上周读金蝶全球创见者大会的材料，有个字段我看了两遍：责任部门和责任人。
不是产品功能，不是模型参数。是他们内部那套智能体运营管理平台上的一个字段。平台管着 180 多个智能体，看板上能看到每个累计执行了多少任务、产出什么、消耗多少点数、ROI 怎么测算——然后，挨个标着归哪个部门、归谁。
这个字段比那一堆"AI 原生组织"的说法都实在。因为它承认了一件事：这些智能体已经不是功能，是要入编制、有人认领的执行主体。
功能坏了，找 IT；单据错了，找谁？
一、180 个执行主体，和 180 个开关不是一回事
过去我们上一个自动化，交付物是一段规则、一个按钮、一份操作手册。它不会自己决定什么时候跑，也不会在没人看着的时候改数据。现在这批 agent 不一样：它们读邮件、识别单据、生成凭证、发起审批、按计划自动触发，甚至能被定时任务叫醒。给它开了写权限，它就是个会自己干活的账号。
数量一上来，性质就变了。一个 agent 出问题是调试，一百八十个 agent 在跑是管理。你会开始碰上些很人事的问题：哪个还在用、哪个早就没人管了、哪个每月烧的点数最多却没什么产出、某笔错账是哪个版本改了指令之后开始出现的、出了事该找哪个部门。
金蝶那张看板把这些都摊开了，还补了一条更关键的：责任部门和责任人。这跟我们做 ERP 实施时给每个接口、每个定时任务指定 owner 是同一个道理，只是对象从进程换成了会做判断的东西。
金蝶内部智能体运营管理平台纳管的智能体数量；看板逐个体记录执行任务数、产出物、消耗点数、ROI 测算，并标注责任部门与责任人
顺带说一句，这套东西不是只给自己看的。同期公开披露里，截至 10 月 23 日灵基付费用户 3706 家；IDC MarketScape《中国企业资源管理市场 AI Agent 厂商评估》把金蝶放在"领导者"类别，战略与能力两维总分列中国厂商第一。客户多了，厂商也得先把自己的队伍管明白。
二、岗位怎么重画：把"行"和"知"拆开
新华网 11 月 7 日那篇报道里，金蝶财务线负责人张鄂豫讲了个挺清楚的分法。过去财务按收票、入账、核算、业务财务这些岗位切开；往后的形态是财务专家 + 数字员工，数字员工负责感知、计算、执行（"行"），人负责决策判断和担责（"知"）。落到架构上是三层：底层 Agent 自主执行的智能中枢层，中间治理层，顶层人的价值判断层。
我对"AI 替代人"这类话一直不太感冒，但这个分法值得记。它没说人退场，说的是岗位颗粒度变了——从细分职能，变成"一个专家带一簇智能体"。人的活从逐笔处理，变成定口径、看异常、签字。
难的地方也在这。责任并没有因为活交给机器就消失，它只是从"做错的人"挪到了"定规则的人和签字的人"身上。所以 Manage 那套分工机制里写得很明白：AI 在授权内执行，人保留关键判断并对结果负责，全程留痕。这三条缺一条，规模就不敢往上加。
很多团队盯着"能不能自动跑"，真正卡住扩张的却是另一件事：出了偏差，能不能在三分钟内说清楚是谁的规则、谁批的、哪一步开始歪的。答不上来，就只敢让 agent 待在试点里。
行
数字员工：感知、计算、执行，按授权范围动作
知
人：定口径、做判断、担责、在关键节点签字
三、光有台账不够，还得有一张考卷
台账解决"谁在干"，没解决"干得对不对"。这一周另一个我愿意记下来的动作，是《Lingee Bench》：金蝶联合大模型厂商与高校发布的国内首个面向企业管理场景的 Agent 评测基准，通用办公、财务、供应链、制造 4 套评测集、1400 余道题目，考的不是答题，是智能体在真实业务环境里能不能把活干完、干对、留下可核查的结果。同步还有一份白皮书，各 Agent 厂商和模型厂商也能拿它评自己的模型和 Harness。
为什么这件事比参数表有用？因为企业采购 AI 的时候，手上能比的东西一直很虚：演示都很顺，案例都写"效率提升"，口径各家不同。上周还有个挺典型的场面——某厂商发稿说一年 10 万份确认单 90% 无人干预，当天就被人追问成本、剩余那部分谁处理、原来需要多少人、什么时候上线的。四个分母一个没给。这不是抬杠，是甲方终于学会看分母了。
评测基准补的正是这块：把"感觉挺好用"换成一套可对齐的题。当然，厂商自己牵头做的基准，独立性要打个问号，不能当成第三方审计用。但至少它给了一个方向——以后验收 AI，不该只听厂商念自己的案例，得有一套题是双方都能复跑的。
顺手给个提醒： Benchmark 是通用基线，替不了你自家的验收。同一套题在别人库里跑 95 分，换到你那套带着历史脏数据和自定义审批流的账上，可能连 60 都不到。基准用来筛厂商，自家基线用来决定能不能上线，两件事别混。
四、上下文不是装饰，是"编制说明书"
要让一百多个 agent 各司其职又不越界，靠提示词是撑不住的，得让它们知道这家企业是怎么运转的。大会上给的数字挺具体：首批 70 个 ERP 连接器、1127 个 Tools；企业上下文覆盖 30 多类数据源、3 万多个业务对象、80 多万个语义字段和 17 万个业务规则。权限体系、审批规则、业务对象之间的关系、历史处理习惯，被写成 AI 行动的前提条件，而不是让模型从零猜。
张鄂豫举的差旅报销例子，把"接进来"和"干完"的区别讲透了：员工发起报销后，智能体不只是把单据生成出来，还得回 ERP 核对这张报销单是否真实存在、有没有超部门预算、财务是否完成审核、款项是否已经打到员工账户。四步都验过，才算真进了业务流程。
这里面藏着一句对 ERP 定位的改写：传统 ERP 是记录系统，把发生的事记下来；AI 原生组织要的是行动系统，把事情往前推。但推得动的前提是理解口径、规则和边界。
| 过去：功能视角 | 现在：执行主体视角 |
|---|---|
| 交付一段规则、一个按钮 | 交付一个会自己触发、会做判断的账号 |
| 出错找 IT 查日志 | 出错要能追到业务责任人与审批人 |
| 验收看"功能是否可用" | 验收看"是否干完、干对、留下可核查结果" |
| 成本藏在实施报价里 | 成本按执行次数、消耗点数逐月发生 |
用 Odoo 的团队，这一课其实更绕一点。开源路线的好处是数据在自己库里、权限和流程全看得见改得动；代价是没有厂商替你维护那本台账——180 个 agent 也罢，3 个也罢，执行主体归谁、能读哪些模型、能写哪些单据、每月花多少、什么条件下停用，都得自己建表、自己指定 owner。社区版本来就没有内置 AI agent，走自定义模块或外部自动化平台接进来的那些入口，反而更容易漏登记。我见过不止一次：项目上线半年后复盘，谁也说不清某个夜里的定时任务是谁配的、还在不在跑。
五、给数字化负责人的三条笨办法
先建花名册，再谈扩数量。每个 agent 一份档案：业务责任人、可读数据范围、可写单据类型、单月成本上限、停用条件、复核人。没有责任人的，别开写权限。这条不花钱，但能挡掉后面八成的扯皮。
把考卷搬进自家验收。挑一个高频流程（对账、发票匹配、报销都行），用自己库里的历史数据定一组基线题，要求智能体的输出带可核查结果；把厂商的通用基准当筛选工具，把自家基线当上线闸门。跑错那次是谁发现的，也要记下来。
"人担责"要写进制度，不能只在架构图上。三层里最容易被跳过的是中间那层。谁批准开、谁复核输出、谁有权一键停、升级改了指令要不要重新验收——先定规矩，再开功能。规矩没定，数量就只能停在三五个试点的规模。
回到开头那个字段。180 个智能体的看板，最值钱的不是 ROI 那一列，是"责任部门和责任人"。因为 ROI 是结果，责任是前提。企业里多了一支不领工资、不会下班、也不需要办入职的队伍，先别急着算它省了多少钱——先说清楚谁在管它、干错了找谁、凭什么算它干对了。
这三件事说明白之前，规模上去得越快，账越难看。
本文基于公开信息整理分析：新华网《AI 如何重塑财务管理？金蝶探索企业管理新路径》（2026-11-07）、中国商报网与凤凰网财经关于 Lingee Bench 及 IDC 中国未来企业大奖的报道、东方财富《金蝶灵基全线升级，让每家企业成为 AI 原生组织》（2026-11-04）、中国经济新闻网《从工具叠加到多智能体协同》（2026 全球创见者大会）。数据截至 2026-11-08，供企业数字化负责人参考，不构成采购建议。
众谛信息 · 专注 Odoo 与企业管理数字化解决方案
