火山引擎张鑫：企业Agent落地，我们之前忽视了经营问题
企业Agent落地难，这已经成了行业共识。火山引擎副总裁张鑫在FORCE原动力大会上提出了一个颇具新意的思路——把Agent当员工来经营。这个理念背后，对应着三个关键痛点：日抛型Agent没人用、高成本低回报说不清、以及个人与企业场景的复杂度鸿沟。要解决这些问题，需要的不是更多技术工具，而是一套数字员工的经营体系。
我们习惯用类比来描述工业革命：AI是新的蒸汽机或发电机。这个类比没错，但不够完整。蒸汽机进入工厂，改变的不仅是机器的转速，还有工厂的组织方式和生产方式。泰勒在1911年出版的《科学管理原理》正是这种变革的产物——用科学化、标准化的管理取代经验管理，实现劳动生产率最大化。这套体系被视为第二次工业革命的必然产物。
Agent热潮过后，企业中的“数字员工”占比越来越高，同一类管理科学问题正在回归。黄仁勋在CES 2025上有个判断：技术部门将成为数字劳动力的人力资源部门，以后会有生物劳动力和数字劳动力。这个新人力资源部门，显然需要新的体系和工具。
张鑫的团队在这次发布中贯穿的理念正是：把Agent当员工来经营，他称之为数字员工的经营体系。
一套系统，如何匹配全球业务的复杂度
日抛型Agent是一个行业性现象。过去一年，Agent的构建门槛急剧降低，零代码配置Agent成为现实。但为个人造Agent和为企业造Agent是两码事。
个人使用AI工具提效，路径很清晰：一个人、一个清晰目标、一堆自己完全有权限的上下文。张鑫说，个人场景下的Agent之所以好用，“本质上就是因为从生产到验证，流程中只有一个人”。而企业就完全不同了：企业中的Agent面对的是一群人，还往往叠加着——一个不那么清晰、甚至需要跨团队协同制定的目标；一堆陈旧的系统；以及从未被写下来的隐性规则和知识。
他举了个例子：去问销售团队“把你Top Sales的最佳卖点告诉我，你是怎么一步一步做的”，从没有人讲清楚过，更不会沉淀到文档里。
这引出了一对关键区分：AI驱动的超级个体和企业的数字员工。超级个体的优势是敏捷，个人拿着工具就能跑。但问题也明显：员工的流动和流失，会带走业务的上下文。知识跟着人走，不跟着组织走。
微软CEO纳德拉也在播客中谈过这个问题，他提出“人力资本”和“Token资本”两个概念，核心观点是：你可以外包一项任务甚至一份工作，但永远不能外包你的（知识）学习。
把超级个体的知识转化成组织可沉淀的资产，是数字员工区别于个人助手的核心要求。但采集知识的方式如果出了偏差，后果同样严重。今年以来，有一个刷屏级的AI事件：Meta在美国员工的电脑上安装追踪软件，记录键盘敲击、鼠标移动和屏幕截图来训练AI，超过1500名员工签署了抗议请愿书。背后是一个非常简单的心理学机制：我把知识贡献出来，会不会被取代？
彼得·德鲁克1959年提出“知识工人”概念时就观察到：知识工人和体力劳动者需要完全不同的管理方式。体力劳动者可以通过计件和监控来管理，知识工人只能通过设定目标和赋予自主性来激发。监控一个知识工人的键盘敲击，和在流水线上计件是同一种思维。
张鑫在落地实践中的心得与德鲁克方向一致：不要上来就向业务人员索取，先用当前Agent能达到的程度，帮他解决重复繁琐的工作，让他先尝到甜头。其次，要让知识贡献和个人回报可见可衡量——“你孵化出四个数字员工，它们产出越多，归因到你身上的也越多”。关键词是归因：人贡献经验形成skills，Agent基于skills产出价值，价值可追溯归因到人。人从执行者升级为Agent的优化者和管理者。
这让人想起一句话：企业主和员工之间要互相给安全感。
CEO的真实痛点
除了心理学机制，还有经济学机制。对CEO来说，一个更直接的痛点是钱：Agent的token预算占企业IT支出越来越高。CEO不一定怕花钱，但希望投入和回报能被计算。“今年投了100万做Agent项目，到底给我带来了多少收益？你们号称用AI，效率到底提升了多少？”这是管理者问得最多的问题。
过去的Agent平台更多停留在技术管理层面：管权限、管接入、看日志。但既然Agent成了一种员工，CEO需要的就不仅是技术指标，还有经营指标：产出了多少、节省了多少人效、投入产出比是多少。
张鑫称之为“从Agent管理，上升到数字员工经营”。
“数字员工”这个概念并不新鲜，Copilot时代就在讲。之所以有“说了多少年了”的感觉，正是因为数字员工没有真正在企业内部被量化、被度量、被看见。只有在产品上建立了经营体系，能看到招聘、上岗、绩效产出，能做PIP和调优，数字员工才能从一个漂浮的概念变成可被操作的组织单元。
绩效数据还有一层更深的价值。Agent运行中产生的轨迹、日志、指标和人类反馈，可以回流进Learning Loop，驱动Agent持续自我优化。张鑫用生物学做类比：如果把上下文（Context）比作大脑、Harness比作躯干和四肢，那Learning Loop就是新陈代谢系统。绩效度量不只是给CEO看的报表，它同时也是Agent进化的燃料。丰田生产方式在1970年代提出“改善”（kaizen）的核心理念——不追求一步到位的完美设计，而是通过持续的小幅改进和现场反馈形成闭环。Agent的Learning Loop本质上就是一种数字化的kaizen。
不过，Learning Loop中最具想象力的强化学习方向目前也最难落地。难点在于奖励函数：有标准答案的客观题好打分，但企业里大量任务是主观的、模糊的。“你在这个场景训好了它能判断，下一个场景怎么办？”张鑫说，“我们自己的强化学习还在路上，大家都在路上。”
从构建到经营：四个产品，两层逻辑
无论是心理学机制还是经济学机制，有了体系，还需要工具。从知识沉淀到绩效度量再到持续迭代，这套经营体系都需要一整套产品来承载。
火山引擎这次在Agent开发和运营上，带来了几个重要产品的全新升级。其中TRAE大家可能相对熟悉。TRAE最初面向程序员，是一个coding IDE，理论上非研发人员也能用。但非研发人员一打开满屏代码，反而不符合他的使用习惯。所以TRAE WORK作为独立端发布，主界面是自然语言交互，面向更广泛的日常工作场景。
HiAgent和AgentSphere则构成另一层逻辑，更贴切地回应今天的主题。当企业自有Agent数量达到数百上千，IT部门需要一套底座来统一管理这些Agent的开发、运行和持续迭代，这是HiAgent的角色，它管的是Agent的技术生命周期。而AgentSphere就是HiAgent之上的经营视角：统一调度、绩效看板、价值度量。AgentSphere的定位是“数字员工派遣站”。
AgentSphere将数字员工的生命周期拆解为招聘、上岗、进化、退岗四个阶段，配套全局概览、业务产出、产物评分、投入成本四张看板。如果绩效好，像人类员工一样可能有promotion，在Agent世界里可能是分配更多的tokens。如果绩效不好，人可能要走PIP，Agent里面可能就是通过数据回流去迭代。
对比Anthropic只有Claude Code加Cowork，OpenAI言必称CodeX，火山引擎的构建工具选择显得稍显复杂。张鑫的解释是：不同角色面对同一个能力时，需要完全不同的界面。他还用编程语言的多产品并存演进来做类比：最早有了C语言，为什么后来还有C++、Python、Go？大概能讲清楚每个语言更擅长什么，但Python就真不能用来写其他的应用吗？也未必。
多产品策略的背后还有一个技术层面的原因：Agent和模型在现阶段无法完全解耦。OpenClaw之所以能成功，是因为模型达到了一定的tipping point。把OpenClaw去适配一个弱模型是不奏效的。但当模型趋于商品化、能力趋于稳定以后，解耦有可能实现，可能变成今天的容器，能够更好地做标准化接口。
从构建到绩效，火山引擎提供的是一整套工具。
Agent的组织方式可能和人不同
回到一个更宏观的问题：Agent的组织行为学。在人类世界，专业分工是一切经济行为的基础。Agent会沿用人类体系吗？
不一定。先说比较类似的：张鑫认为Agent至少可以从两个维度来细分——一种是稳态Agent，处理规则明确、准确性要求高的流程性任务；另一种是敏态Agent，应对开放性、探索性的场景。这正是“不要用Agent战略的勤奋掩盖战术的懒惰”——好像一个企业说“我在落地Agent”就万事大吉，实际上稳态和敏态需要完全不同的建设路径。
再说区别比较大的。人的知识边界是窄的，所以人类组织需要按专业分工。但模型对知识的吸取能力远超个人，未必需要照搬横向BU制。走访企业时观察到：企业本能地按职能给Agent分岗——营销Agent、客服Agent、HR Agent，但这样做的实质是在用提示词约束模型能力，客观上拆出了大量功能重叠的Agent。张鑫用了一个比喻：这是“每个萝卜都拆一个坑”。他认为，真正要做的是“组织去适配新的AI能力，而不是AI适配现有组织”。
他用自己团队的变化做例证：原来研发按前端、后端、SRE、QA、架构师、产品经理划分岗位，现在围绕你要做的产品，用一个不大的团队，借助Agent端到端完成从产品设计到coding各个环节。TRAE团队94%的代码已经由AI生成。横向职能在收敛，纵向深度在增加。
这意味着在一个Agent充分参与的组织里，IT部门和业务部门的关系也会重构。IT负责保证Agent基础设施的稳定运行和安全围栏，业务部门基于这些脚手架自行构建和迭代面向场景的Agent。两者从原来需求-排期-交付的串行关系，转向基础设施与应用的纵向协同。
管理科学用了一个世纪从泰勒走到丰田，但科学就意味着没有最终的标准答案。每一次生产力工具的代际更替，都催生出上一代管理框架回答不了的新问题。张鑫说强化学习“还在路上，大家都在路上”，组织适配也才刚有雏形。Agent的经营体系不会有一个终极形态，它会和Agent的能力一起演化，和使用它的组织一起变形。
