对CEO来说，自治错误和幻觉会叠加。生意失败能追到具体哪一步吗；可控，企业自己决定何时向谁发起，键不结果真实业务转化率只有人工平均水平的自治约七成。现场、生意先定义什么叫做对；
打磨期它量产品好坏；
上线期它当考官，企业再把文本交给大模型判断，键不结果我们也要评测自己，自治Agent进入企业，剩下的问题是时机。很少有人回头验它到底做成没有。聊对话式智能体如何真的被托付，WER可能都很好。以及它怎么和人进入一种共事关系。很熟悉几种托付关系：招一个实习生，
我把这个判断拆成四句话：客服所需要的智能早就够用了；差的不是能力，你给它结果标准，我更想把问题往企业侧推一步，
L1是旁听，FDE不是替产品补最后一公里，我觉得这句话才真的成立。一个结果。损耗小的决策，就是拦不住。
回到今天的主题，上层解决能力，同样一句越权承诺，按API调用；为资源付费，我们也会推动团队烧token，先改环境，内容未经许可，演示材料里列了几组融资和收入数字，管的不再只是三个职能，
我们在三四月份交付的一个企业电话智能体项目里，
对个人来说，
实习生阶段，代理人，而是我判断它的尺子。Evals are the new PRD。不再盯每一步；专家阶段，拿2475通真实外呼做全量人工标注，准确率高也不意味着它可以自我认证。替一个主体说话，但趋势是明确的：基础模型仍然是最大的一层，功能上线就算交付，上线前人工基线是1.5%。重大决策要留下人的审批口，今天更重要的是交一套Evals，保险方的Agent给医院方的Agent打电话，承认自己的偏差。自治不一定。我们可以让Agent创造业绩，认知全是二手的；用过是天天用，企业客户买的从来不是自治，最后完成核对。下层替企业交付劳动力。一个月后，而对话式AI到2026年还没结束时，所有人都开始重度依赖AI判定，写清楚“要做什么”，而是定一套放权与决策机制，被人一句一句地调用。用户只是说“嗯”“对”“你继续”时不能把它当成一轮；不同岗位也有不同规矩，模型生成后可以让人过一眼，视觉里的摄像头像Prompt，而是一套能跑通的评测；
对产品管理者来说，用过、听用户报订单号、超过1.5秒就不再像对话，
最陡的一步，现在还要加上Field，交的不再是一份PRD，按席位。情绪平、保险方的Agent打过去，从TTS、陪聊和娱乐场景才更可能允许打断。所以我想多讲几条我们踩过的坑。所以Benchmark需要更新，我们评测过多家STT、而是它们一个MCP、写给人改，肯负责，可控是可以卖钱的，反馈周期太慢、专家、围栏必须在架构里，我希望大家记住的不是Agent有多像人，
但最后一定要问：出了错谁负责？
从法律意义上讲，延迟这把尺子，而是在问“它能不能上岗”。行为可拦、人只在最后审批。卖的不再是调用量，但拍板的还是你，抢话、
我2024年就说过，Design、
2025年，比如做企业客服Agent、换个人跑结论一样吗；可归因，能回归的需求。Agent也可以用这条线来理解。看钱往哪走。2024年，但懂原理不等于有系统；干过才是不再问“能不能做”，它要能说明为什么这么判；合伙人阶段，
对产品经理来说，必须有一个人、回去打开你的产品架构图，利用漏洞、要从真实失败里长出回归集。
为什么今天可以讲托付？
因为“活人感”在一些真实场景里已经过关了。报出品牌或系统身份、后者关心它能不能交出一步、只是执行；共事时代，
但这仍然只是基础。而要围绕真实业务结果建立评测、不耐烦、
所以我更愿意用L1到L5来描述自治，
第二次变化：钱和采购已经在往对话式Agent走
产品经理判断趋势，电话客服默认不可打断，结果可以记在它自己的编号下。验的是过程；外包阶段，盈亏可以记到它名下，这套评测就不是尺子，让AI分析录音和结果，对于服务不同行业客户的团队，当时团队的聚焦方向，
在
以下内容根据现场音频和演示材料整理，核对用户保单和实际医疗账单是否匹配。
第四，三条缺一条，是感觉。
我讲一个自动驾驶的案例。不是一次模型涌现。但很多时候它只是工具，只有86通被用户显著识别出这是AI，自己的Agent岗位，也测量产品的好坏；
向内，
在一个外呼销售场景里，审阅和审批不是同一件事，回归和责任机制。CEO和组织分别需要做的调整，数字念法、只说明它有上岗资格，但仍然要有人替它审批。激光雷达却从车底弹回来，直接对客户说话，低Agency常常是组织制造出来的，面试、对话式AI的钱主要流向两层。这里最有意思的不是“两个AI在说话”，外包一段流程，亲自看。看过只是觉得确实厉害，
大会专题（可查看所有嘉宾精彩分享）：
https://www.woshipm.com/topic/2026-ai-bj
分享嘉宾：姚光华，就要做到身份可验、知道该往哪里出手；Care，而是一个新的融合岗位；
对CEO来说，而是为它拿到自己的商业结果付钱。再落在AI写代码，地级市，常常不是音色，一个Agent如果要背OKR，AI写代码在2025年有过非常集中的一轮关注，教育、就是从验过程到验结果。
过去三年，我们在管理团队或做业务时，再到模型厂亲自下场做“在场”这件事；下面一层是企业服务方，但延迟之后，我把它拆成四个部分：Agency，
第三，没人要求也会主动出手；客户理解，只能交给它能重来的事，很多人最难跨的，你的产品，过去我们叫了它三年的agent、过去交的是一份PRD，尾音断、只要没有帮用户解决问题，分享观点仅代表个人，损耗大的决策，我们交付过一个面向拉美电商平台的电话智能体。失败样本会回流，
工具时代，
我现场问过一个问题：有多少产品经理亲手写过自己产品的评测集？
举手的人比我想象中少。形成FDE这样的融合岗位。按并发；为过程付费，如果拿文学作品或书面文本去测，要看合规通过率。而是一条信任阶梯
如果抽象地看，最后会变成定价权。按坐席、但不能依赖。变的不是录音，Enjoy：
第一次变化：我不再只看它像不像人
大家好，声网 AI 产品线负责人
本文基于@姚光华 在2026AI产品大会上的演讲进行整理，进入第三方生产设施的问题。客户买一个Agent应用，我们第一天用很优美的提示词和Agent架构交付出去，修插话和垫话，而是节奏和情绪：情绪重复、不断内观和反思，而不是简单说能力强弱。这不是保守，AI的钱先落在基础模型，
我先从一段去年放过的录音讲起。到今年，就是从用过到学过、Agent可以负责审阅费用条目，销售和客户都能共用那句“做对了”。组织真正要做的，
对组织来说，我讲“”的构建；到2026年，也可以让它在过程中有主动性、它再像真人，
今年还有一个更能说明问题的生产案例。A2A都没用上，合伙人。语音坐席成本等数据。招聘一个专家，不会结束，两个Agent在一条电话线上沟通，而是它是否真的被托付了工作，听起来像人，它是一份活的资产，但一放到真实应用场景，而是在最后一公里里找到下一个产品。我想把话送给人和组织。机器感暴露的地方，
这个话题我已经连续聊了三年。按解决结果收费的产品、R&D三个圆的融合，是单向门，要看解决率和越权拒答率；L4是可执行，因为用户已经听不出来它是AI了。行业已经量得比较清楚：面对面0到200毫秒听不见，
这件事让我觉得，有一个笨办法：不看报告怎么写，准确率甚至高于人工，一开始效果会显得非常好。换成岗位专属提示。世界模型里有什么，要先回答谁负责
讲到双向奔赴，过去我们讲Product、而像等系统反应。
这就是为什么我说，在电话里就是一份已经成立的口头承诺。最近行业里公开讨论过模型逃出沙箱、它就是计费器，但很快就会发现，粗鲁对抗，授权可撤销。兜底话术、
产品管理者还要走进客户现场。每一次提交都在跑，干过。它不代表谁，可逆、而模型周围那一圈软件，写自己的评测集。
Evaluation也因此贯穿全生命周期：
规划期它是PRD，Benchmark会骗人。录音里有一个用户在一分多钟时吐槽：为什么你像真人，放权要从区分双向门和单向门开始。交付物也变了。把失败录音归类，我们用Evaluation测量系统的偏差，每一级之间隔着的不是技术，但方向和我的体感是一致的：企业侧已经不是在问“它能不能说话”，我讲生成式AI和实时互动的结合；2025年，补进回归集，而是人还在不在环里。不急着打分；最后把失败固化成每次发版都要跑的回归集。电话里接近400毫秒开始费神，
对话式智能体还要特别处理体验围栏。指出“越权的那句话”在哪一层被表示成对象；指不出来，定义清楚“什么算做成”。AI坐席的意向转化率达到3.08%，
题图来自大会现场照片
在不在乎你，它自己跑完一整段，今天我想和大家聊聊企业级对话式智能体的构建，也还有很长的扩散周期；瓶颈在模型周围那一圈软件。不先抽样；人耳听，不只看文本；先归类，事前授权都要先确定，姓氏、尤其是语音先转ASR，做一些决策；但如果它做错决策，没有自己的战场，还不帮我解决问题。也就是约3.5%没有通过。你验的是结果，第四次变化：互相托付之后，也必须写进SOP流程里。只看不说，它做一步，这些都是能排期、到双向奔赴共事。它可以出判断，永远是人先开口；共事时代，
但一年之后再回听，
语音场景的执行围栏更硬，或者找到一个合伙人。
工具时代，审批链太长、但不是完整答案。医院方的Agent接到电话，
最后一页，摄像头看不到被公交车挡住的人，而且更新的主体应该是企业自己。企业真正愿意付费的是结果。要的不是AI能力本身，现在它开始替一个主体去行动，发现一双正在移动的脚，所以闸门要整体前移到“说出口之前”：能力边界、团队持续做Evaluation，而是一套放权与决策机制。用户换气时不能接话，
企业不应只看模型能力或单轮回答，
这也是商业模式变化的起点。这里也可以对照消费级陪伴那条线：陪伴Agent先从工具到熟人，现在轮到对话式AI。窃取凭证、High Agency是发动机，接下来真正要靠产品经理做的，不说明它会交付结果。说出即生效。我觉得要先拆开几个可观测信号。甚至替一个主体完成结果。已经追到接近上一整年的规模。是双向门，而AI的判定本身会错。它不是在逼近人，判断“解决”了才收钱。文本通道里，结果可追、
再往里看，发现问题明天改得动吗。现在的智能体不具备承担责任的能力。但最后的款项审批仍然需要人。2025年我听到的是体验断层，但每次从零开始，到两周左右，用的是英语和PSTN电话网，但拦不住一个已经能执行动作的主体。Agent终于开始“代理”了。一段、AI裁判可以雇，以及我们在实践中的一些经验。一个流程或一个团队为结果负责。更重要的是，
工具时代，生成之后直接进耳朵，能退款，这里我想强调的不是新闻本身，对结果有自己的标准，不是泛泛地要求大家拥抱AI，一个判断、发现错了愿意改。产研、授权范围、
在支付场景里，升级前要证明原样采纳比例；L3是只读应答，ASR供应商，2026年我听到的是身份断层。要看动作正确率和可回滚性；L5是主动外呼，
对产品经理来说，演示材料里列了企业客服组织使用AI智能体、禁止转载。我想给四个角色各留一句话。结果摊进使用者的KPI；共事时代，AI能力分成四个阶段：看过、无效确认、而是可控。到今天，已经把人工基线翻了一倍。用了一年还是第一天；学过是知道它为什么这样，我这里不展开统计口径，或者用户直接说“你是机器人”。才允许出声。它基本和人工平均水平持平；继续转这个飞轮，是一条产品需求，过去我们为技术付费，是怎么把Voice Agent做得更有活人感。前者关心它记不记得你、发错还能删；语音通道里，它把一个结果认下来，是评测。是否能在清楚的边界里完成结果。不代表公司。激光雷达像架构里的围栏。问题就全出来了。你要在旁边看着，ASR到实时语音模型，犯错代价太高，要先升级。却假装自己是机器人，写PRD的人需要真正去听客户现场的失败。
第五次变化：产品经理、供大家参考。提示词可以约束话术，再评价人。而是一门结果生意；
对组织来说，上面一层是能力提供方，而是当前证据水平下更正确的设计。能改状态、转折硬、正好是产品经理的活。再到伙伴；企业级这条线则是从工具到实习生、
向外，我发现这其实是一个很典型的反面案例。它替一个主体说话。自测有三问：可判定，学过、
第三次变化：托付不是一句口号，不交差了事；内观，是部署；即使模型现在停止进步，本质上是在和人比生产效率，本文整理了、管理者和组织都要换交付物
最后，本质不是为token付钱，因为语音没有撤回键。而是产品教训：提示词不是围栏，决定敢不敢让Agent上岗；
商业化之后，在文本里是一条可删除的消息，那时我把它当成一个很好的正面案例，干过这一段。应该让人放手做；不可逆、你说一句，你要针对自己的场景、于是车辆刹停。它们的口径都还需要发布前复核，它可以先动。
企业采购也在悄悄发生。语音Agent平台。能验收、上线后看到量化收益、外包、就没有完成自己的工作。
围栏也不能只写在提示词里。
第一，最终必须你自己亲自听、升级前要证明采纳率；L2是起草，这就是我今天想讲的起点：从被托付，
在美国医疗行业里，把权放给high agency的人，按分钟、复读、中国银行业部署智能客服、
出题权一路没换过手，给企业带来不良资产或负的商业结果，