最近，一场关于《企业级AI智能体应用效能评估规范》的团体标准研讨会在北京召开。会议的核心议题很明确：直面当前AI智能体在企业落地过程中的种种难题，围绕标准制定、效能如何评估、行业怎么用、安全合规怎么保障这些关键点，展开了一场深入的讨论。360数智化集团的首席解决方案架构师李方翔在会上做了主题分享，不仅解读了AI范式跃迁的大趋势，更结合360企业级智能体平台的实际创新经验，为智能体如何真正“用起来”提供了前沿思路，引发了在场专家和企业代表们的热烈探讨。

企业级AI智能体，将迎来首个团体评估标准

眼下，AI智能体产品正处在集中爆发期，被普遍视为企业数字化转型的关键抓手。然而，行业反赌，问题也来得快。企业普遍面临业务适配难度大、数据合规体系不完善、应用投入产出比难以量化等挑战。更关键的是，整个行业始终缺乏一把统一、权威的“标尺”来衡量智能体的好坏，结果就是大家“不敢用、不会评、难规模化”，陷入了发展困境。

为了破解这些痛点，规范产业秩序，由中国电子商会归口管理的全国首部聚焦AI智能体评估的团体标准——《企业级AI智能体应用效能评估规范》正式立项了。经过近9个月的持续编制，目前这项标准已进入送审准备的收官阶段。它的出台，将为企业级AI智能体的落地应用、效能评测和合规发展，提供一个至关重要的依据。

那么，评估的重点是什么？标准执笔专家组的代表卜宋博给出了明确方向：评估重点已经从单纯的能力展示，转向了实际业务场景中的稳定性和可复现性。这套《规范》围绕六大维度构建框架：任务执行表现、商业贡献、系统质量、鲁棒性、用户体验和合规性。看得出来，它对落地实用性是高度关注的。

360先行布局：企业级智能体“建-用-管”三位一体

针对研讨会上聚焦的痛点，360也带来了自己的前瞻性实践和方法论。未来的企业会是什么样？很可能是一个“人机混编”的智能网络。人类员工将领导多个智能体工作，主要负责复杂决策、任务分配和结果验收。基于这个判断，企业内的智能体自然就分成了两大类型：“个人助理”和“专业智能体”。前者配置、上下文和知识都归属个人，匹配主人的工作技能；后者则基于岗位流程、规则与组织知识构建，实现团队共享和复用，能精准适配不同组织和岗位的需求。

对于大型政企来说，专业智能体的应用价值越来越突出。但和“个人助理”相比，它的挑战也更明显：构建门槛高、应用开发难、效果难保障、数据易泄露。因此，提前布局一个“建-用-管三位一体”的专业级智能体平台底座，就成了重中之重。可以说，产业数智化的下半场，企业需要的正是一个统一、安全、可管可控的智能体底座，这也是“Agent+”能够真正在行业落地的核心前提。

360企业级智能体平台，就是专为政企打造的这样一个“超级智能体工厂”。它的底层设计从一开始就瞄准了政企复杂的业务场景。举个例子，考虑到企业实际运营中的不同角色需求，平台专门做了“三态分离”的设计：

• 开发态面向开发者，提供智能体编排工具，并配备智能体监测和检测功能，确保生产级的效果。
• 用户态则像一个应用商店（智能体广场），业务人员可以在这里选用合适的智能体。
• 运营态是给管理者用的，可以监控智能体的算力消耗、调用情况等运营数据。

再比如，为了确保智能体在业务环境中的决策可靠，平台重点引入了两大技术策略来破解大模型的“幻觉”难题。除了专业的智能体评测校验和观测体系，还特别设计了“人在回路”的交互机制，确保智能体的每一步执行结果，都可以被人为干预和纠正。

具体来看，360企业级智能体平台主要凸显三大差异化优势：

1. 全栈Agent开发运营

不追求“全能通用”，而是聚焦行业与业务场景的深度适配。它支持从L2流程型智能体（执行标准化任务）到L4蜂群多智能体（上百个智能体协同处理复杂任务）的全层级覆盖。平台还内置了可视化GUI设计器，支持“低代码/零代码”搭建专属智能体，大幅降低了开发门槛。

2. 全链路企业级能力

满足政企对安全合规的硬性要求。支持私有化部署、全信创适配，通过三态分离管控和细粒度权限管理来保障安全。平台内置多模型、多知识库、多MCP工具，可以灵活组合，深度对接各类业务系统。同时，具备评测、观测、纠错、人在回路等生产级保障机制，适合关键业务长期稳定运行。

3. 全生命周期安全管控

针对企业最关心的安全问题，平台构建了覆盖智能体生产、部署、运行、审计全流程的安全防护体系。通过私有化部署、信创适配、权限分级、操作审计、数据加密、内容安全审核等一系列机制，确保智能体的所有行为可控、可追溯、可审计，能满足金融、政务等强监管行业的合规要求。

“Agent+”行业落地：多行业验证“方法论”应用价值

目前，360企业级智能体平台已经在档案、政务、轨交、医疗等多个行业成功落地，形成了成熟的场景化解决方案。基于这些丰富的实践经验，李方翔在会上总结提出了“Agent+”行业落地的四大实施原则，这也是360平台在行业推进过程中沉淀下来的核心方法论：

第一，场景切入优先。遵循“小切口大纵深”原则。不建议企业一上来就搭建一个全域覆盖的智能体系统，那样容易盲目投入。更好的做法是，先从一个具体的痛点场景切入，比如档案鉴定、来文分派、维修辅助，做出效果后再逐步拓展。

第二，统一平台底座。优先搭建一个统一的智能体平台底座。让所有部门的智能体都基于同一个底座来开发，这样能从根源上避免形成新的数据孤岛，同时也能显著降低整体的开发和运营成本。

第三，知识沉淀为核。企业的内部知识和业务数据，是智能体真正的核心竞争力。优先完成业务知识的结构化沉淀，才能让智能体真正理解和适配企业的个性化场景，否则就是“无源之水”。

第四，安全人机协同。始终明确AI的辅助定位，在核心环节保留人工校验机制。这样既能提升效率，也能有效规避技术伦理和责任界定上的潜在风险。

这套方法论的价值已经在多个行业得到了验证。在档案行业，基于360平台搭建的档案鉴定智能体，可以自动依据法规判定档案的保管期限，人工只需校验结果即可，整体效率提升了70%以上。在某轨道交通集团，智慧运营数据分析平台能秒级定位设备检修标准，工程师的查找效率从原来的15分钟，直接缩短到了3秒。