Lesson 2: 识别适合 Agent 的问题

学习目标

• 掌握评估业务流程 Agent 化可行性的框架
• 学会量化 Agent 化的 ROI
• 避免常见的"伪需求"陷阱

Agent 化可行性评估框架

不是所有流程都值得 Agent 化。用这个 4 维度评估框架来判断：

维度 1: 重复频率

• 高（每天 10+ 次）→ 非常适合
• 中（每周几次）→ 适合，但 ROI 需要更仔细计算
• 低（每月几次）→ 可能不值得投入

一个每天处理 50 封客户邮件的场景，Agent 化的收益远大于每月处理 3 份合同的场景。

维度 2: 判断复杂度

• 低复杂度（规则明确）→ 用传统自动化更好
• 中复杂度（需要理解上下文、做简单判断）→ Agent 的甜蜜区
• 高复杂度（需要专业知识、创造性决策）→ 做 Human-in-the-Loop

判断复杂度光谱：

规则引擎  ←──── Agent 甜蜜区 ────→  人类专家
IF-THEN      理解意图 + 简单决策      创造性判断

维度 3: 容错空间

• 高容错（发个社交媒体帖子写得一般也没关系）→ 大胆自动化
• 中容错（客服回复质量影响客户体验但不致命）→ 加审核机制
• 低容错（财务数据必须精确、法律文件不能出错）→ Agent 辅助人类

维度 4: 系统集成度

Agent 需要跟多少个外部系统交互？每个系统有 API 吗？

• 1-3 个系统，都有 API → 简单
• 4-6 个系统，大部分有 API → 可行但需要仔细设计
• 7+ 个系统或很多没有 API → 考虑分阶段实施

ROI 计算模板

月度人力成本 = 每次耗时(分钟) × 频率(次/月) × 时薪($/小时) ÷ 60
Agent 月成本  = API 调用费 + 基础设施费 + 维护工时
月净节省     = 月度人力成本 - Agent 月成本
回收期       = 开发成本 ÷ 月净节省

实际案例计算：

场景：客服邮件分类和初步回复

• 人力：每封 5 分钟，每天 40 封，时薪 $25
• 月人力成本：5 × 40 × 22 × 25 ÷ 60 = $1,833/月
• Agent 成本：Claude API $150 + 服务器 $50 = $200/月
• 月净节省：$1,633
• 开发成本：40 小时 × $100 = $4,000
• 回收期：2.4 个月

这是一个非常健康的 ROI。但注意：Agent 不会 100% 替代人力，通常能处理 60-80% 的请求，剩下的需要人工接管。

常见"伪需求"陷阱

陷阱 1: "用 AI 因为 AI 很酷"

如果传统 IF-THEN 就能解决，不要用 Agent。Agent 引入了不确定性和额外成本。一个简单的邮件转发规则不需要 AI。

陷阱 2: "全自动化"执念

好的 Agent 系统知道什么时候该让人来。100% 自动化听起来美好，但实际上 80% 自动化 + 20% 人工审核的系统，质量和可靠性远高于 100% 自动化。

陷阱 3: 忽视数据质量

Agent 的输出质量取决于输入质量。如果你的 CRM 数据一团糟、客户信息不完整、流程没有标准化——先整理数据，再谈 Agent 化。

陷阱 4: 一步到位

从最简单的用例开始。先 Agent 化一个流程、验证效果、积累经验，再扩展到更复杂的场景。

发现 Agent 机会的方法

方法 1: 时间审计

让团队记录一周内的重复任务：

• 做什么？
• 花多长时间？
• 需要什么判断？
• 出错后果多严重？

通常会发现 3-5 个明显的 Agent 化候选。

方法 2: 投诉驱动

客户投诉响应慢？销售抱怨 CRM 录入繁琐？这些"痛点"往往是 Agent 化的最佳切入点。因为解决真实痛点容易获得团队支持。

方法 3: 瓶颈分析

画出业务流程图，找到瓶颈环节。如果瓶颈是"等人处理"而且处理内容有规律可循，那就是 Agent 的机会。

评估清单

在开始构建 Agent 之前，确认以下问题的答案：

关键收获

1. 用 4 维度框架评估：频率、复杂度、容错度、集成度
2. 先算 ROI，不要凭感觉
3. 警惕伪需求——不是所有问题都需要 Agent
4. 从最简单、最痛的场景开始