AI智能体上线的风险，不能用“模型回答是否准确”单一衡量。真正有效的分级方法，应评估它能够访问什么数据、以谁的身份运行、可以调用哪些工具、动作是否可撤销，以及异常发生后能否审计和人工接管。风险等级的核心，不是判断智能体“聪不聪明”，而是判断一次错误操作可能造成多大影响、是否能够及时止损。
先按五个维度评估
第一是数据敏感度：任务涉及公开资料、内部制度，还是客户信息、财务信息和商业秘密。第二是操作权限：智能体仅能读取和生成草稿，还是可以写入、删除、发送、付款或公开发布。第三是影响范围：错误只影响单个内部任务，还是会波及客户、合同、订单和批量业务数据。第四是可逆性：操作能否撤销、回滚或延迟执行。第五是控制能力：是否具备审批、日志、权限回收、异常暂停和人工接管机制。
五个维度中，只要出现高敏感数据、不可逆动作或大范围影响，就不应因为演示效果良好而按低风险处理。尤其要避免用员工账号替代智能体身份，也不能让统一知识库权限绕过原有的数据访问边界。
建立三档风险等级
低风险任务通常以读取、检索、整理和生成草稿为主，数据范围清晰，结果容易复核，且不会直接改变业务状态。内部制度问答、会议纪要整理、客服回复草稿和只读数据分析，适合优先试点，但仍需保留访问和输出记录。
中风险任务可能创建工单、修改非关键字段或安排内部流程。此类任务应限制数据范围和操作对象，增加参数校验、执行预览与人工抽查；工具调用失败、条件不完整或结果异常时，系统应暂停，而不是自行猜测并继续。
高风险任务包括外部发送、删除数据、批量修改、合同或订单变更、支付以及公开发布。此类操作原则上应采用人工确认、双人审批或分步执行，并设置数量或金额限制、延迟执行、回滚机制和紧急停用开关。没有审批、留痕和退出路径的高风险动作，不具备稳定上线条件。
用控制条件决定是否上线
风险分级不能只写在评估表里，还应对应明确的上线门槛。企业至少要能回答：智能体以谁的身份运行，权限何时回收；访问过哪些数据，数据如何留存和脱敏；调用了什么工具、使用了哪些参数；谁能暂停、接管和终止任务；事故发生后能否还原过程并划分责任。
试点阶段应优先选择范围有限、结果可复核、失败可撤销的任务，并为每项任务设定停止条件。若任何高风险环节只能回答“后续完善”，就应缩小数据和权限范围，先降级为只读或建议模式，而不是直接扩大自动化规模。