企业验收智能体验收，不应以“演示是否流畅”或“回答是否像人”为主要依据。真正需要确认的是：智能体能否在明确的数据、权限和流程边界内，持续完成可复核的业务任务，并在出错时停止、转人工或留下完整记录。验收标准的核心，不是证明产品“会什么”，而是证明它“能否稳定交付什么”。
先把验收对象从功能改成任务
验收前应选定一个高频、低风险、结果可量化的业务场景，例如内部知识问答、会议纪要整理、销售资料归类、服务工单分派或经营数据摘要。测试样本不能只采用产品方准备的顺利案例，而应包含正常任务、边界任务和异常任务，并使用经过脱敏的真实资料。
每项任务都要预先定义输入、预期结果、允许误差、人工复核方式和失败处理规则。至少记录任务是否完成、是否调用了正确工具、是否出现事实错误、人工修改耗时、返工次数以及异常后能否恢复。这样才能把“感觉好用”转化为可比较的验收结果。
六项必须写进验收表的标准
- 任务产出：结果是否完整、准确，能否直接进入现有流程，而不是只生成一段看似流畅的文字。
- 工具调用：是否能正确读取知识库、查询业务系统或创建工单；调用失败时是否停止并提示。
- 权限边界：能读取哪些字段，能否写入、删除或发送；高风险动作是否必须人工确认。
- 数据安全：是否明确数据存储、访问、删除、日志留存和模型训练使用规则，并支持最小授权。
- 可靠性与审计：是否保留任务日志、调用记录、错误分类、版本变化和人工干预痕迹。
- 投入产出：产品费用之外，还要核算接口改造、数据治理、培训、运维、人工审核及失败返工成本。
验收还应设置“一票否决”条件：出现敏感数据越权、不可追溯的关键操作、重大事实错误，或连续异常时仍擅自执行，就不应直接进入生产环境。
最终，企业应将验收结果与业务基线比较，例如响应时长、人工修改比例、转人工比例、处理效率和返工次数。只有当任务效果、风险控制与全生命周期成本同时达到预设要求，智能体才算真正通过验收，而不是仅仅通过了一次产品演示。