首个智能体场景的验收，不能只看“能不能运行”，而要回答三个问题：任务是否完成，业务是否受益，风险是否可控。验收指标应在立项阶段确定，并与明确的输入、输出和决策边界绑定，避免把“全流程自动化”当成模糊目标。
先定义任务边界
验收对象应是一个可独立验证的业务任务，而不是笼统的“建设智能体”。首先明确输入数据来自哪里、输出需要达到什么格式、智能体可以执行哪些动作，以及哪些环节必须由人工确认。边界越清晰，指标越容易测量，异常也越容易定位。
例如，客服问答、公文写作等内部流程，通常比跨系统、强决策的复杂任务更适合作为首个场景。场景筛选至少要满足业务流程相对标准化、结果可以量化、数据合规要求能够落实，并具备在六个月内验证业务收益的可能性。
指标应覆盖四个层面
第一是任务质量，包括准确率、错误率和输出是否符合业务规则。不能只统计平均准确率，还要单独识别高风险错误，例如未经依据生成结论、遗漏必要信息或超出授权范围。
第二是效率与价值，包括响应时长、工单处理时长、人工介入比例，以及客户满意度等与原流程直接相关的指标。效率提升只有在质量不下降、合规不失守的前提下才具有验收意义。
第三是安全与合规，包括敏感信息保护、访问控制、合规审计日志和决策路径留痕。对无法追溯、无法解释或无法人工回滚的任务，即使结果看似有效，也不应直接判定通过。
第四是运营稳定性，包括异常处理、人工接管和业务恢复能力。小规模试点应放在单一业务单元或部门内，通过 A/B 测试收集真实运营数据，再决定是否扩围。
用“通过条件”而非单一分数验收
验收最好采用门槛组合：质量指标达到要求，效率指标产生明确改善，安全审计无重大缺口，异常情况下能够人工回滚。任何一项关键底线未满足，都不应被其他指标抵消。
首个场景的目标不是证明智能体无所不能，而是沉淀一套可复制的指标、日志、规则和治理流程。只有当任务结果、业务收益与风险控制形成闭环，试点才真正具备向相似部门和业务链路推广的依据。