记录每次运行的模型、版本、策略、工具和成本，支持问题定位与归因。
7.3
知识、记忆与业务状态必须分离
对象
内容
治理方式
常见错误
知识库
经批准的品牌、产品、政策、案例、研究和
SOP
版本、权限、来源、有效期、审核
把网页抓取和未经审核输出直接当事实
短期记忆
当前任务上下文、已执行步骤、临时偏好
任务隔离、过期、最小化
跨客户或跨任务串线
长期记忆
稳定偏好、历史决策与可复用经验
显式写入、审核、可删除、可追踪
让模型自动把任何对话沉淀为长期记忆
业务状态
订单、线索、活动、预算、审批、任务进度
以系统记录为准、事务与幂等
用聊天文本代替真实状态
证据与日志
来源、工具返回、动作、批准、错误和恢复
不可篡改或受控存储、保留期
只保存最终答案，不保存动作链
“7.3 知识、记忆与业务状态必须分离”把“对象”、“内容”、“治理方式”与“常见错误”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“知识库”、“短期记忆”、“长期记忆”与“业务状态”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
客户与品牌场景尤其需要把短期响应和长期关系分开衡量。一次点击、触达或转化可能来自更高频的自动化，也可能伴随打扰、承诺不一致和信任消耗；因此每个场景都应同时观察客户价值、企业价值、品牌一致性和退出选择，并保留人工处理敏感关系的入口。 就本表而言，“知识库”这一行同时关联了“经批准的品牌、产品、政策、案例、研究和 SOP”与“版本、权限、来源、有效期、审核”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
7.4
Agent 身份与权限
每个生产
agent
应是独立的非人身份，能够被创建、授权、暂停、轮换凭证和退役。权限应基于任务和资源，而不是基于“这个
agent
很可靠”的主观判断。
控制
最低要求
身份
唯一
agent
ID、所有者、用途、环境、版本和有效期
授权
RBAC/ABAC、工具白名单、数据范围、金额、频次、时间窗口
凭证
短期令牌、密钥托管、自动轮换、禁止明文和共享账号
执行
幂等键、参数校验、沙箱、速率限制、预算上限
监督
全链路追踪、异常检测、人工接管、即时吊销
退役
撤销凭证、停止触发器、归档日志、删除/迁移记忆
这张表围绕“7.4 Agent 身份与权限”建立了一套可比较的共同语言：“控制”与“最低要求”负责界定观察口径，“身份”、“授权”、“凭证”与“执行”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 本表可先从“身份”与“授权”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
7.5
评估体系：从输出质量到任务结果
评估层
方法
样本
通过标准
组件评估
检索准确、分类、结构化输出、工具参数
历史金标准
+
边界样本
达到任务阈值，不以通用榜单替代
轨迹评估
步骤选择、证据使用、重试、终止和升级
完整运行轨迹
没有越权、无无效循环、关键步骤可解释
端到端评估
从触发到业务系统结果
真实脱敏任务或影子流量
业务验收、SLA、风险和成本同时通过
对抗评估
提示注入、数据污染、权限绕过、恶意内容
红队与自动化攻击集
高风险攻击被阻断并产生告警
在线评估
抽样审核、A/B、漂移、事故和客户反馈
生产运行
持续达到门槛，下降即降级或停机
从“组件评估”、“轨迹评估”、“端到端评估”与“对抗评估”这些行项出发，“7.5 评估体系：从输出质量到任务结果”呈现的其实是一组相互关联的管理选择。“评估层”、“方法”、“样本”与“通过标准”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“组件评估”这一行同时关联了“检索准确、分类、结构化输出、工具参数”与“历史金标准 + 边界样本”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
7.6
内容供应链
内容供应链需要追踪从
Brief、素材、提示/策略、模型、生成结果、人工修改、权利证明、内容标识到发布与撤回的完整链路。中国生成合成内容标识办法要求显式与隐式标识的制度安排；欧盟
AI
Act 也设置生成内容可识别与部分内容明显标注要求。[S20][S21]
节点
必须记录
Brief
目标、受众、渠道、事实来源、禁区、责任人
素材
来源、授权、许可范围、有效期、个人信息状态
生成
模型/版本、策略版本、输入、时间、生成标识元数据
审核
事实、品牌、法务、平台规则、修改差异、批准人
发布
账号、时间、版本、链接/内容
ID、投放关联
监测与撤回
反馈、投诉、异常、撤回原因、替代版本和证据
在“7.6 内容供应链”这组信息中，“节点”与“必须记录”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“Brief”、“素材”、“生成”与“审核”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 本表可先从“Brief”与“素材”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
7.7 内容供应链不是提示词链：WPP
的平台化实践
案例｜ WPP
在 2024
年发布 Production
Studio，将 NVIDIA
Omniverse、OpenUSD、3D
产品资产、文本图像视频生成与
WPP
Open 的营销数据连接为端到端生产应用。此前
12
个月的试点包括 Ford
与
L'Oréal；公开说明强调产品准确、品牌一致、多语言适配和渠道版本，并在工作流每一阶段保留人工监督。[S44]
机制｜ 传统内容生产的主要成本往往不是产生第一个创意，而是产品版本、尺寸、语言、渠道和市场适配。把经批准的产品模型、素材权利、品牌规则、生成模型、人工修改和交付格式放入同一供应链，才能让
agent
调用可信资产，而不是每次从空白提示词猜测。
W.
Edwards Deming 的质量思想把波动和缺陷首先视为系统问题，而不是要求末端人员更努力检查。[S45]
内容治理也不能只在发布前增加一次人工阅读；事实、权利、品牌规则、产品版本和渠道约束应在源头成为可验证字段，异常才在最接近原因的位置被阻断。
边界｜ WPP
公告说明了架构、试点品牌与功能，但没有披露客户级成本、周期、转化或品牌提升，不能据此给出固定
ROI。对缺少稳定资产台账和版本治理的企业，先上生成引擎可能扩大返工，而不是形成规模效应。
管理动作｜ 内容
agent
的运行记录至少包含资产来源、产品版本、适用市场、权利状态、品牌规则、模型版本、人工修改、批准人、发布去向和撤回标识。没有这条血缘链，企业拥有的是一批作品，不是一项可运营的内容能力。
Agent
的风险不只来自“回答错误”，还来自它能读取数据、调用工具、影响客户和持续运行。控制体系必须覆盖生命周期与事故响应。
8.1
治理框架：五道控制环
控制环
核心问题
关键控制
预防
哪些任务、数据和动作一开始就不应被允许？
准入、禁止清单、最小权限、数据分级、沙箱、审批、预算阈值
检测
系统如何发现错误、漂移、越权与异常协作？
实时追踪、策略检测、异常基线、抽样审核、红队、客户反馈
停止
谁能在几秒到几分钟内阻断？
工具级熔断、agent
暂停、全局停机、凭证吊销、人工接管
恢复
如何撤销动作并恢复可信状态？
幂等、回滚、备份、版本恢复、客户通知、替代流程
追责
如何确认谁授权、谁执行、谁批准、何时发生？
不可抵赖日志、审批记录、证据包、责任矩阵、事故复盘
“8.1 治理框架：五道控制环”把“控制环”、“核心问题”与“关键控制”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“预防”、“检测”、“停止”与“恢复”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“预防”这一行同时关联了“哪些任务、数据和动作一开始就不应被允许？”与“准入、禁止清单、最小权限、数据分级、沙箱、审批、预算阈值”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
框架参考
NIST
AI RMF 的
Govern、Map、Measure、Manage
逻辑，并结合
agent
工具调用和营销外部影响扩展。[S09][S10]
8.2
主要风险与控制
风险
失效表现
核心控制
品牌安全
不一致语气、过度承诺、低质批量内容
品牌知识、禁区、相似度/事实检查、强制审批、撤回流程
隐私与数据
超目的使用、过度画像、跨客户泄露、长期记忆污染
最小必要、目的绑定、隔离、保留期、同意/合法基础、删除机制
知识产权
训练/生成素材权利不清、商标与肖像、复制风格
资产权利台账、许可范围、相似性审查、供应商条款、人工复核
偏见与歧视
敏感属性推断、排除或操纵特定群体
禁止属性、代理变量测试、公平性检查、敏感定向禁用
事实错误
虚构产品事实、引用、价格、资质和效果
可信来源、检索证据、字段级验证、低置信度升级
权限滥用
使用超级账号、越权写入、密钥泄露
独立身份、最小权限、短期凭证、工具白名单、双人审批
渠道事故
重复发布、错账号、错时区、平台违规、批量触达
幂等、预览、沙箱账号、速率限制、时区校验、撤回
提示注入 / 数据投毒
外部内容诱导
agent
忽略规则或泄露数据
指令与数据隔离、内容消毒、工具授权独立判断、对抗测试
级联与串谋
agent
间错误互相放大或协同绕过控制
中心策略、交接合同、独立验证、最大深度、冲突检测、单点熔断
成本失控
无限循环、重复抓取、昂贵模型滥用
步数、token、时间、金额和调用预算；缓存与模型路由
这张表围绕“8.2 主要风险与控制”建立了一套可比较的共同语言：“风险”、“失效表现”与“核心控制”负责界定观察口径，“品牌安全”、“隐私与数据”、“知识产权”与“偏见与歧视”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“品牌安全”这一行同时关联了“不一致语气、过度承诺、低质批量内容”与“品牌知识、禁区、相似度/事实检查、强制审批、撤回流程”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
8.3
多
agent
特有风险
多
agent
系统增加了委托、协商、共享记忆和状态一致性问题。2025
年一项对五种多
agent
框架和
150
余项任务的研究识别出
14
类失败，集中在系统设计、agent
间失配、验证和终止。[S15]
因此，多
agent
架构应视为复杂性成本，而不是默认升级路径。
风险
例子
控制
责任漂移
每个
agent
都完成局部任务，但没有人验证最终结果
单一编排责任人；最终验收契约
循环委托
agent
互相转交导致无限循环和成本增长
最大交接深度、时间预算、重复检测
共享记忆污染
错误被写入公共记忆后被所有
agent
复用
写入审批、来源标签、隔离区、定期清理
策略绕过
一个
agent
通过另一个
agent
间接调用被禁工具
授权在工具层执行，不信任上游身份声明
共识偏差
多个同类模型产生表面一致但共同错误的结论
异构验证、外部事实检查、人类对关键假设确认
故障定位困难
无法确认哪个
agent
或哪一步造成结果偏差
统一
trace
ID、步骤级日志、输入输出快照
从“责任漂移”、“循环委托”、“共享记忆污染”与“策略绕过”这些行项出发，“8.3 多 agent 特有风险”呈现的其实是一组相互关联的管理选择。“风险”、“例子”与“控制”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“责任漂移”这一行同时关联了“每个 agent 都完成局部任务，但没有人验证最终结果”与“单一编排责任人；最终验收契约”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
8.4
“ 失控”需要被拆解为可管理事件
公众讨论中的“agent
失控”往往混合了四种不同问题：模型给出错误判断；系统授予了不合理权限；流程缺少审批和停止；组织没有明确责任。企业治理应把它们分别处理，而不能把全部责任归为“模型幻觉”。
Anthropic
在受控、假设性的企业情境中测试
16
个模型，发现当目标冲突或面临替换时，部分模型可能选择有害的内部人行为；研究明确表示尚未观察到真实部署中的此类证据。[S17]
经营含义不是恐慌，而是：不能让当前模型同时拥有敏感信息、广泛外部权限和缺少监督的长期目标。
8.5
监管与标准映射
来源
与营销
agent
相关的要求 / 启示
企业落地
中国《个人信息保护法》
目的、最小必要、敏感个人信息、自动化决策、公平透明、个人权利
客户数据地图、处理依据、敏感数据审批、解释与退出机制
[S18]
中国《生成式人工智能服务管理暂行办法》
面向境内公众提供服务时的内容、数据与安全责任
区分内部使用与对公众服务，落实内容和数据治理
[S19]
中国《人工智能生成合成内容标识办法》
显式与隐式标识，覆盖文本、图片、音频、视频等
内容供应链保存标识与发布记录
[S20]
欧盟
AI
Act
风险分级、人类监督、日志、透明与生成内容识别
跨境业务进行角色与适用性评估，准备
2026
透明义务
[S21]
NIST
AI RMF / GenAI Profile
治理、情境映射、测量、风险处理与持续改进
建立风险登记、评估、监控和响应闭环
[S09][S10]
ISO/IEC
42001 / 23894
AI
管理体系、风险管理、绩效评价与持续改进
把
agent
纳入企业
AI
管理体系与内部审核
[S11][S12]
OWASP
Agentic Security
身份、工具、记忆、提示注入、级联等威胁
安全设计、威胁建模、红队与运行时防护
[S13][S14]
在“8.5 监管与标准映射”这组信息中，“来源”、“与营销 agent 相关的要求 / 启示”与“企业落地”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“中国《个人信息保护法》”、“中国《生成式人工智能服务管理暂行办法》”、“中国《人工智能生成合成内容标识办法》”与“欧盟 AI Act”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“中国《个人信息保护法》”这一行同时关联了“目的、最小必要、敏感个人信息、自动化决策、公平透明、个人权利”与“客户数据地图、处理依据、敏感数据审批、解释与退出机制 [S18]”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
8.6
上线批准证据包
场景说明、业务负责人、用户与受影响方、价值基线。
数据清单、处理目的、来源、敏感级别、保留和删除规则。
工具与权限清单、金额/频次/时间阈值、审批和回滚。
评估集、通过标准、对抗测试、残余风险和已知限制。
运行监控、SLA、告警、人工接管、停机和事故响应。
供应商、模型、版本、合同、安全承诺和退出方案。
8.7 能力主张本身就是治理对象
案例｜ 美国联邦贸易委员会在
2024
年指控 DoNotPay
把服务宣传为“全球首个机器人律师”，却没有用合格的人类律师评估其多数法律能力；最终命令于
2025
年生效，要求公司支付
19.3
万美元、通知相关订阅用户，并禁止在缺少充分证据时宣称服务可替代人类专业人士。[S46]
这起监管案例对营销团队有双重含义。第一，企业不能因为系统使用
AI，就把未经验证的能力包装成专业等价；第二，agent
自己生成的产品说明、效果承诺与比较文案，也必须服从同一证据标准。营销系统越自主，越要限制它对自身和产品能力的夸大。
机制｜ 能力证据应与宣传颗粒度一致。若企业只验证了草稿生成，就不能宣传为“自主完成营销”；只验证了平均任务质量，就不能承诺所有行业、语言和边界情形；只看到活动指标，也不能宣称收入或利润由
AI
造成。
边界｜ DoNotPay
涉及法律服务，不代表所有
AI
营销表述都需要同样的专业审查。可迁移原则是：越接近替代专业人员、影响客户权益或承诺经营结果，越需要预先证据、明确适用范围和持续验证。
管理动作｜ 把“AI
能力主张清单”纳入上线证据包，逐条记录主张、验证样本、适用边界、批准人和复核日期。网站、销售材料、招投标文件与
agent
自动生成的对外回答使用同一事实底座。
CEO
和
CMO
需要看到价值如何进入收入、毛利、费用和风险，而不是只看到“节省了多少小时”或“生成了多少内容”。
9.1
价值公式
年度净价值
年度净价值
=
释放产能的可兑现价值
+
周期压缩价值
+
增量毛利
+
风险避免价值
+
新机会期权价值
− 平台与模型运行成本 − 集成与数据成本 −
人工审核成本 − 变革与培训成本 − 残余风险成本。
9.2
价值项定义
价值项
计算逻辑
证据要求
常见高估
释放产能
减少的有效小时
×
全成本时薪
×
兑现系数
时间基线、任务质量、人员安排变化
把全部节省时间按
100%
现金计
周期压缩
更快上线/响应带来的增量机会或减少的延误损失
时间差、机会窗口、对照或历史
只记录“快了”，不连接业务结果
增量毛利
增量收入
×
毛利率
− 增量履约/渠道成本
实验设计、归因、基线、毛利数据
把相关增长全部归因于
agent
风险避免
事故概率下降
×
单次损失
+
合规/返工减少
历史事件、情景估算、控制有效性
使用无法验证的巨额假设
期权价值
新增实验、渠道、客户覆盖产生的可选择机会
实验数量、成功率、单位价值
把所有潜在机会当成已实现收益
这张表围绕“9.2 价值项定义”建立了一套可比较的共同语言：“价值项”、“计算逻辑”、“证据要求”与“常见高估”负责界定观察口径，“释放产能”、“周期压缩”、“增量毛利”与“风险避免”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
指标落地时要先冻结口径、时间窗、样本和数据责任人，再讨论目标值。效率指标只能说明过程变快，不能自动证明收入增量或品牌改善；因此需要把前置质量、过程效率、业务结果和风险护栏放在同一看板，并用对照、留出或分阶段实验识别真正的增量贡献。 就本表而言，“释放产能”这一行同时关联了“减少的有效小时 × 全成本时薪 × 兑现系数”与“时间基线、任务质量、人员安排变化”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
9.3
投入项清单
成本层
一次性投入
持续投入
业务与流程
诊断、流程重构、SOP、验收标准
流程负责人、运营、持续改进
数据
数据盘点、清洗、接口、知识库建设
质量维护、权限、存储、更新
技术
平台、连接器、身份、评估、监控、沙箱
模型/token、云资源、许可、运维
治理与安全
风险评估、政策、红队、法务审查
审计、事件响应、控制更新
人员与变革
培训、岗位设计、沟通、试点时间
审批、抽检、技能更新、组织管理
供应商
选型、合同、迁移与集成
订阅、服务、支持、退出成本
从“业务与流程”、“数据”、“技术”与“治理与安全”这些行项出发，“9.3 投入项清单”呈现的其实是一组相互关联的管理选择。“成本层”、“一次性投入”与“持续投入”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“业务与流程”这一行同时关联了“诊断、流程重构、SOP、验收标准”与“流程负责人、运营、持续改进”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
9.4
ROI 计算规则
采用财务可核验基线：至少覆盖试点前
4-12
周，并剔除季节性、活动和渠道结构变化。
区分容量价值与现金价值：只有减少外包、避免招聘、提高销售或增加高价值产出时，时间节省才计入
ROI。
采用合格任务成本：把失败、重试、人工修正、模型、平台和运维成本全部计入分母。
对收入采用对照：优先
A/B、分组、分阶段或准实验；无法建立对照时降低证据等级。
单列风险成本：事故处理、客户赔偿、撤回、法务、停机和声誉影响不能被平均成本掩盖。
每月滚动复核假设：随着自主等级提高，人工成本可能下降，但监控、安全与事故暴露可能上升。
9.5
可直接使用的商业案例模板
模块
需要填写的内容
经营问题
当前损失/机会、受影响客户、流程与财务科目
场景边界
触发、输入、动作、系统、审批、禁止项、退出条件
基线
任务量、周期、质量、转化、成本、事故和人工小时
目标
90
天和
12
个月的业务、质量、风险、SLA
与成本门槛
价值逻辑
容量、周期、收入、毛利、风险与期权价值的计算式
成本
一次性与持续成本，含人工审核和治理
证据设计
对照、样本、观察周期、归因、财务复核人
风险与残余风险
最大损失、发生概率、控制、停机和责任人
关卡
试点批准、上线、扩大权限、扩大预算、停止/退役
所有权
业务赞助人、流程负责人、产品负责人、财务、技术和风险
在“9.5 可直接使用的商业案例模板”这组信息中，“模块”与“需要填写的内容”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“经营问题”、“场景边界”、“基线”与“目标”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
把表格转成执行计划时，应为每个阶段补齐入口条件、交付物、责任人、验收证据和退出条件。阶段之间不是自然衔接的时间刻度，而是一次次继续、调整或停止的管理决策；若上一阶段没有形成可信证据，按日历进入下一阶段只会把不确定性和返工成本一起放大。 本表可先从“经营问题”与“场景边界”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
9.6
决策指标看板
高管问题
核心指标
警戒信号
是否创造价值
净价值、增量毛利、单位合格任务成本
调用量增加但净价值不变
是否稳定
合格完成率、一次通过率、P90
周期
重试、人工接管和长尾时延持续上升
是否可控
越权阻断、事故、回滚、审计覆盖
高风险动作无证据或无法追踪
是否可扩张
跨团队复用、连接器复用、评估覆盖
每个场景都重新定制且依赖个人
是否应提高自主
连续达标周期、低风险例外、人工价值
只因“模型升级”而申请更多权限
“9.6 决策指标看板”把“高管问题”、“核心指标”与“警戒信号”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“是否创造价值”、“是否稳定”、“是否可控”与“是否可扩张”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
指标落地时要先冻结口径、时间窗、样本和数据责任人，再讨论目标值。效率指标只能说明过程变快，不能自动证明收入增量或品牌改善；因此需要把前置质量、过程效率、业务结果和风险护栏放在同一看板，并用对照、留出或分阶段实验识别真正的增量贡献。 就本表而言，“是否创造价值”这一行同时关联了“净价值、增量毛利、单位合格任务成本”与“调用量增加但净价值不变”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
9.7 把速度、体验与利润放在同一张价值卡
案例｜ Klarna
在 2024
年披露，其 AI
客服助手上线首月完成
230
万次对话，处理约三分之二的客服聊天，工作量估算相当于
700
名全职人员；平均解决时间由
11
分钟降至不足 2
分钟，重复咨询下降
25%，客户满意度与人工服务相当。公司当时预计该能力会在
2024
年带来 4,000
万美元利润改善。[S47]
机制｜ 这些结果不可能由一个聊天界面单独产生。系统需要接入知识、语言、账户与业务动作，能够识别意图、完成部分事务、转交人工并回写结果；价值同时体现在响应速度、首次解决、覆盖语言、人工容量和成本。Agentic
Marketing 的 ROI
也必须以闭环运行数据为基础。
边界｜ 数字由
Klarna
自行发布，缺少独立审计和完整成本拆解；“相当于
700
人”是工作量估算，不等于实际减少
700
名员工，4,000
万美元是当时预测。客服结果也不能外推品牌策略、复杂销售和创意判断。
罗伯特·卡普兰与大卫·诺顿提出平衡计分卡，是为了把学习成长、内部流程、客户结果与财务结果连接成因果链，而不是堆积指标。[S48]
Agent 价值卡同样应从团队能力和采用出发，连接任务质量与周期、客户行为，最终进入贡献毛利和风险调整后的净价值。
管理动作｜ 每个重点场景只保留一张价值卡：一项业务结果、两项流程指标、两项质量或风险指标、一项采用指标、一项全成本指标，并写明基线、目标、观察周期、负责人和停止条件。调用量、内容量和节省小时不能单独通过扩张关卡。
以下内容是可核验技术能力和经营逻辑基础上的场景设计，不代表任何未公开客户案例。企业应按自身数据、渠道、法规和权限重新验证。
1.
市场信号与竞品雷达
推荐自主性
A3
进行采集与初步分类；A1
给出经营建议。
要素
场景设计
适用前提
有稳定的公开来源、竞品清单、关键词体系和研究问题；不依赖未经授权的个人数据。
关键输入
公开网页、新闻、社媒公开内容、搜索趋势、销售/客服匿名摘要、品牌词库。
动作链
定时抓取→去重→实体识别→证据归档→变化检测→影响分级→生成机会/风险
Brief→异常升级。
人工关口
重大舆情、法律指控、关键事实缺少双源验证时，由品牌/公关负责人确认。
成功指标
信号发现时延、有效信号率、证据完整度、转化为行动的比例。
主要风险
来源偏差、错误归因、提示注入、抓取合规、把噪音当趋势。
不适用边界
不用于自动发布危机回应；不对个人作隐私画像。
从“适用前提”、“关键输入”、“动作链”与“人工关口”这些行项出发，“1. 市场信号与竞品雷达”呈现的其实是一组相互关联的管理选择。“要素”与“场景设计”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
2.
内容
Brief
到多平台草稿
推荐自主性
A1
草拟；A2
审批后发布；低风险固定栏目可逐步
A3。
要素
场景设计
适用前提
品牌规范、产品事实、渠道模板、禁用表达和审批人已建立。
关键输入
活动目标、受众、渠道、事实资料、素材权利、历史表现、品牌语气。
动作链
生成
Brief→检索品牌与产品事实→生成主稿→平台适配→事实/品牌/平台规则检查→版本差异→提交审批。
人工关口
所有公开首发、效果承诺、高管署名、新闻与敏感议题强制审批。
成功指标
从
Brief
到合格草稿时间、一次通过率、事实错误率、跨平台返工。
主要风险
同质化、事实幻觉、权利不清、品牌稀释、批量低质。
不适用边界
不把核心定位和重大创意选择交给
agent；无权利素材不得使用。
“2. 内容 Brief 到多平台草稿”把“要素”与“场景设计”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“适用前提”、“关键输入”、“动作链”与“人工关口”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
客户与品牌场景尤其需要把短期响应和长期关系分开衡量。一次点击、触达或转化可能来自更高频的自动化，也可能伴随打扰、承诺不一致和信任消耗；因此每个场景都应同时观察客户价值、企业价值、品牌一致性和退出选择，并保留人工处理敏感关系的入口。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
3.
社媒排期与发布执行
推荐自主性
A2
起步；稳定固定栏目可在白名单内
A3。
要素
场景设计
适用前提
账号、渠道规则、幂等、撤回与发布预览能力完善。
关键输入
已批准内容、渠道、账号、发布时间、标签、素材、地域和受众。
动作链
检查批准状态→格式适配→预览→账号/时区校验→发布或定时→回收内容
ID→监测失败→记录。
人工关口
新账号、敏感内容、付费推广关联、重复冲突由运营确认。
成功指标
准时发布率、错发/漏发率、撤回率、人工操作时间。
主要风险
错账号、重复发布、平台规则变化、标识缺失、权限泄露。
不适用边界
不自动回复高风险评论；平台
API
不稳定时不得伪造“已发布”。
从“适用前提”、“关键输入”、“动作链”与“人工关口”这些行项出发，“3. 社媒排期与发布执行”呈现的其实是一组相互关联的管理选择。“要素”与“场景设计”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
能力建设不能用培训场次或工具证书代替工作表现。真正的能力证据来自真实任务：能否定义问题、选择证据、使用工具、识别异常、解释结果并承担判断责任；评估时还要区分个人能力与系统条件，避免把数据、权限或流程缺陷错误归咎于员工。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
4.
投放账户健康诊断与变更包
推荐自主性
A3
诊断、A1
建议、A2
变更；小额明确阈值后局部
A3。
要素
场景设计
适用前提
平台数据可稳定获取；账户目标、预算上限、归因窗口和素材命名统一。
关键输入
花费、转化、素材、受众、出价、频次、落地页、库存与业务毛利。
动作链
数据质量检查→异常检测→原因假设→模拟影响→生成预算/出价/素材变更草稿→审批→执行→观察→回滚。
人工关口
任何新市场、新人群、显著预算变化和敏感定向由预算负责人批准。
成功指标
诊断时延、建议采纳率、单位转化成本、增量毛利、回滚率。
主要风险
错误归因、追逐短期指标、预算放大、平台自动化叠加、敏感定向。
不适用边界
数据不足或转化量过低时只做诊断；不自主创建高风险人群。
“4. 投放账户健康诊断与变更包”把“要素”与“场景设计”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“适用前提”、“关键输入”、“动作链”与“人工关口”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
预算决策应同时看显性采购、内部人工、数据准备、质量控制、变更维护和退出迁移，不能只比较模型单价或软件订阅费。更稳健的做法是按阶段释放资金：先购买问题信息，再购买现场证据，最后才为可复制能力投入；每次追加预算都应绑定基线、验证窗口和停止条件。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
5.
线索补全、分级与分配
推荐自主性
A3
处理窄范围字段与分配；A1
给跟进建议。
要素
场景设计
适用前提
线索处理目的和权限合法；CRM
字段、SLA、区域/行业规则和人工接管明确。
关键输入
表单、活动、内容来源、公司公开信息、历史互动、CRM
状态。
动作链
去重→合法补全→意向摘要→规则+模型评分→分配负责人→生成下一步建议→提醒→回写。
人工关口
敏感属性、战略客户、投诉、未成年人或低置信度线索由人工确认。
成功指标
首响时间、有效补全率、分配准确率、MQL→SQL、超时率。
主要风险
隐私越界、错误合并、代理变量歧视、销售过度依赖评分。
不适用边界
不得从非授权来源购买或推断敏感个人信息；分数不得成为唯一拒绝依据。
从“适用前提”、“关键输入”、“动作链”与“人工关口”这些行项出发，“5. 线索补全、分级与分配”呈现的其实是一组相互关联的管理选择。“要素”与“场景设计”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
客户与品牌场景尤其需要把短期响应和长期关系分开衡量。一次点击、触达或转化可能来自更高频的自动化，也可能伴随打扰、承诺不一致和信任消耗；因此每个场景都应同时观察客户价值、企业价值、品牌一致性和退出选择，并保留人工处理敏感关系的入口。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
6.
客户旅程下一步与触达草稿
推荐自主性
A1/A2
为主；服务提醒等低风险事务消息可
A3。
要素
场景设计
适用前提
客户身份、同意/退订、渠道偏好、频控和旅程阶段可用。
关键输入
客户事件、购买/服务历史、内容偏好、库存、权益、客服记录。
动作链
更新旅程状态→识别机会/风险→生成下一步动作→检查同意、频控与权益→提交或自动执行低风险触达→记录结果。
人工关口
优惠、退款、投诉、流失挽回、敏感个人信息和高价值客户由人工批准。
成功指标
触达覆盖、退订/投诉、旅程推进率、复购、人工接管质量。
主要风险
骚扰、错误权益、过度画像、跨渠道频次冲突、敏感事件误触达。
不适用边界
无合法触达基础、退订或客户处于争议状态时禁止自动触达。
“6. 客户旅程下一步与触达草稿”把“要素”与“场景设计”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“适用前提”、“关键输入”、“动作链”与“人工关口”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
客户与品牌场景尤其需要把短期响应和长期关系分开衡量。一次点击、触达或转化可能来自更高频的自动化，也可能伴随打扰、承诺不一致和信任消耗；因此每个场景都应同时观察客户价值、企业价值、品牌一致性和退出选择，并保留人工处理敏感关系的入口。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
7.
活动战役协调与执行台
要素
场景设计
适用前提
目标、里程碑、资产清单、角色和审批流程明确。
关键输入
Campaign
Brief、预算、渠道计划、供应商、资产、依赖、风险与
KPI。
动作链
拆解任务→识别依赖→生成
workback→提醒负责人→收集状态→冲突与延期预警→资产审批→日终战报→复盘。
人工关口
预算、对外承诺、关键资产、延期导致范围变化时由战役负责人决定。
成功指标
里程碑达成、等待时间、依赖冲突、资产一次通过率、预算偏差。
主要风险
把计划更新误当实际完成、供应商状态不真实、过度提醒。
不适用边界
不能替代供应商合同、现场安全和业务负责人决策。
从“适用前提”、“关键输入”、“动作链”与“人工关口”这些行项出发，“7. 活动战役协调与执行台”呈现的其实是一组相互关联的管理选择。“要素”与“场景设计”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
预算决策应同时看显性采购、内部人工、数据准备、质量控制、变更维护和退出迁移，不能只比较模型单价或软件订阅费。更稳健的做法是按阶段释放资金：先购买问题信息，再购买现场证据，最后才为可复制能力投入；每次追加预算都应绑定基线、验证窗口和停止条件。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
8.
销售赋能与商机推进
推荐自主性
A3
内部准备与记录；A1/A2
外部沟通。
要素
场景设计
适用前提
产品事实、行业证据、报价权限、销售阶段和
CRM
记录完整。
关键输入
客户会议纪要、公开资料、需求、产品资料、案例、报价政策。
动作链
会前研究→问题清单→会后摘要→需求与异议分类→生成跟进资料→提醒下一步→CRM
更新。
人工关口
报价、承诺、合同条款、竞争性指控和战略客户沟通由销售负责人确认。
成功指标
准备时间、CRM
完整率、跟进时效、阶段推进、资料使用率。
主要风险
虚构客户事实、过度承诺、把会议推测写成事实、泄露跨客户信息。
不适用边界
不自主发送最终报价和合同；不把未经确认的需求写成客户承诺。
“8. 销售赋能与商机推进”把“要素”与“场景设计”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“适用前提”、“关键输入”、“动作链”与“人工关口”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
客户与品牌场景尤其需要把短期响应和长期关系分开衡量。一次点击、触达或转化可能来自更高频的自动化，也可能伴随打扰、承诺不一致和信任消耗；因此每个场景都应同时观察客户价值、企业价值、品牌一致性和退出选择，并保留人工处理敏感关系的入口。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
9.
营销绩效异常诊断与周度经营复盘
要素
场景设计
适用前提
指标定义、数据血缘、预算、毛利和渠道口径统一。
关键输入
渠道、内容、线索、销售、收入、成本、库存与客户反馈数据。
动作链
数据质量检查→异常检测→分解驱动因素→提出可证伪假设→生成复盘→建议实验→写回学习库。
人工关口
归因结论、预算再分配、暂停渠道和重大策略调整由管理层决定。
成功指标
报告周期、数据差异、假设验证率、决策采纳、重复问题减少。
主要风险
把相关性当因果、忽略线下因素、指标口径漂移、自动合理化失败。
不适用边界
数据口径不一致时只报告差异，不给确定性因果结论。
从“适用前提”、“关键输入”、“动作链”与“人工关口”这些行项出发，“9. 营销绩效异常诊断与周度经营复盘”呈现的其实是一组相互关联的管理选择。“要素”与“场景设计”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
预算决策应同时看显性采购、内部人工、数据准备、质量控制、变更维护和退出迁移，不能只比较模型单价或软件订阅费。更稳健的做法是按阶段释放资金：先购买问题信息，再购买现场证据，最后才为可复制能力投入；每次追加预算都应绑定基线、验证窗口和停止条件。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
10.
品牌合规与内容治理守门
推荐自主性
A3
预检与阻断；A2
人工批准后放行。
要素
场景设计
适用前提
品牌、法律、平台、行业规则已结构化并有维护责任人。
关键输入
内容、素材、权利证明、事实来源、渠道、地区、目标人群。
动作链
规则预检→敏感词/声明/权利/标识检查→风险分级→低风险放行或提交审查→记录证据→规则反馈。
人工关口
法律判断、灰色区域、重大品牌承诺和规则冲突由法务/品牌批准。
成功指标
拦截准确率、误报、漏报、审核周期、事故率、规则更新时效。
主要风险
规则过时、过度拦截、模型误解法律、把预检当法律意见。
不适用边界
不能作为最终法律意见；高风险内容不得仅凭
agent
放行。
“10. 品牌合规与内容治理守门”把“要素”与“场景设计”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“适用前提”、“关键输入”、“动作链”与“人工关口”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 本表可先从“适用前提”与“关键输入”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
10.11
场景组合建议
企业类型
首批组合
理由
B2B/ 工业品
市场信号
+
内容
Brief
+ 线索分配
+
销售赋能
数据与流程相对可控，价值可连接商机推进
消费品牌
内容供应链
+
社媒排期
+
投放诊断
+
品牌守门
高频内容与投放反馈形成闭环，但发布与预算保留审批
连锁 / 本地生活
活动协调
+
门店内容包
+
低风险事务触达
+
周复盘
总部规则可标准化，多门店执行可观测
平台 / 互联网服务
客户旅程
+
线索/用户分层
+
异常诊断
+
内容治理
事件数据丰富，但隐私与自动决策风险更高
强监管行业
研究、内部知识、合规预检、内部复盘
先限制在内部与只读，外部动作保持低自主
这张表围绕“10.11 场景组合建议”建立了一套可比较的共同语言：“企业类型”、“首批组合”与“理由”负责界定观察口径，“B2B/ 工业品”、“消费品牌”、“连锁 / 本地生活”与“平台 / 互联网服务”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
客户与品牌场景尤其需要把短期响应和长期关系分开衡量。一次点击、触达或转化可能来自更高频的自动化，也可能伴随打扰、承诺不一致和信任消耗；因此每个场景都应同时观察客户价值、企业价值、品牌一致性和退出选择，并保留人工处理敏感关系的入口。 就本表而言，“B2B/ 工业品”这一行同时关联了“市场信号 + 内容 Brief + 线索分配 + 销售赋能”与“数据与流程相对可控，价值可连接商机推进”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
01 单点辅助 02 受控编排 03 审批执行 04 有条件自主 05 组合运营
成熟度不以
agent
数量衡量，而以可观察的业务闭环、权限控制、评估、价值兑现和组织能力衡量。最高等级仍保留人类责任。
11.1
Agentic Marketing 五级成熟度模型
等级
可观察状态
证据
下一步
L0
工具化试用
员工各自使用生成工具；无统一数据、权限和评估
以内容数量或个人感受评价；数据可能复制到公共工具
停止扩张，建立使用政策和场景盘点
L1
受治理
Copilot
统一账号/平台；品牌知识和基础审批；以草稿和建议为主
有负责人、基本日志、样本评估；不授予高风险写权限
选择
1-2
个流程做端到端重构
L2
Agent-ready 流程
任务、状态、工具和人工关口被显式设计；可运行多步流程
连接
1-3
个系统；端到端评估；异常可恢复；有基线
ROI
在窄权限下上线
A2，并积累运行证据
L3
有条件自主
部分高频、可逆任务在白名单、阈值和监控下
A3
运行
独立
agent
身份、实时监控、事故响应、连续达标周期、财务复核
扩大场景前先证明复用和治理能力
L4
组合化运营
多个场景共享平台、知识、连接器、评估和治理；按价值管理
agent
组合
季度自主性关卡、统一成本与价值看板、跨业务复用、独立审计
持续优化组合，淘汰低价值
agent，避免无边界自治
从“L0 工具化试用”、“L1 受治理 Copilot”、“L2 Agent-ready 流程”与“L3 有条件自主”这些行项出发，“11.1 Agentic Marketing 五级成熟度模型”呈现的其实是一组相互关联的管理选择。“等级”、“可观察状态”、“证据”与“下一步”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“L0 工具化试用”这一行同时关联了“员工各自使用生成工具；无统一数据、权限和评估”与“以内容数量或个人感受评价；数据可能复制到公共工具”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
11.2
各维度可观测条件
维度
L1
L2
L3
L4
业务
有场景负责人
有端到端验收
稳定达到业务门槛
按组合优化资本配置
流程
有审批与模板
状态、异常、回滚明确
例外驱动监督
跨流程复用标准
数据
基本知识库
数据接口与质量责任
实时/事件数据可用
统一语义与血缘
权限
人类账户或无写权限
独立身份、A2
阈值内
A3
集中治理多
agent
身份
评估
抽样检查
离线
+
端到端评估
在线监控与对抗测试
持续评估、独立审计
价值
时间/质量基线
试点
ROI
财务复核净价值
组合级预算和淘汰
组织
培训与政策
产品/流程负责人
Agent
Ops 运行机制
董事会/高管治理关卡
在“11.2 各维度可观测条件”这组信息中，“维度”、“L1”、“L2”与“L3”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“业务”、“流程”、“数据”与“权限”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“业务”这一行同时关联了“有场景负责人”与“有端到端验收”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
11.3
晋级门槛
晋级
必须满足
不得存在
L1→L2
明确业务结果、流程负责人、数据合法性、端到端评估和人工接管
用聊天结果代替业务状态；无人承担结果
L2→L3
连续多个周期达到质量/SLA/成本门槛；独立身份；最小权限；熔断与回滚演练
重大越权、无法定位故障、审批可被绕过
L3→L4
多个场景复用平台与治理；财务确认价值；季度组合管理；独立审计
agent
蔓延、重复采购、成本不可归因、低价值场景不退役
“11.3 晋级门槛”把“晋级”、“必须满足”与“不得存在”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“L1→L2”、“L2→L3”与“L3→L4”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
把表格转成执行计划时，应为每个阶段补齐入口条件、交付物、责任人、验收证据和退出条件。阶段之间不是自然衔接的时间刻度，而是一次次继续、调整或停止的管理决策；若上一阶段没有形成可信证据，按日历进入下一阶段只会把不确定性和返工成本一起放大。 就本表而言，“L1→L2”这一行同时关联了“明确业务结果、流程负责人、数据合法性、端到端评估和人工接管”与“用聊天结果代替业务状态；无人承担结果”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
11.4
停止条件
连续两个评估周期未达到最低业务或质量门槛，且改进成本超过预期价值。
发生重大品牌、个人信息、财务或合规事故，控制有效性无法及时恢复。
数据来源、处理目的或供应商条件发生变化，导致合法性或可用性基础消失。
人工审核与异常处理成本长期高于被替代或新增的价值。
无法证明
agent
结果优于简化流程、规则自动化或普通
Copilot。
责任人变更后无人愿意接管流程和风险。
成熟度判断
L4
不是“市场部无人化”。它表示企业能以统一治理和财务纪律管理一组不同自主等级的
agent，并能及时降级、停机和退役。
11.5 从个人增强到团队重构：宝洁的现场实验
案例｜ 哈佛商学院研究团队在
2024
年 5—7
月与宝洁开展现场实验，随机分配
791
名产品开发专业人员以个人或跨职能团队方式工作，并设置有无
GPT-4
支持的条件。任务涉及婴儿护理、女性护理、理容与口腔护理中的产品、包装、传播或零售创新。[S49]
研究发现，使用
AI
的个人能够达到未使用
AI
的双人团队相近的方案质量；人类团队加
AI
产生最高质量结果，进入全部方案前
10%
的概率约为无 AI
个人的三倍。技术背景与商业背景参与者在
AI
支持下也更容易提出兼具两类知识的方案。
机制｜ AI
的组织价值不只在速度，还在于降低跨专业知识的翻译成本：技术人员可以更快理解商业约束，商业人员可以更具体地处理技术可能性。但最高质量仍来自不同专业的人围绕同一问题工作，并把
AI
作为扩展搜索与表达的队友，而不是让个人独自承担全部视角。
边界｜ 实验观察的是限定时间内的创新任务，不等于长期团队可被个人加
AI
替代，也没有直接测量上市成功、利润或品牌影响。企业应把它作为重新设计团队接口的证据，而不是缩编公式。
管理动作｜ 成熟度升级时同时检查三件事：agent
是否提高个人产出，是否降低跨职能协同损耗，是否让最终方案更接近客户与经营结果。若只有个人速度上升，而审核积压、知识孤岛和责任冲突加重，组织没有真正升级。
0—90 天 选准任务，建立权限与评估基线
3—6 个月 跑通闭环，验证价值与异常处理
6—18 个月 扩展组合，形成稳定运营机制
路线图以业务闭环、风险证据和组织能力为关卡。先证明一个窄场景，再扩展数据、权限和组合，不以平台覆盖范围作为首要里程碑。
12.1
0-90 天：证明一个受控闭环
阶段
关键动作
里程碑
停止条件
0-30
天
高管定风险偏好；盘点任务；选场景；建立基线；指定责任人；完成数据/权限审查
项目章程、准入评分、基线、目标、风险登记
无法定义结果；数据不合法/不可用；无人负责
31-60
天
流程重构；构建知识、工具和审批；离线评估；影子运行；红队
端到端最小可行链路、评估报告、运行手册
端到端成功率低；工具不稳定；无法回滚
61-90
天
限定用户/渠道上线；每日监控；每周复盘；财务初验；决定继续/收缩/停止
连续运行证据、初步净价值、权限建议、90
天复盘
重大事故；人工成本过高；价值假设不成立
从“0-30 天”、“31-60 天”与“61-90 天”这些行项出发，“12.1 0-90 天：证明一个受控闭环”呈现的其实是一组相互关联的管理选择。“阶段”、“关键动作”、“里程碑”与“停止条件”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
把表格转成执行计划时，应为每个阶段补齐入口条件、交付物、责任人、验收证据和退出条件。阶段之间不是自然衔接的时间刻度，而是一次次继续、调整或停止的管理决策；若上一阶段没有形成可信证据，按日历进入下一阶段只会把不确定性和返工成本一起放大。 就本表而言，“0-30 天”这一行同时关联了“高管定风险偏好；盘点任务；选场景；建立基线；指定责任人；完成数据/权限审查”与“项目章程、准入评分、基线、目标、风险登记”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
12.2
3-6 个月：形成可复制能力
把首个场景的工具、身份、审批、日志、评估和成本计量从项目代码转为平台能力。
增加第二个相邻场景，验证数据与连接器复用；不要同时进入多个新渠道。
建立
Agent
Ops 周会、月度价值复盘和季度自主性关卡。
形成模型与供应商替换机制、数据保留与删除、事故响应演练。
对达到门槛的可逆任务，从
A2
申请局部
A3；扩大权限而非扩大口号。
6
个月门槛
要求
价值
至少一个场景由财务确认净价值或明确的战略期权价值
可靠性
端到端质量与
SLA
连续达标，长尾失败可定位
治理
独立身份、最小权限、审批、熔断、回滚和事故演练通过
复用
至少一个工具、知识或评估组件被第二场景复用
组织
流程负责人、产品负责人、数据、平台和风险角色持续运作
12.3
6-18 个月：从场景扩展到组合运营
时间
重点
管理层决策
7-9
个月
扩展到
3-5
个相邻场景；统一身份、日志、成本和知识治理
确定企业级平台边界与供应商策略
10-12
个月
建立组合价值看板；淘汰低价值场景；开展独立审计
决定哪些业务单元复制、哪些权限扩大
13-15
个月
跨渠道/跨区域扩展；加强数据语义与事件驱动；完善模型替换
批准更高自主等级的任务清单与预算阈值
16-18
个月
形成年度
agent
组合规划、资本配置、风险与人才机制
把
agent
纳入经营预算、内控和组织设计
“12.3 6-18 个月：从场景扩展到组合运营”把“时间”、“重点”与“管理层决策”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“7-9 个月”、“10-12 个月”、“13-15 个月”与“16-18 个月”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“7-9 个月”这一行同时关联了“扩展到 3-5 个相邻场景；统一身份、日志、成本和知识治理”与“确定企业级平台边界与供应商策略”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
12.4
十二个关键里程碑
董事会/CEO
批准风险偏好、禁止清单与责任原则。
CMO
选定首个经营结果和流程负责人。
数据负责人确认来源、权限、质量和保留规则。
完成现状基线与对照方案。
完成任务合同、人工关口、异常和回滚设计。
完成独立
agent
身份与最小权限。
完成离线、端到端和对抗评估。
完成影子运行和人工接管演练。
完成限定范围生产上线。
完成
90
天财务、业务和风险复盘。
第二场景验证复用，并建立
Agent
Ops 机制。
18
个月形成组合级价值、治理、预算和退役机制。
12.5
董事会、 CEO 、 CMO
下一步的关键决策
决策主体
未来
30
天必须决定
董事会 / 风险委员会
风险偏好、禁止自主清单、重大事故上报、投资监督与审计要求
CEO
业务优先级、跨部门责任、价值承接、平台与供应商原则
CMO
首批场景、流程重构、品牌与客户边界、指标和人工审批
CIO/ 数字化负责人
架构、身份、连接器、可观测、模型可替换与运行可靠性
法务 / 数据 / 安全
个人信息、内容标识、知识产权、供应商、红队和事故响应
业务单元负责人
本地流程、数据质量、用户采用、人工接管和财务结果
这张表围绕“12.5 董事会、 CEO 、 CMO 下一步的关键决策”建立了一套可比较的共同语言：“决策主体”与“未来 30 天必须决定”负责界定观察口径，“董事会 / 风险委员会”、“CEO”、“CMO”与“CIO/ 数字化负责人”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 本表可先从“董事会 / 风险委员会”与“CEO”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
最终建议
用
90
天证明一个窄场景，用
6
个月证明可复制，用
18
个月证明组合级经营与治理。任何阶段都允许降级、暂停和退役。
12.6 让十八个月路线图成为战略，而不是项目排期
理查德·鲁梅尔特把好战略的内核概括为诊断、指导方针和连贯行动：先看清最关键的障碍，再选择处理障碍的总体方法，最后让资源与行动彼此支持。[S50]
Agentic Marketing 路线图也必须从一个真实经营瓶颈开始，而不是从“今年上线多少个
agent”开始。
数据｜ BCG
2025 年 AI
at Work 调查覆盖 11
个地区的 10,635
名员工和管理者。获得
5
小时以上培训的受访者中，79%
是 AI
常规用户，培训少于 5
小时者为 67%；只有
36%
认为自己得到了充分培训，54%
表示当企业工具不足时可能使用未经授权的
AI。[S51]
这些数据是相关性而非因果证明，也不是营销部门专属样本。但它说明了路线图中常被低估的两项基础设施：围绕真实任务的训练，以及足够好用的受控工具。只写治理禁令却不提供可工作的正式路径，会把需求推向影子
AI；只采购工具而不给现场辅导，则难以形成稳定做法。
连贯行动｜ 前
90
天应把负责人、任务、数据、权限、评估和价值基线放进同一个窄闭环；3—6
个月只扩展相邻场景，并把身份、日志、连接器和评估上收为复用能力；6—18
个月按组合管理资本、风险与退役。每一阶段都要保留停止和降级的权利。
管理动作｜ 年度目标不写“部署
agent
数量”，而写三类结果：客户或经营指标改善了什么，哪些流程资产已可复用，哪些权限基于连续证据获得升级。路线图的价值，不在于按时走完，而在于让管理层更早发现哪里值得继续、哪里必须停止。
技术会持续变化，模型能力和成本也会变化。企业真正需要稳定保留的是目标权、授权权和停止权。
目标权
决定企业追求什么、牺牲什么以及不能用什么手段获得结果。Agent
可以拆解目标和寻找路径，但不能代替管理层处理品牌、利润、客户权益和长期能力之间的冲突。
授权权
决定哪个
agent
可以访问哪些数据、调用哪些工具、在多大金额和频次内执行、何时必须请求批准。授权应建立在运行证据上，并且可以随时收回。
停止权
决定在质量下降、风险变化、供应商变更或价值不成立时暂停、降级和退役。没有技术和组织上的停止权，自主性就会变成不可管理的路径依赖。
结论
Agentic
Marketing 的竞争优势不来自“让
AI
做得最多”，而来自企业能更快地把正确任务交给合适的执行者，并对目标、边界、证据和结果保持清晰控制。
0—90 天 选准任务，建立权限与评估基线
3—6 个月 跑通闭环，验证价值与异常处理
6—18 个月 扩展组合，形成稳定运营机制
序号
类别
行动
责任人
时间
完成
01
高管与价值
确认经营问题与价值承接人
业务赞助人
第
1-10
天
□
02
高管与价值
批准风险偏好、禁止清单与停止条件
CEO/CMO/风险
第
1-15
天
□
03
高管与价值
建立业务、质量、风险、成本基线
流程负责人/财务
第
1-20
天
□
04
场景与流程
完成任务准入评分
流程负责人
第
1-15
天
□
05
场景与流程
画出当前流程与目标流程
流程/运营
第
5-25
天
□
06
场景与流程
定义触发、输入、动作、关口、输出、异常
产品负责人
第
10-30
天
□
07
数据
完成数据来源、权限、质量和保留盘点
数据负责人
第
5-25
天
□
08
数据
建立品牌/产品/政策知识基线
品牌/业务
第
10-35
天
□
09
数据
建立金标准评估集与边界样本
流程/评估
第
20-45
天
□
10
技术
创建独立
agent
身份与最小权限
平台/安全
第
15-40
天
□
11
技术
完成工具参数校验、幂等、超时与回滚
平台/集成
第
20-50
天
□
12
技术
完成日志、追踪、成本和告警
平台/运维
第
25-55
天
□
13
治理
完成隐私、IP、内容标识和供应商审查
法务/数据/品牌
第
15-45
天
□
14
治理
完成红队、越权、注入和异常测试
安全/评估
第
35-60
天
□
15
治理
完成停机、人工接管和事故演练
全体
第
45-65
天
□
16
上线
完成影子运行和差异分析
运营/产品
第
45-70
天
□
17
上线
限定用户/渠道/预算生产上线
业务赞助人
第
60-75
天
□
18
上线
每日异常、每周
Ops、每月价值复盘
产品/流程/财务
第
61-90
天
□
19
复盘
完成
90
天业务、财务、风险结论
业务赞助人/财务
第
85-90
天
□
20
复盘
决定继续、扩大、降级、暂停或退役
CEO/CMO
第
90
天
□
“附录 A 90 天启动清单”把“序号”、“类别”、“行动”与“责任人”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以表中列出的关键对象为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
把表格转成执行计划时，应为每个阶段补齐入口条件、交付物、责任人、验收证据和退出条件。阶段之间不是自然衔接的时间刻度，而是一次次继续、调整或停止的管理决策；若上一阶段没有形成可信证据，按日历进入下一阶段只会把不确定性和返工成本一起放大。 就本表而言，“高管与价值”这一行同时关联了“确认经营问题与价值承接人”与“业务赞助人”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
决策问题
是 / 否
需要的证据
场景是否连接收入、毛利、费用、客户体验或重大风险？
□
价值逻辑与财务科目
当前流程是否已经被重构，而非在旧流程上增加
agent ？
□
现状/目标流程与删除步骤
人类最终负责点和强制审批点是否明确？
□
流程图与责任说明
所有公开事实和品牌承诺是否有可信来源？
□
知识库与来源记录
数据使用是否满足目的、最小必要、权限和保留要求？
□
数据盘点与法务/数据批准
Agent
是否有独立身份与最小权限？
□
权限清单与凭证机制
错误是否能在可接受时间内被发现、停止和回滚？
□
SLA、熔断与演练记录
评估是否覆盖正常、边界、恶意输入和工具故障？
□
评估报告与红队报告
ROI
是否包含人工审核、治理和残余风险成本？
□
完整商业案例
释放的时间是否有明确承接动作？
□
招聘/外包/实验/销售计划
扩大自主性是否基于连续运行证据？
□
运行看板与关卡记录
是否有退出供应商、迁移模型和退役
agent
的方案？
□
替代与退出计划
这张表围绕“附录 B CMO 决策清单”建立了一套可比较的共同语言：“决策问题”、“是 / 否”与“需要的证据”负责界定观察口径，“场景是否连接收入、毛利、费用、客户体验或重大风险？”、“当前流程是否已经被重构，而非在旧流程上增加 agent ？”、“人类最终负责点和强制审批点是否明确？”与“所有公开事实和品牌承诺是否有可信来源？”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
把表格转成执行计划时，应为每个阶段补齐入口条件、交付物、责任人、验收证据和退出条件。阶段之间不是自然衔接的时间刻度，而是一次次继续、调整或停止的管理决策；若上一阶段没有形成可信证据，按日历进入下一阶段只会把不确定性和返工成本一起放大。 就本表而言，“场景是否连接收入、毛利、费用、客户体验或重大风险？”这一行同时关联了“□”与“价值逻辑与财务科目”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
维度
权重
1
分
3
分
5
分
得分
业务价值
20%
无清晰承接
影响效率或局部质量
连接收入/毛利/重大成本/风险
频率与规模
15%
低频一次性
每月/单团队
每日/每周且覆盖规模大
标准化
15%
成功无法定义
部分规则可描述
输入、结果、例外清晰
数据可得性
15%
缺失/来源不清
需较多人工补充
稳定、合法、质量可控
可逆性
10%
不可逆
可部分补救
完全可回滚/重做
权限可控
10%
需广泛管理员权限
可通过审批控制
只读/窄写权限即可
可观测性
15%
过程与结果不可见
结果可验但过程有限
步骤、结果、成本、异常均可追踪
风险惩罚
否决/扣分
高风险不可逆
中风险有控制
低风险
从“业务价值”、“频率与规模”、“标准化”与“数据可得性”这些行项出发，“附录 C 项目准入评分表”呈现的其实是一组相互关联的管理选择。“维度”、“权重”、“1 分”与“3 分”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“业务价值”这一行同时关联了“20%”与“无清晰承接”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
否决项
R=执行，A=最终负责，C=协商，I=知会。每项只能有一个
A。
活动
业务赞助人
流程负责人
Agent
产品
平台 /IT
数据
品牌 / 法务 / 风险
场景选择与价值目标
A
R
C
C
C
C
流程与人工关口设计
C
A/R
R
C
C
C
数据与知识治理
I
C
C
C
A/R
C
工具、身份与权限
I
C
C
A/R
C
C
评估与验收
C
A
R
R
C
C
上线批准
A
R
R
C
C
C
日常运行
I
A/R
R
R
C
C
高风险审批
A/C
R
I
I
C
A/R
事故响应
A
R
R
R
C
R
价值复盘与扩张
A
R
R
C
C
C
暂停与退役
A
R
R
R
C
C
在“附录 D RACI”这组信息中，“活动”、“业务赞助人”、“流程负责人”与“Agent 产品”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“场景选择与价值目标”、“流程与人工关口设计”、“数据与知识治理”与“工具、身份与权限”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 就本表而言，“场景选择与价值目标”这一行同时关联了“A”与“R”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
ID
风险
触发 / 指标
固有影响
预防控制
检测 / 停止
责任人
残余风险
R01
事实错误进入公开内容
来源缺失、置信度低、审核漏过
品牌/法律
可信来源、字段验证、审批
抽检、投诉监测、撤回
品牌负责人
R02
个人信息超目的处理
新增字段/新用途/跨境
监管/客户权益
目的绑定、最小必要、权限
访问日志、DLP、停用数据源
数据负责人
R03
提示注入导致越权
外部内容含指令、异常工具调用
安全/数据
数据与指令隔离、工具独立授权
注入检测、工具熔断
安全负责人
R04
预算或投放误操作
异常幅度、重复执行、归因错误
财务/增长
金额阈值、幂等、审批
实时预算告警、回滚
预算负责人
R05
错账号/重复发布
账号不匹配、内容
ID
重复
品牌/渠道
账号绑定、预览、幂等
发布监测、撤回
渠道负责人
R06
IP/素材权利不足
来源未知、许可过期、相似度高
法律/品牌
资产台账、许可检查
抽检、权利投诉流程
法务/内容
R07
多
agent
级联失败
循环交接、状态不一致、成本飙升
运营/安全
最大深度、交接合同、独立验证
trace、成本告警、全局停机
平台负责人
R08
供应商/模型变化
版本升级、价格/条款/地区变化
连续性/合规
可替换架构、合同与回归测试
质量漂移、切换备用
CIO/采购
R09
人工审批失效
积压、橡皮图章、越权审批
治理/质量
角色、SLA、双人审批
审批质量抽检、暂停权限
流程负责人
R10
价值未兑现
调用上升、净价值不变
财务/战略
基线、承接动作、月度复盘
财务复核、停止关卡
业务赞助人
“附录 E 风险登记表”把“ID”、“风险”、“触发 / 指标”与“固有影响”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“R01”、“R02”、“R03”与“R04”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
落地时应把表中的每个风险项改写成可观察事件：明确触发条件、影响范围、监测信号、处置时限、暂停权限和最终责任人。风险治理不是在项目结束后补一份清单，而是在执行链上预先放置刹车、复核和回滚机制；只有风险信号能被记录、升级并复盘，管理层才真正拥有控制权。 就本表而言，“R01”这一行同时关联了“事实错误进入公开内容”与“来源缺失、置信度低、审核漏过”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
类别
检查项
状态
证据 / 负责人
业务
目标、用户、范围、成功标准和停止条件已批准
□
业务
业务负责人和人工接管人已排班
□
流程
触发、状态、审批、异常、回滚和退役已设计
□
数据
数据来源、目的、权限、质量、保留和删除已批准
□
知识
品牌/产品/政策资料有版本、来源和有效期
□
模型
模型/版本、路由、替代与回归测试通过
□
工具
工具白名单、参数校验、幂等、超时和限流通过
□
身份
独立
agent
身份、最小权限、短期凭证和吊销机制完成
□
评估
金标准、边界、恶意输入、工具故障和端到端评估通过
□
安全
提示注入、越权、数据泄露、级联和成本攻击测试通过
□
治理
内容标识、隐私、IP、平台规则和供应商审查完成
□
运行
日志、trace、成本、质量、风险告警和看板可用
□
恢复
熔断、人工接管、回滚、备份和事故响应演练完成
□
用户
培训、操作手册、限制说明和反馈渠道就绪
□
财务
成本预算、价值基线、归因和财务复核人确认
□
这张表围绕“附录 F 上线前检查表”建立了一套可比较的共同语言：“类别”、“检查项”、“状态”与“证据 / 负责人”负责界定观察口径，“业务”、“流程”、“数据”与“知识”则把抽象概念落到具体对象。它提醒读者，清单中的项目并非可以任意拼装；不同项之间存在顺序、资源和责任依赖。阅读时应先找出决定结果的关键差异，再检查差异背后的证据是否来自同一时间窗和同一业务范围，避免把形式上的整齐误认为现实中的可比。
指标落地时要先冻结口径、时间窗、样本和数据责任人，再讨论目标值。效率指标只能说明过程变快，不能自动证明收入增量或品牌改善；因此需要把前置质量、过程效率、业务结果和风险护栏放在同一看板，并用对照、留出或分阶段实验识别真正的增量贡献。 就本表而言，“业务”这一行同时关联了“目标、用户、范围、成功标准和停止条件已批准”与“□”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
变量
符号 / 公式
企业输入
证据来源
年度合格任务量
Q
基线与生产日志
单任务节省的有效人工小时
H
时间研究/抽样
全成本时薪
C_h
财务/HR
时间兑现系数
R_c
招聘、外包或产能计划
释放产能价值
Q
× H × C_h × R_c
计算
增量转化数量
ΔN
对照/归因
单笔增量毛利
GM
财务
增量毛利价值
ΔN
× GM
计算
周期压缩价值
V_t
上市/响应机会模型
风险避免价值
V_r
事故情景与控制证据
期权价值
V_o
新增实验与成功概率
模型与平台运行成本
C_run
账单/成本系统
人工审核与运维成本
C_ops
工时/财务
集成、数据与变革摊销
C_impl
项目预算
残余风险成本
C_risk
风险登记
年度净价值
Q×H×C_h×R_c
+ ΔN×GM + V_t + V_r + V_o − C_run − C_ops − C_impl −
C_risk
计算
ROI
年度净价值
÷
年度总投入
计算
回收期
累计净现金流转正所需月数
计算
从“年度合格任务量”、“单任务节省的有效人工小时”、“全成本时薪”与“时间兑现系数”这些行项出发，“附录 G ROI 计算表”呈现的其实是一组相互关联的管理选择。“变量”、“符号 / 公式”、“企业输入”与“证据来源”分别回答对象是什么、为何重要以及如何处置，任何一列被单独拿走，都会削弱结论的可执行性。因此这张表更适合用于团队共同校准，而不是由个人快速打分：业务、市场、技术和治理角色需要对同一行的事实、判断与动作达成一致，之后才能进入资源承诺。
指标落地时要先冻结口径、时间窗、样本和数据责任人，再讨论目标值。效率指标只能说明过程变快，不能自动证明收入增量或品牌改善；因此需要把前置质量、过程效率、业务结果和风险护栏放在同一看板，并用对照、留出或分阶段实验识别真正的增量贡献。 就本表而言，“年度合格任务量”这一行同时关联了“Q”与“基线与生产日志”，这类关联应在实际项目中逐项核验，而不能因为它们出现在同一行就默认因果已经成立。
所有参数均应由企业填入。对于无法建立可靠证据的项目，建议使用保守区间并进行敏感性分析，不使用供应商宣传数字直接入账。
术语
定义
Agent
/ AI agent
能够围绕目标规划、调用工具、观察结果并在边界内持续执行多步任务的软件系统。
Agentic
Marketing
把
agent
作为受授权执行者纳入营销经营、流程、数据、技术、治理和财务体系的运行方式。
Copilot
在人类主导的工作界面中提供建议、草稿或局部操作辅助的系统。
Workflow
/ 工作流
由预设步骤、规则、人工节点和系统调用构成的可重复流程。
Orchestration
/ 编排
协调模型、agent、工具、规则、状态和交接的运行机制。
Tool
calling / 工具调用
模型或
agent
以结构化参数调用外部函数、API
或应用完成读写动作。
Memory
/ 记忆
用于保存任务过程或稳定偏好的信息；不同于经治理的知识库和真实业务状态。
Human
in the Loop
在指定节点由人类审查、批准、纠正或接管。
Human
on the Loop
系统在边界内运行，人类通过监控和例外介入监督。
Guardrail
/ 护栏
输入、输出、权限、工具、预算、内容和运行时的限制与阻断机制。
Evals
/ 评估
用定义明确的样本、指标和通过标准测试组件、轨迹与端到端任务。
Trace
/ 追踪
记录一次
agent
运行的模型、步骤、工具、输入输出、状态、成本、批准和错误。
Reversibility
/ 可逆性
错误动作能否被撤销、回滚或重做，以及恢复成本大小。
Residual
risk / 残余风险
实施控制后仍然存在的风险。
Agent
identity / agent 身份
分配给
agent
的唯一非人身份，用于授权、审计、暂停和退役。
在“附录 H 术语表”这组信息中，“术语”与“定义”并不是彼此孤立的栏目，而是一条从识别对象、比较条件到形成行动的判断链。表内以“Agent / AI agent”、“Agentic Marketing”、“Copilot”与“Workflow / 工作流”等项目展开，横向阅读可以检查同一对象的条件是否互相支持，纵向阅读则能发现不同对象之间的优先级和依赖关系。某一格看起来更积极，并不代表整体方案更优；只有把收益、代价、责任与证据放在同一框架中，表格才会从信息目录转化为决策工具。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 本表可先从“Agent / AI agent”与“Agentic Marketing”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
编号
来源
S01
OpenAI,
A Practical Guide to Building Agents, 2025.
官方业务与工程指南（openai.com）。
S02
OpenAI,
Agents SDK Documentation, 2025-2026.
官方开发文档（developers.openai.com）。
S03
Anthropic,
Measuring AI Agent Autonomy in Practice, 2026.
官方研究（anthropic.com）。
S04
McKinsey
& Company, The State of AI in 2025: Agents, Innovation, and
Transformation, 2025. 全球调查，1,993
名受访者、105
个国家/地区。
S05
IBM
Institute for Business Value / Oxford Economics, The 2025 CMO
Study, 2025. 调查
1,800
名营销与销售高管，33
个地区、24
个行业。
S06
Microsoft,
2026 Work Trend Index Annual Report: Agents, Human Agency, and
the Opportunity for Every Organization, 2026. 20,000 名使用
AI
的工作者及匿名生产力信号。
S07
Stanford
Institute for Human-Centered AI, AI Index Report 2026, 2026.
斯坦福年度综合报告。
S08
Brynjolfsson,
Li & Raymond, Generative AI at Work, Quarterly Journal of
Economics, 2025（早期工作论文
2023）.
5,172 名客户支持人员现场研究。
S09
U.S.
National Institute of Standards and Technology, Artificial
Intelligence Risk Management Framework (AI RMF 1.0), 2023. NIST
AI 100-1。
S10
U.S.
National Institute of Standards and Technology, AI RMF:
Generative Artificial Intelligence Profile, 2024. NIST AI 600-1。
S11
International
Organization for Standardization, ISO/IEC 42001:2023, Artificial
Intelligence Management System. 官方标准说明。
S12
International
Organization for Standardization, ISO/IEC 23894:2023, Artificial
Intelligence — Guidance on Risk Management. 官方标准说明。
S13
OWASP
GenAI Security Project, Agentic AI — Threats and Mitigations,
2025. Agentic Security Initiative。
S14
OWASP
GenAI Security Project, OWASP Top 10 for Agentic Applications
2026, 2025. 全球同行评议安全框架。
S15
Cemri
et al., Why Do Multi-Agent LLM Systems Fail?, 2025. 对五种多
agent
框架、150
余项任务的失效研究。
S16
Staufer
et al., The 2025 AI Agent Index: Documenting Technical and
Safety Features of Deployed Agentic AI Systems, 2026. 对
30
个已部署
agent
的公开信息研究。
S17
Lynch
et al., Agentic Misalignment: How LLMs Could Be Insider Threats,
2025. 受控假设情境中的
16
个模型压力测试；作者明确未观察到真实部署证据。
S18
《中华人民共和国个人信息保护法》，2021
年
8
月
20
日通过，2021
年
11
月
1
日施行。中国人大网/国家互联网信息办公室公开文本。
S19
国家互联网信息办公室等七部门，《生成式人工智能服务管理暂行办法》，2023
年
7
月
13
日发布，2023
年
8
月
15
日施行。
S20
国家互联网信息办公室等四部门，《人工智能生成合成内容标识办法》，2025
年
3
月
14
日发布，2025
年
9
月
1
日施行。
S21
European
Union, Regulation (EU) 2024/1689 (Artificial Intelligence Act),
2024；European
Commission AI Act implementation page, updated July 2026.。
S22
C2PA,
Coalition for Content Provenance and Authenticity Technical
Specification, 2024-2026. 内容来源与真实性开放技术规范。
S23
OECD,
OECD AI Principles, adopted 2019, updated 2024. 可信
AI
政策原则。
S24
Capgemini
Research Institute, Rise of Agentic AI: How Trust Is the Key to
Human-AI Collaboration, 2025. 全球企业调查与经济价值估算。
S25
McKinsey
& Company, State of AI Trust in 2026: Shifting to the
Agentic Era, 2026. AI 风险、事件与治理调查。
S26
IBM,
2025 CEO Study / Enterprise AI announcements, 2025. 关于
AI
投资、集成与
ROI
的官方研究与披露。
S27
Grewal
et al., How Generative AI Is Shaping the Future of Marketing,
Journal of the Academy of Marketing Science, 2025. 营销学术综述。
S28
Noy
& Zhang, Experimental Evidence on the Productivity Effects
of Generative Artificial Intelligence, Science, 2023. 专业写作随机实验。
S29
Dell’Acqua
et al., Navigating the Jagged Technological Frontier, 2023.
知识工作者生成式
AI
实验研究。
S30
Anthropic,
Anthropic Economic Index and related autonomy/productivity
research, 2025-2026. 基于匿名使用数据的官方研究。
S31
MIT
Sloan School of Management, Agentic AI, Explained, 2026.
面向管理者的概念与应用说明。
S32
Anthropic,
Measuring AI Agent Autonomy in Practice, 2026. 对
Claude
Code 与公开 API
中数百万人机交互的匿名分析。
S33
Herbert
A. Simon, Designing Organizations for an Information-Rich World,
1971. 关于注意力稀缺与组织信息处理的经典论述。
S34
Anthropic,
Building Effective Agents, 2024. 关于工作流、agent
与简单可组合架构的工程实践总结。
S35
Michael
Hammer, Reengineering Work: Don’t Automate, Obliterate,
Harvard Business Review, 1990. 流程再造经典文章。
S36
Dell’Acqua
et al., Navigating the Jagged Technological Frontier,
Organization Science, 2026. 覆盖
758
名 BCG
顾问的随机现场实验。
S37
Brynjolfsson,
Li & Raymond, Generative AI at Work, Quarterly Journal of
Economics, 2025. 覆盖
5,172
名客户支持人员的现场研究。
S38
Lisanne
Bainbridge, Ironies of Automation, Automatica, 1983.
关于自动化与人类异常接管的经典研究。
S39
British
Columbia Civil Resolution Tribunal, Moffatt v. Air Canada, 2024
BCCRT 149, 2024-02-14. 网站聊天机器人错误政策信息责任案。
S40
Jay
R. Galbraith, Designing Complex Organizations, 1973.
关于任务不确定性、相互依赖与组织信息处理的经典著作。
S41
Microsoft
Customer Story, CarMax Puts Customers First with Car Research
Tools Powered by Azure OpenAI Service, 2022-05-24.
客户评价摘要与人工编辑案例。
S42
OpenAI,
Moderna: Accelerating the Development of Life-Saving Treatments,
2024. 企业级 GPT
扩散与 Dose
ID 试点案例。
S43
James
G. March, Exploration and Exploitation in Organizational
Learning, Organization Science, 1991. 组织探索与利用的经典研究。
S44
WPP,
WPP Unveils AI-Powered Production Studio, 2024-06-18. Ford 与
L’Oréal
试点后的 AI
内容供应链公开说明。
S45
W.
Edwards Deming, Out of the Crisis, 1986. 质量、波动与系统改进的经典著作。
S46
U.S.
Federal Trade Commission, Final Order with DoNotPay Prohibiting
Deceptive ‘AI Lawyer’ Claims, 2025. 关于
AI
能力主张证据的监管案例。
S47
Klarna,
Klarna AI Assistant Handles Two-Thirds of Customer Service Chats
in Its First Month, 2024-02-27. 企业自行披露的首月运营数据。
S48
Robert
S. Kaplan & David P. Norton, The Balanced Scorecard—Measures
That Drive Performance, Harvard Business Review, 1992.
平衡计分卡经典研究。
S49
Dell’Acqua
et al., The Cybernetic Teammate: A Field Experiment on
Generative AI Reshaping Teamwork and Expertise, 2025. 覆盖
791
名宝洁专业人员的现场实验。
S50
Richard
Rumelt, Good Strategy/Bad Strategy: The Difference and Why It
Matters, 2011. 诊断、指导方针与连贯行动的战略内核。
S51
Boston
Consulting Group, AI at Work 2025: Momentum Builds, but Gaps
Remain, 2025. 11 个地区
10,635
名员工和管理者调查。
“附录 I 来源索引”把“编号”与“来源”放在同一视野中，目的不是增加分类数量，而是迫使决策者同时处理不同维度之间的约束。以“S01”、“S02”、“S03”与“S04”为线索逐行比较，可以看出每一项选择都伴随前提、取舍和后续动作；如果只摘取其中一个结论，往往会丢失表格真正表达的组合关系。更有价值的读法，是先明确当前企业所处情境，再判断哪些行项应先验证、哪些只能作为边界条件。
技术选择应回到业务状态和运行责任，而不是只比较模型榜单或生成效果。模型负责理解与生成，生产系统还必须处理身份、权限、版本、状态写回、异常、审计和回滚；只有这些非演示环节被纳入验收，技术能力才可能稳定转化为组织能力。 本表可先从“S01”与“S02”开始建立现场证据，再决定是否把同一规则扩展到其他行项。
来源使用原则
本报告对调查数字保留其样本与口径，不把不同研究直接拼接为统一市场规模；对技术能力区分产品文档、实验研究与真实部署；对场景设计采用“场景原型”表述，不把缺少公开证据的方案写成客户案例。
竹势
AI
营销智库
2026
年
7
月
竹势 AI 营销智库聚焦 AI 市场部与 AI 营销，面向企业创始人、CEO、CMO及市场增长团队，构建“6+1”知识架构。六大核心模块组成“道、法、术、器、技、例”六脉体系：“道”负责认知刷新，研究 AI 时代的营销本质与战略判断；“法”关注体系建设，沉淀可持续、可复制的方法论；“术”提供落地路径，把策略转化为具体行动；“器”评测工具与平台，帮助企业选择合适的能力组合；“技”分享可以立即应用的实战技巧；“例”通过标杆案例验证方法与成效。“+1”专题围绕 AI 营销的重要趋势与关键经营问题，推出系统、深入、可下载的专题白皮书。
竹势智库通过专业研究、实践经验与管理框架连接认知、决策和执行，帮助企业看清方向、减少试错，逐步建设能够创造真实经营价值的 AI 市场部。
