采纳记分卡量不到流利，试点就停在科学项目

公开叙事像别人度假时发的照片。新闻稿里，AI 在解决问题，按一个按钮，企业里的麻烦就没了。Russell Jukes 见到的是另一面：试点出不了生产。他的第一句是，没有变容易。技术图景不是用 B 换掉 A。AI 被叠进已有的应用、流程，以及从伙伴那里买来的 SaaS。无头化是同一个教训。界面走了，技术栈没走。要管的东西变多，复杂度跟着变多。他打的比方是，环境里本来有三百个应用，再加上 AI，控制面就更难管。旁边的人却觉得，有了 AI，事情应该更简单。

这期由 DXC 赞助。Russell 的职务按节目标题，是 DXC Technology 的 Chief Digital Information Officer。字幕把他的姓听成 Dukes，把公司名听成 Daisy。下文按标题。收尾请观众去了解 DXC 的服务，这里不展开。

原始来源：How To Take Enterprise AI Pilots To Production — With Russell Jukes。中文深度整理，非逐字翻译。本文依据 YouTube 自动生成的英文字幕，专有名词和数字可能有识别误差。赞助口播和结尾的公司引导略去。学校应用的天数和美分、专业代理的数量、试题的条数，都是他的口述举例。

能力发下去之后，记分卡不知道该量什么

行业付钱，是为了让东西上线。没上线之前，他把它叫科学项目。上线意味着用户能交互，而且应当是生产级。聊天机器人、原型、MVP，这些名字在他听来是同一句：先试试，先别追责。

主持问，是不是还缺一个看懂全部软件的中枢。回答往下走了一层。用户会制造复杂度。每个人要先有自己的那个时刻：做出一件事，然后觉得这东西真能用。他的孩子、妻子、朋友有过。过了那个时刻，人才会上学习曲线，去做以前不做的事。在那之前，人的句子是：看不懂，不该信，手头还有交付。所以企业里的采纳不是发一次培训、发一个平台、发几个能回答问题的代理、发一份知识文档。这些要一起做成赋能。

他们的法律团队用 AI 重做了一整套法律系统，并且是用 AI 来重做。律师自己正在过那个时刻。MCP 服务接上数据之后，问题变成另一句。问公司的管道，它说的是不是真的。谁保证过。要不要自己再查。确定的软件里，人打开的是同一份报告，每次都信。这一句不再成立。

路径要先选。一条是把数据都接上，让全公司自己上。一条是只通过 SaaS 里嵌好的 AI。一条是个人可以做自己的代理、带自己的小组，提高个人产出；公司另外做数量更少的专业代理，护栏更紧，安全更紧，能碰到更深的数据。DXC 走的是第三条。每个人可以在多个平台上做自己的代理。跑在核心数据和核心动作上的专业代理，他口中不到一百个。想要 AI、要利润率、要更低的风险，却不选路径，期望和做法就会错开。

个人做的代理不能部署给全公司。给自己用可以。铺到全公司，要有生产级的心态，以及他们在架构上规定必须做的那些事。他不让人跨过这一步。

价值记在业务上，流利度代替采纳

他以前量采纳，现在量流利。被问到业务价值，他把问题还给业务。他帮着把信息记下来。价值住在业务那里。价值若住进 IT，就变成一次技术部署，所有人接着问：它工作吗。需求文档的失败已经有几十年。坐下来把想要的写细，对方说是，做出来又说不是。敏捷把项目缩短了。那仍是把软件做完，还没把软件重想成代理式的东西。

他看到的路程不能跳。先有平台，Claude、ChatGPT，选一个或同时用。然后是检索和摘要，聊天机器人把数据找出来、缩起来。然后是带着问题上下文的代理。然后有人做出几千个、几百个。再然后收到三四个，全公司跟这三四个说话，编排在后面发生。直接跳到「我来做代理式方案，一切就会工作」，是他看到失败的地方。该建的那一大批仍然要建，然后才可能藏到一个入口后面。跳过会在理解上留下空档。

价值长什么样，取决于 AI 是哪一种。夜里在后台跑的，是一种。回答福利问题的聊天机器人，是一种。审发票、标出例外、请人批准的工作流，又是一种。价值实现的模板每人一份，填到底下就告诉你有没有价值。他认为没有一种尺寸适用全部，和以前部署的软件一样。

赋能因此要有好几面。他们和一家学习管理系统的提供方做了大协议，把学习收成按角色切的短片段。人在做那件事的时候，教育要短，要碰到当时要做的那一点。

编码是他愿意先拆开的一块。更快，更便宜，产出是实的。他的团队在用，不同供应商，结果他觉得好。和测试驱动的自动化一样，要做的是按结果编码。需求可以喂进去，做的过程中要测它是不是达到要的结果。缓存、长提示、会陷进去的循环、准备修几轮，都是技术。有人说要把 token 烧光。token 是计量模型用量的单位。他认为行业会奖励克制。消耗仍然要单独算进成本。

他用一个学校应用打比方，不是一份账单。以前要四十五天，现在要四天。有人会在四十五美分和四点五美元之间吓一跳。他要放回的对照是那四十五天。企业得先有模型：这件事人的劳动多少，非人的劳动多少。预算里要有 token 那一行，也要有人的劳动那一行，才能谈到刚做完的事值多少。用例他不太追。用例把人收进一个待修的口子里，现在部署的技术不适合被收成那样。

界面他觉得还没解开。他在推测：传统界面会消失，界面按你当时要做的事现做。看公司财务是一套，做年中绩效是另一套。他相信新的界面是语音，画面按正在说的话长出来。把这种会动的界面拿给今天还在企业里执行流程的人，他觉得太过。还没到。几十年里，软件把人关进流程，下拉框让人在流程里变快。提交之后发生什么，按的人往往不知道。AI 这边没有提交按钮。开口是：你要达成什么。

业务逻辑一般住在应用里。他们两种都试过。一种是仍做传统应用，用编码工具做得更快、更干净。同一种应用再搬进代理式方案，然后问：业务逻辑现在住哪。六个月后软件业会怎样，他说自己不知道。能知道的是，方案里的 AI 不会退回去。

生产级是一套能停、能测、能换的系统

他第一次大规模部署 AI，是按 SaaS 应用的方式做的。结果他称为彻底的灾难。学到的东西很多，这个错没有再犯。

生产级先看控制面。DXC 里大多数主要 SaaS 都有，他们自己在用。供应商把 AI 放进应用时，会带一个控制面。治理、管控、安全、数据主权、防泄漏，都从这里做。自己建，就要回答控制面在哪、怎么管。用户反复问的是：这话能不能打。会不会有人看见。输入要让人觉得安全。后面还要管留存，推理落在哪个国家。和客户对不上，就得重新谈。

他自己漏过的，包括接到监控，以及真实性测试。他有一百道题，一百个定好的答案，拿去打散落各处的代理，看是不是给出那个答案。不是，就停下来问为什么。标准答案他们知道。这种测试一直在跑。字幕里还有一个叫 Oasis 的 harness，用来卡住 AI 能做和不能做的事。本文不把这个名字改成另一家产品。

他的信任和普通用户的信任是两档。专业代理数量有限，能碰到很多数据，能做很多事。测试不是测完就部署。个人代理是另一档：摘要昨晚的邮件，看看进来多少空缺职位，汇总等着批的采购单。严谨程度低一档。客户那边、他称为关键基础设施的那一档，更严。

信任要长出来。问同事或朋友一个答案，人之所以信，可能是对方以前答对过，可能是觉得对方懂得更多，也可能是每句都要看来源。来源本身也可以不被信。用能力的人同样要信任幕后把护栏和控制面配好的人，一般是 IT。那就要一直把话说清：它怎么工作，怎么测的，怎么控的，怎么保护你。

停机要按连续性来写。AI 若做的是必须做的事，或者人睡觉时代理在跑、早上结果要等着用，它整个失败时怎么办。行业会问到主权的、离线的、私有的 AI。他举过一个已经发生的时刻：美国出过命令，某个模型谁都不能用。大家切到另一个模型。若没有可切换的能力，或者它嵌进了你不知道的地方，这条路就断。模型本身是流动的。模型园、按上下文把问题路由到不同模型、帮你做路由的 AI 网关，都已经有人在做。要走的仍是标准的连续性：怎么知道它失败了，备份是什么。第二套、第三套、离线模型和在线模型、自己的算力，都在这张单子上。那次下线他记得大约三十天或四十五天，两个数都说过，下文不取其中一个。他要的是能在控制面、编排、模型、成本点之间切换。

安全负责人的工作因此更难。外面要防，里面也要防，而新东西还在不断部署。CIO 和 CISO 得一起决定给人什么。字幕里他称公司的 CISO 为 Mike。注入和钓鱼要先问住。钓鱼代理他觉得还没成批出现。多种控制面叠在已有技术栈上，才是复杂度的来源。单看任何一件，并不特别难。

代理算同事还是算软件，他曾经脱口要答，又停下来。给个人和团队建的，当团队成员对待。他建的那些要有自己的身份。它们访问的东西，不能借别人的身份去拿。

学习曲线买不掉，行为准则要写两份

自建还是购买，取决于和伙伴的关系。他和 Amazon 是共同创新：从买一家供应商，到提供方，到伙伴。不行就说要改成什么样，关系是流动的。也有 SaaS 把质量够的 AI 做进产品里，那是上市速度。自己有技术能力，就该把这块肌肉用起来，自己也建一些。两头可以并存。买来的方案不会取消那条曲线：每个人仍要有自己的时刻，信任的问题仍在。

技术栈他建议并排画两张。一张是原来的：数据库、中间件、应用层。一张是代理式方案。数据存在哪，是原来的库还是另一种库，要单独回答。AI 网关可以买，也可以从现有提供方拿。编排可以自己做，也可以放在控制面里。大提供方各有一个控制面，CIO 要同时管。再按业务挑：这一块用这一面。他们按角色来切，编码的人、财务、人力资源，各有自己在用的栈。和业务伙伴把两张图摆开，对方才看见：若要建，是从哪一栈走到哪一栈。

复杂度这一段，他认为会过去。新技术的引入不会慢下来。人会追上：怎样拿到价值，怎样控制，怎样让它安全，怎样信任它。现在是技术走在消费能力前面。追上之后，生产级怎么做、连续性怎么做、为什么量流利不量采纳、代理怎样跟代理说话、协议是什么，都会变成知道的事。他们公司有两份商业行为准则。一份给员工。一份规定代理该怎样工作。两份都是人力资源写的，不是他写的。他只是说这件事要发生了：代理该怎样跟人说话。然后才轮到价值有没有被挤出来。这一点，他认为现在还量不到。

落在后面的公司，他不看成一条直线上的掉队。同行的 CIO 在互相问某种做法到底行不行，话题很快滑到安全和保障。掉一点，再借别人已经学过的跳一段，然后再掉。路径仍要自己选。领导者也要先有那个时刻。他提到他们的 CEO 去过 Claude、Anthropic 的训练营，出来之后对 AI 怎么工作的理解会不一样。