Make称AI Agent落地受阻非因技术 错配控制权与治理权成主因

Why AI Agent Pilots Stall - and What Actually Fixes Them With Make — Ai4

Ai4

AI Agent项目在生产环境中停滞并非技术不足,而是企业将确定性规则误交给模型自主推理,且未将流程治理与所有权下放至一线业务团队。

AI-assisted summary of Why AI Agent Pilots Stall - and What Actually Fixes Them With Make — original source. Check the original for full context.

Source published:

Detailed notes

## Background 本内容由频道 Ai4 于 2026 年 8 月 20 日发布在 YouTube 平台上。视频记录了 Make 市场策略副总裁 Darin Patterson 的主题演讲,核心探讨为什么众多 AI Agent 项目停滞在概念验证(PoC)阶段,并结合真实企业实践提供跨越生产鸿沟的破局方案。

## TL;DR 演讲指出 AI Agent 难以真正落地生产并非模型能力不足,而是遭遇了控制权失衡、治理脱节与度量狭隘三大组织层面的“生产路障”。针对这些差距,团队不应将自主性视为二元对立,而应通过自动化光谱在关键节点精准配置控制旋钮;同时需将流程归属权交还给业务一线,实现去中心化治理。最后,企业必须跳出单纯计算工时的狭隘陷阱,从全流程提速、战略敏捷性等宏观价值定义成功,通过小步快跑积累全局业务成果。

## Atmosphere & style 整场演讲呈现出务实、沉稳且极具启发性的行业洞察风格,彻底摒弃了空洞的技术炒作。Darin Patterson 结合自身 20 年经验娓娓道来,语言洗练且直击业务痛点,从对行业普遍“AI 幻灭论”的理性反驳,自然过渡到极具实操性的落地清单。聆听过程如同参加一场高浓度的企业架构复盘会,既有对一线员工技术自救案例的生动描摹,又充满推动组织变革的行动力与紧迫感。

## Key takeaways - [00:04](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=4s) AI Agent 当前的核心挑战已不再是理解定义或构建 PoC 原型,而是如何从 Demo 跨越到能产生大规模商业回报的生产环境。 - [02:08](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=128s) 绝大多数 AI 项目停滞并非因为 AI 模型能力不足,而是遭遇了组织架构、流程设计和人员思维等生产落地障碍。 - [02:08](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=128s) PoC 阶段具备高容错率与专人实时监控,而生产环境则要求系统具备大规模运行、事前错误预防以及应对不可预知边缘情况的能力。 - [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 自动化是一条包含确定性工作流、工作流嵌入 AI 以及完全自主 Agent 的光谱,不应将自主权过度赋予原本属于确定性逻辑的环节。 - [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 当 Prompt 中充斥大写的强制命令(如 ALWAYS DO THIS)时,说明该节点属于确定性流程,应通过前置工作流直接拉取数据而非消耗模型推理步数与 Token 成本。 - [10:47](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=647s) Stellantis 汽车零售服务案例表明,通过精准划分确定性流程与局部 AI 语义分析,成功处理超 4.7 万条消息并将头号客户投诉逆转为 NPS 增长核心驱动力。 - [11:55](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=715s) AI 落地生产环境必须明确流程所有权、变更控制、风险检查点和责任归属四个核心治理问题,且责任必须由业务结果负责人而非中心化 IT 团队承担。 - [13:59](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=839s) TravelPerk 通过去中心化治理赋能财务一线团队自主搭建并维护专属 Agent,实现了 30% 财务工单的全自动解决并达成 SLA 承诺。 - [15:07](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=907s) AI 度量指标应走出单纯“节省工时”或“削减编制”的局限,转向整体流程加速、客户体验质量提升以及组织战略敏捷性等长期宏观价值。 - [16:40](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1000s) Dude Wipes 将供应链排期和营销订单等无须主观判断的流程全自动化,在仅 40 人的团队规模下支撑营收从 7,200 万美元激增至 2.5 亿美元。 - [17:44](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1064s) 跨越从 PoC 到生产环境的鸿沟不能依赖微调 Prompt 或折腾 Eval,而应聚焦于平衡控制权旋钮、推进贴近业务的去中心化治理以及设定长期战略度量体系。

## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=4s) 引言与背景:从 Demo 到生产落地的跨越

演讲者 Darin Patterson 介绍了自己的背景。在过去的 20 年里,他一直致力于帮助全球各地的企业探索“未来的工作方式”(Future of Work)。随着技术演进,当前组织工作变革的核心无疑是 AI 与 Agentic(智能体)流程。一两年前大家还在熟悉什么是 AI Agent,而现在行业已经普遍理解了其定义,很多人甚至已经亲手构建过原型。

现在的核心挑战在于如何实现下一个“圣杯时刻”(Holy Grail moment):从 Demo 或 PoC(概念验证)中的亮眼表现,真正跨越到能够带来大规模业务回报的生产环境。Darin 目前在 Make 担任市场策略副总裁(VP of Market Strategy)。Make 是一个 AI Agent 与自动化编排平台,旨在让最贴近业务流程的业务人员通过可视化方式与各种底层业务应用交互,识别、设计并审计端到端自动化的每一个细节。

- **演讲者背景**:Darin Patterson 拥有 20 年企业数字化与工作流程变革经验。 - **Make 平台定位**:面向业务人员的 AI Agent 与自动化可视化编排工具,支持细粒度的运行检查与审计。

---

[02:08](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=128s) 为什么 AI 项目会停滞:并非技术不够好,而是生产鸿沟

在各大行业峰会上,来自 Gartner 等权威研究机构的数据屡屡指出一个令人不安的现实:大量 AI 项目在今年及明年面临被裁撤或搁置的命运。对此,很多人容易得出一个轻率的结论——“AI 挺酷的,但还没准备好进入实际业务”,认为大家跑得太快了。

```mermaid flowchart LR accTitle: Pilot vs Production Gap subgraph PoC["🧪 Pilot / PoC 阶段"] direction TB P1["容错率高(人工实时兜底)"] P2["输入已知且受限"] P3["由专属 Champion 紧密监控"] end subgraph Prod["🚀 生产环境(Production)"] direction TB PR1["大规模运行(Scale)"] PR2["必须事前预防错误"] PR3["应对不可预知的复杂边缘情况"] end PoC -->|"巨大的组织与架构鸿沟"| Prod ```

Darin 强调事实并非如此:AI Agent 项目停滞或流产,绝不是因为 AI 能力不足,而是因为遇到了“生产路障”(Production Roadblocks)。这些问题本质上是组织架构、工作流设计与人员思维方式等“人”层面的问题,而非纯技术缺陷。在 Pilot 阶段,环境极具容错性,有专门的团队盯着每次运行,输入也是已知的;而进入生产环境,Agent 必须面对大规模运行、事前错误拦截以及真实世界不可预测的极端情况。

为解决这一鸿沟,Make 在总结数千家客户经验后提炼出三大核心差距: 1. **控制调节盘(Control Dial)**:在业务流程的各个环节动态平衡自主性与确定性。 2. **治理机制(Governance)**:明确归属权、变更控制与决策审批权限。 3. **度量指标(Measurement)**:制定清晰的成功标准,构建支撑长期 ROI 的业务用例。

---

[05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 核心差距一:控制调节盘(Control Dial)与自动化光谱

AI Agent 本质上是一种新型的自动化手段。在思考业务流程时,不应将自动化视为非黑即白的二元对立,而应将其视为一条“自动化光谱”(Automation Spectrum)。很多团队陷入困境的原因在于把过度的自主权赋予了原本只需要确定性逻辑的环节。

| 自动化光谱阶段 | 运行机制 | 适用场景与特征 | |:--- |:--- |:--- | | **规则自动化工作流**<br>*(Deterministic Workflows)* | 基于固定规则、预设上下文稳定触发 | 逻辑明确、无需推理的标准操作(如查询用户信息、检索退款历史) | | **工作流中的 AI**<br>*(AI within a Workflow)* | 骨架是确定性工作流,仅在特定环节调用 AI 能力 | 流程整体稳定,但在分类、摘要、意图理解等特定节点需要智能分析 | | **完全自主的 AI Agent**<br>*(Fully Autonomous Agent)* | 由模型全权自主判断下一步该执行什么动作与工具 | 面对高度不确定、开放式的复杂推理场景 |

```mermaid flowchart LR accTitle: The Automation Spectrum A["确定性工作流<br>(Deterministic Rules)"] --- B["工作流中的 AI<br>(AI in Workflow)"] --- C["完全自主 Agent<br>(Autonomous Reasoning)"] ```

如果工程师在编写 Agent 提示词时使用了全部大写的“ALWAYS DO THIS”(必须始终执行此操作),这就是一个强烈的信号:该环节本质上是确定性逻辑,应该直接写在工作流中先行为模型拉取好数据,而不是让 Agent 每次去思考要不要查数据。让 Agent 自由决定显而易见的操作,不仅大幅增加了在现实复杂场景下的出错风险,还会因为频繁遍历 Toolset、增加思考步数而显著推高 Token 成本。许多人误以为自己遇到了 Eval(评估)问题、Prompt 问题或推理问题,其实本质上是**自主权分配失衡(Autonomy Problem)**。

- **大写 Prompt 警示**:当 Prompt 充满强制性大写规则时,说明该节点属于确定性流程,应前置由工作流处理。 - **工具权限控制原则**:不要直接扔给 Agent 一个宽泛的 Salesforce 访问权限,而应提供封装好的、功能高度明确的专用微工具(Specific Tools)。

---

[09:51](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=591s) 案例实践:Stellantis 汽车零售服务部门的破局

为了说明控制调节盘的实际应用,Darin 分享了跨国汽车制造巨头 Stellantis(旗下拥有菲亚特 Fiat、克莱斯勒 Chrysler、吉普 Jeep 等品牌)的真实案例。在英国的 Stellantis 汽车售后服务部门,团队面临着严峻的客户沟通痛点。在繁忙的汽修服务门店中,大量车辆进进出出,工作人员需要处理无休止的客户沟通,导致关于“沟通不及时、不透明”的客户投诉激增。

该部门一位名叫 Connor 的非技术背景员工(非专业开发者)敏锐地意识到现存业务流程可以通过自动化进行重塑,随后他主导设计了一套结合自动化工作流与智能分析的解决方案,自动处理对外客户沟通并分析交互数据。

- **企业背景**:Stellantis 英国售后服务中心。 - **痛点分析**:售后服务车间节奏极快,高频沟通导致沟通类投诉成为头号客户体验杀手。 - **业务创新者**:Connor 作为一线非研发人员,通过可视化自动化工具实现了业务自救。

[10:47](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=647s) 设定控制权旋钮:汽车售后服务案例中的精准分工

在探讨如何平衡自主性与人工控制时,Connor 的做法展示了一个极具参考价值的范例。他并没有盲目跟风去追逐“Agent 是最新潮的技术”这种噱头,而是回归商业本质:深入拆解现有的业务流程,明确哪些环节可以规则化、清晰地定义,哪些环节才真正需要 AI 的介入。

例如,当售后系统给客户发送通知:“抱歉,您需要的轮胎目前无现货,您愿意等到明天吗?”客户可能简短回复一句“好的”。此时,AI 的职责并不是接管整个对话,而是分析上下文语义,并在精准的时间节点通知正确的售后服务人员介入跟进。Connor 没有赋予 AI 完全掌控对话的权限,而是在关键节点进行局部控制与协作。

```mermaid flowchart LR accTitle: 汽车售后客户沟通与 AI 协作流程图 subgraph S1["入站消息处理"] A["客户回复短信"] --> B["AI 语义与上下文分析"] end subgraph S2["决策分流"] B --> C{"是否为标准流程?"} C -- "常规/已确认" --> D["自动结案/更新工单"] C -- "需人工跟进" --> E["精准通知售后服务人员"] end subgraph S3["业务成效"] D --> F["47,000+ 消息分析"] E --> G["NPS 核心增长动力"] end ```

- **消息处理量**:累计分析超过 47,000 条入站客户消息。 - **自动化率**:其中 18,000 条消息实现全自动关闭/处理,无需人工介入。 - **客户满意度反转**:原本售后沟通是客户投诉的主要诱因,如今彻底逆转,成为驱动净推荐值(NPS)提升的头号关键因素。

---

[11:55](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=715s) 治理鸿沟:AI 落地生产环境必须回答的四个核心问题

从概念验证(PoC)走向正式生产环境时,团队遭遇的第二大障碍是“治理”(Governance)。许多人一听到“治理”这个词,脑海中立刻浮现出僵化的自上而下的官僚体系,但这里指的是业务日常运营中的实际问题:所有权归属、变更控制,以及流程上线后谁拥有决策权与责任。

在将 AI Agent 部署到生产环境时,企业必须直面并回答四个在 PoC 阶段往往被忽略的根本问题:

1. **流程所有权归属(Process Ownership)**:关键在于“谁拥有这个业务流程”,而不是“谁拥有这个 AI Agent”。如果采用纯中心化的 IT 模式,IT 团队只对自己构建的 Agent 负责,并不对实际业务流程和业务结果负责。因此,必须引入真正对业务结果负责的业务干系人。 2. **变更控制与发布机制(Change Control)**:流程如何变更?谁有权限修改?在什么节点发布更新才是合适的? 3. **风险检查点设置(Checkpoints & Risk)**:流程中的风险等级如何?是需要对所有内容进行前置审核再发给客户,还是允许系统直接发出、随后由人工进行事后复核? 4. **最终责任归属(Accountability)**:当工具接口变化、上下文出现偏差或系统出错时,谁来承担责任?纯靠中心化 IT 团队,他们显然无法为业务结果兜底,责任必须且只能由业务流程所有者承担。

---

[13:59](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=839s) 赋能业务端:TravelPerk 财务团队的自主 Agent 实践

全球快速增长的商旅及费用管理平台 TravelPerk(文中称 Perk)提供了一个去中心化治理的优秀案例。高级工程经理 Gabriel 的核心理念是:赋能组织内部的其他成员,让他们能够拥有并修复自己的业务流程。

Gabriel 没有让技术团队大包大揽,而是把构建 Agent 的工具和能力交给了日常催收账款、处理账单与发票疑问的财务团队。此前,财务团队面临难以达标的 2 天 SLA 承诺,且业务细节错综复杂,技术人员很难精准定义规则,但财务人员自己却了如指掌。财务团队利用 Make 搭建了一个专属的财务 Agent,并将其命名为“Ariel”。

```mermaid flowchart TD accTitle: TravelPerk 财务工单 AI 分流架构 A["客户入站财务请求 / 发票疑问"] --> B["Make 财务 Agent: Ariel"] B --> C["意图识别与语义解析"] C --> D["30% 常见问题全自动解决"] C --> E["复杂请求精准路由至对应财务专员"] D & E --> F["工单响应进入 SLA 达标范围内"] ```

- **第一道防线**:Ariel 成为所有入站客户请求的统一过滤入口,负责读取客户意图并分发至正确小组。 - **工单自动化**:实现了 30% 的工单自动解决。 - **业务成效**:成功扭转此前无法履约的局面,将响应时间严格控制在内部 SLA 范围内,且整个流程由财务团队自主维护与迭代。

---

[15:07](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=907s) 指标陷阱与价值重构:从单纯省时到长期战略敏捷

阻碍 AI 项目落地的第三大杀手是度量管理(Measurement),这往往是导致项目流产的“隐形杀手”。很多团队无法在前期清晰定义成功标准,导致无法向管理层证明业务价值,进而无法获得上线所需的资源。

在传统软件时代,人们习惯用单一维度去衡量产出,但在 AI 时代,需要转向更加全面、宏观的长期价值体系:

| 传统思维陷阱 | 长期战略价值视角 | |:--- |:--- | | **单纯节省时间** | **整体流程加速**:全面提升组织的市场竞争力与敏捷响应速度 | | **单纯减少错误** | **体验质量提升**:通过高一致性交付更出色的客户体验 | | **增加单一收入来源** | **战略敏捷性**:赋予组织在快速变化的市场中快速调整业务的能力 | | **削减员工编制(Headcount)** | **赋能型团队**:解放重复劳动,打造热爱工作、专注高价值创新的团队 |

要让高管买单,业务用例必须建立在这些宏观价值之上;同时必须认识到,宏大目标不可能一蹴而就,而是由许多小步快跑的微小迭代共同累积而成的。

---

[16:40](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1000s) 800小时的解放:Dude Wipes 的 2.5 亿美金增长奇迹

以生产男士可冲湿巾闻名的快消品牌 Dude Wipes 展现了由众多小型 Agent 驱动宏观增长的强大力量。运营负责人 Zach Means 作为公司的第 14 号员工加入,当时公司月营收约 600 万美元(年营收约 7,200 万美元);3 年后,公司年营收飙升至 2.5 亿美元,而全公司团队仅有 40 人。

他们并没有采取激进招聘、不计代价扩张的模式,而是做出了一个非常坚决的战略选择:“将所有不需要人类主观判断的流程全部自动化,让人才专注于更具全局性、战略性的工作。”

- **供应链规划 Agent**:独立处理从制造商到仓库的所有货运排期与物流规划。 - **营销与样品订单 Agent**:自动读取营销邮件,识别其中的样品索取需求,自动创建订单并向客户回传物流追踪更新。 - **组织效率飞跃**:累计为员工返还超过 800 小时的高价值时间,支撑了公司从 7,200 万美元到 2.5 亿美元的爆发式增长。

---

[17:44](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1064s) 告别提示词内耗:周一早晨带回团队的落地行动清单

回顾这三家跨越不同行业、组织架构与商业模式的企业,他们之所以能跨越从 PoC 到生产环境的鸿沟,靠的绝不是把时间耗费在微调系统提示词(System Prompts)、编写大写字母命令或者反复折腾评测指标(Evals)上,而是做到了三点核心突破:

1. **精准的控制旋钮**:找准自主与控制的平衡点,将抱怨转化为 NPS 驱动力。 2. **贴近业务的治理**:让最懂业务流程的一线团队成为流程的构建者与治理者,IT 团队退后一步转为赋能平台,彻底消除审批路障。 3. **着眼大局的度量**:不局限于局部微小指标,通过小步快跑积累全局业务成果。

演讲最后向在场听众提出建议:在拉斯维加斯参会结束后,周一早晨回到公司,无论是面对自己的项目还是团队汇报,务必提出三个核心问题:

- **我们是否清晰定义了流程对控制与灵活性的容忍度?** - **我们是否明确了到底由谁真正拥有并对业务流程负责?** - **我们是否把目光聚焦在长期的宏观战略价值,而不仅仅是短期的计工省时?**

归根结底,AI Agent 项目的成败核心在于“人”而非单纯的技术。技术只是桥梁,真正赋予业务生命力的是一线员工与真实业务场景的连接。

## Notable quotes > [00:04](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=4s) 从 Demo 或 PoC(概念验证)中的亮眼表现,真正跨越到能够带来大规模业务回报的生产环境。 — Darin Patterson

> [02:08](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=128s) AI Agent 项目停滞或流产,绝不是因为 AI 能力不足,而是因为遇到了“生产路障”(Production Roadblocks)。 — Darin Patterson

> [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 如果工程师在编写 Agent 提示词时使用了全部大写的“ALWAYS DO THIS”(必须始终执行此操作),这就是一个强烈的信号:该环节本质上是确定性逻辑,应该直接写在工作流中先行为模型拉取好数据,而不是让 Agent 每次去思考要不要查数据。 — Darin Patterson

> [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 许多人误以为自己遇到了 Eval(评估)问题、Prompt 问题或推理问题,其实本质上是自主权分配失衡(Autonomy Problem)。 — Darin Patterson

> [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 不要直接扔给 Agent 一个宽泛的 Salesforce 访问权限,而应提供封装好的、功能高度明确的专用微工具(Specific Tools)。 — Darin Patterson

> [11:55](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=715s) 关键在于“谁拥有这个业务流程”,而不是“谁拥有这个 AI Agent”。 — Darin Patterson

> [13:59](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=839s) 赋能组织内部的其他成员,让他们能够拥有并修复自己的业务流程。 — Gabriel

> [16:40](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1000s) 将所有不需要人类主观判断的流程全部自动化,让人才专注于更具全局性、战略性的工作。 — Zach Means

> [17:44](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1064s) 靠的绝不是把时间耗费在微调系统提示词(System Prompts)、编写大写字母命令或者反复折腾评测指标(Evals)上。 — Darin Patterson

> [17:44](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1064s) 归根结底,AI Agent 项目的成败核心在于“人”而非单纯的技术。技术只是桥梁,真正赋予业务生命力的是一线员工与真实业务场景的连接。 — Darin Patterson

## Mentioned Darin Patterson, Make, Gartner, Stellantis, Fiat, Chrysler, Jeep, Connor, Salesforce, TravelPerk, Gabriel, Ariel, Dude Wipes, Zach Means, Ai4

## Video description Darin Patterson - VP, Market Strategy, Make

Most AI agent projects don't fail because the AI isn't good enough. They stall between proof of concept and production.

Drawing on lessons from thousands of companies building AI-powered workflows and AI agents, this session reviews three gaps that consistently prevent pilots from shipping: the agentic autonomy dial (balancing control and flexibility), governance (decisions on ownership, change control, and decision making authority), and measurement (defining the right success criteria for each AI use case).

We'll frame how these gaps get addressed through real use cases from an enterprise SaaS company that cut finance ticket resolution from two days to five minutes, a major automotive retail service group that turned its #1 customer complaint into a top NPS driver, and a fast-growing CPG brand that scaled from $72M to $250M in revenue while returning 800 hours to employees through AI agents.

Attendees will leave with a practical framework for diagnosing gaps that are blocking their own initiatives and what it takes to close them.

[Source](https://www.youtube.com/watch?v=uwSjLZAxfwU)

中文简报

Make副总裁称AI试点停滞源于组织摩擦而非LLM局限 AI智能体项目在生产部署中停滞,是由于自主权配置不当、运营权责模糊以及狭隘的传统指标,而非人工智能技术本身的缺陷。 Darin Patterson解释说,AI智能体项目极少因AI模型本身能力不足而失败,更多是因为企业在从受控试点迈向实际生产时遇到了可解决的运营摩擦。他指出了阻碍部署的三大主要差距:自主权控制配置不当、疏离业务流程负责人的僵化自上而下治理,以及仅聚焦于精简人手的狭隘评估体系。通过Stellantis、Payhawk和Dude Wipes的案例研究,Patterson展示了如何通过平衡确定性工作流与AI、将智能体创建权下放至业务线团队,以及衡量更广泛的业务推进速度,来帮助企业可靠地将AI智能体规模化应用于生产环境。 Make 市场战略副总裁 Darin Patterson 指出,企业 AI Agent 项目停滞或失败的主因并非当前 LLM 能力不足,而是从宽容的 POC 环境跨越到严苛的生产环境时遭遇了组织阻力与治理障碍。 (2:08) “控制旋钮”(Control Dial)框架强调平衡确定性逻辑与自主性:应将完全可预测的业务步骤硬编码为确定性规则,过度赋予 Agent 自主权不仅会增加运行风险,还会大幅推高 Token 成本。 (4:50) Stellantis UK 通过 Make 构建了结合确定性触发与嵌入式 AI 的客服 Agent,自动解决超 1.8 万起客户咨询,将原本排名第一的客户投诉转化为 NPS 提升的核心推动力。 (9:51) 有效的 AI 治理应将流程所有权和变更管理权限下放给业务线部门而非完全集中于 IT;Payhawk 财务团队借此自行构建对账 Agent,将工单处理时间从 2 天压缩至 5 分钟。 (13:58) 企业衡量 AI 价值需跳出短期裁员和单纯省时的传统视角,转向整体业务加速与战略敏捷性;消费品牌 Dude Wipes 借助多场景 Agent 协作,在仅 40 人的团队规模下将年营收从 7200 万美元扩展至 2.5 亿美元。 (16:39)

精炼阅读摘要

Make 市场战略副总裁 Darin Patterson 指出,企业人工智能智能体(AI Agent)项目陷入停滞的核心原因并非基础大语言模型的技术缺陷,而是从概念验证走向生产环境时的组织摩擦与架构失衡。他认为企业必须校准自主性与确定性规则的平衡,将治理所有权下放给一线业务团队,并重构超越裁员维度的战略衡量体系,才能真正实现智能体的规模化落地。 控制旋钮:平衡确定性逻辑与自主决策 (4:50) 许多项目推进受阻的根源在于团队混淆了动态自主性与固定业务逻辑。过度依赖全自主智能体处理简单可预测的环节,不仅会大幅增加 Token 调用成本,还会因偶发异常输入引发流程遗漏,导致工程人员陷入不断用全大写字母修改系统提示词或调试评测的死循环。Patterson 提出“控制旋钮”架构,主张将 AI 嵌入具有严格边界的结构化工作流中,用确定性硬编码处理固有逻辑,仅在需要语义理解和灵活推理时调用模型。 汽车集团 Stellantis 在英国的服务团队通过无代码方式构建智能体印证了这一逻辑。该团队利用固定规则自动触发维保状态通知,仅在客户回复出现语义歧义(例如分析客户回复“好的”究竟是同意延期提车还是单纯知晓)时由内嵌 AI 进行解析,并按逻辑分发给技术人员。该系统累计分析了超过 4.7 万条客户消息,自动解决了 1.8 万起咨询,成功将此前公司面临的第一大客户投诉源头转化为推动净推荐值(NPS)提升的首要因素。 敏捷治理:从IT集权转向业务端所有权 (11:50) 生产环境部署面临的第二大瓶颈是治理架构的错配。Patterson 强调,有效的治理并非设立自上而下的官僚审批,而是明晰系统上线后的业务归属、变更权限、人机协同(Human-in-the-loop)检查节点以及异常兜底责任。若由中心化 IT 团队单方面构建并托管智能体,往往会出现技术人员无法对实际业务结果负责、遇到边缘情况无人修复的脱节现象,而一线业务团队往往才是流程的真正所有者。 金融科技平台 Payhawk 的实践展示了去中心化治理的落地路径:该平台工程管理者向财务运营团队开放了可视化搭建工具,让非技术业务人员自行设计并维护名为“Ariel”的初审智能体。该智能体能够识别客户意图并自动分流账单与发票咨询,不仅实现了 30% 的工单全自动处理,还将响应时间从积压两天的窗口期缩短至 5 分钟以内,在保障服务等级协议(SLA)的同时保持了业务的主动演进。 价值度量:从削减工时转向战略敏捷性 (15:06) 企业套用传统软件的投资回报率(ROI)计算方法,过度聚焦于短期削减人力与基础工时节省,构成了扼杀试点的隐性杀手。Patterson 警告称,智能体的核心价值体现在端到端流程加速、市场响应敏捷度、客户留存率提升以及释放员工创造力上,而非简单地裁减团队规模。 消费品牌 Dude Wipes 采取了多智能体协同策略,分别针对干线货运物流规划与营销样品索取邮件处理部署自动化智能体。这套系统将超过 800 小时的繁琐行政事务移交给机器,支持该品牌在仅有 40 名员工的精简团队编制下,将年收入从 7200 万美元(最初月销售额 600 万美元)规模扩展至 2.5 亿美元。该案例表明,以企业整体吞吐速度和长远扩张能力作为衡量基准,能为持续深耕智能体应用提供更稳固的商业论证。 Patterson 总结认为,智能体落地面临的终极挑战在于组织内部人员的分工与协作机制,而非单纯的技术指标。企业在诊断受阻的试点项目时,应当审视控制与灵活性的界限、明确业务流程的最终归属者,并确立长远战略价值导向。不过,该观点主要建立在支持业务人员自建流程的可视化编排平台经验之上,对于高度敏感或受强监管约束的高风险业务场景,业务端主导自治与合规审查之间的制度张力仍有待进一步实践检验。

Detailed notes — zh

## Background 本内容由频道 Ai4 于 2026 年 8 月 20 日发布在 YouTube 平台上。视频记录了 Make 市场策略副总裁 Darin Patterson 的主题演讲,核心探讨为什么众多 AI Agent 项目停滞在概念验证(PoC)阶段,并结合真实企业实践提供跨越生产鸿沟的破局方案。 ## TL;DR 演讲指出 AI Agent 难以真正落地生产并非模型能力不足,而是遭遇了控制权失衡、治理脱节与度量狭隘三大组织层面的“生产路障”。针对这些差距,团队不应将自主性视为二元对立,而应通过自动化光谱在关键节点精准配置控制旋钮;同时需将流程归属权交还给业务一线,实现去中心化治理。最后,企业必须跳出单纯计算工时的狭隘陷阱,从全流程提速、战略敏捷性等宏观价值定义成功,通过小步快跑积累全局业务成果。 ## Atmosphere & style 整场演讲呈现出务实、沉稳且极具启发性的行业洞察风格,彻底摒弃了空洞的技术炒作。Darin Patterson 结合自身 20 年经验娓娓道来,语言洗练且直击业务痛点,从对行业普遍“AI 幻灭论”的理性反驳,自然过渡到极具实操性的落地清单。聆听过程如同参加一场高浓度的企业架构复盘会,既有对一线员工技术自救案例的生动描摹,又充满推动组织变革的行动力与紧迫感。 ## Key takeaways - [00:04](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=4s) AI Agent 当前的核心挑战已不再是理解定义或构建 PoC 原型,而是如何从 Demo 跨越到能产生大规模商业回报的生产环境。 - [02:08](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=128s) 绝大多数 AI 项目停滞并非因为 AI 模型能力不足,而是遭遇了组织架构、流程设计和人员思维等生产落地障碍。 - [02:08](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=128s) PoC 阶段具备高容错率与专人实时监控,而生产环境则要求系统具备大规模运行、事前错误预防以及应对不可预知边缘情况的能力。 - [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 自动化是一条包含确定性工作流、工作流嵌入 AI 以及完全自主 Agent 的光谱,不应将自主权过度赋予原本属于确定性逻辑的环节。 - [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 当 Prompt 中充斥大写的强制命令(如 ALWAYS DO THIS)时,说明该节点属于确定性流程,应通过前置工作流直接拉取数据而非消耗模型推理步数与 Token 成本。 - [10:47](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=647s) Stellantis 汽车零售服务案例表明,通过精准划分确定性流程与局部 AI 语义分析,成功处理超 4.7 万条消息并将头号客户投诉逆转为 NPS 增长核心驱动力。 - [11:55](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=715s) AI 落地生产环境必须明确流程所有权、变更控制、风险检查点和责任归属四个核心治理问题,且责任必须由业务结果负责人而非中心化 IT 团队承担。 - [13:59](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=839s) TravelPerk 通过去中心化治理赋能财务一线团队自主搭建并维护专属 Agent,实现了 30% 财务工单的全自动解决并达成 SLA 承诺。 - [15:07](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=907s) AI 度量指标应走出单纯“节省工时”或“削减编制”的局限,转向整体流程加速、客户体验质量提升以及组织战略敏捷性等长期宏观价值。 - [16:40](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1000s) Dude Wipes 将供应链排期和营销订单等无须主观判断的流程全自动化,在仅 40 人的团队规模下支撑营收从 7,200 万美元激增至 2.5 亿美元。 - [17:44](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1064s) 跨越从 PoC 到生产环境的鸿沟不能依赖微调 Prompt 或折腾 Eval,而应聚焦于平衡控制权旋钮、推进贴近业务的去中心化治理以及设定长期战略度量体系。 ## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=4s) 引言与背景:从 Demo 到生产落地的跨越 演讲者 Darin Patterson 介绍了自己的背景。在过去的 20 年里,他一直致力于帮助全球各地的企业探索“未来的工作方式”(Future of Work)。随着技术演进,当前组织工作变革的核心无疑是 AI 与 Agentic(智能体)流程。一两年前大家还在熟悉什么是 AI Agent,而现在行业已经普遍理解了其定义,很多人甚至已经亲手构建过原型。 现在的核心挑战在于如何实现下一个“圣杯时刻”(Holy Grail moment):从 Demo 或 PoC(概念验证)中的亮眼表现,真正跨越到能够带来大规模业务回报的生产环境。Darin 目前在 Make 担任市场策略副总裁(VP of Market Strategy)。Make 是一个 AI Agent 与自动化编排平台,旨在让最贴近业务流程的业务人员通过可视化方式与各种底层业务应用交互,识别、设计并审计端到端自动化的每一个细节。 - **演讲者背景**:Darin Patterson 拥有 20 年企业数字化与工作流程变革经验。 - **Make 平台定位**:面向业务人员的 AI Agent 与自动化可视化编排工具,支持细粒度的运行检查与审计。 --- ### [02:08](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=128s) 为什么 AI 项目会停滞:并非技术不够好,而是生产鸿沟 在各大行业峰会上,来自 Gartner 等权威研究机构的数据屡屡指出一个令人不安的现实:大量 AI 项目在今年及明年面临被裁撤或搁置的命运。对此,很多人容易得出一个轻率的结论——“AI 挺酷的,但还没准备好进入实际业务”,认为大家跑得太快了。 ```mermaid flowchart LR accTitle: Pilot vs Production Gap subgraph PoC["🧪 Pilot / PoC 阶段"] direction TB P1["容错率高(人工实时兜底)"] P2["输入已知且受限"] P3["由专属 Champion 紧密监控"] end subgraph Prod["🚀 生产环境(Production)"] direction TB PR1["大规模运行(Scale)"] PR2["必须事前预防错误"] PR3["应对不可预知的复杂边缘情况"] end PoC -->|"巨大的组织与架构鸿沟"| Prod ``` Darin 强调事实并非如此:AI Agent 项目停滞或流产,绝不是因为 AI 能力不足,而是因为遇到了“生产路障”(Production Roadblocks)。这些问题本质上是组织架构、工作流设计与人员思维方式等“人”层面的问题,而非纯技术缺陷。在 Pilot 阶段,环境极具容错性,有专门的团队盯着每次运行,输入也是已知的;而进入生产环境,Agent 必须面对大规模运行、事前错误拦截以及真实世界不可预测的极端情况。 为解决这一鸿沟,Make 在总结数千家客户经验后提炼出三大核心差距: 1. **控制调节盘(Control Dial)**:在业务流程的各个环节动态平衡自主性与确定性。 2. **治理机制(Governance)**:明确归属权、变更控制与决策审批权限。 3. **度量指标(Measurement)**:制定清晰的成功标准,构建支撑长期 ROI 的业务用例。 --- ### [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 核心差距一:控制调节盘(Control Dial)与自动化光谱 AI Agent 本质上是一种新型的自动化手段。在思考业务流程时,不应将自动化视为非黑即白的二元对立,而应将其视为一条“自动化光谱”(Automation Spectrum)。很多团队陷入困境的原因在于把过度的自主权赋予了原本只需要确定性逻辑的环节。 | 自动化光谱阶段 | 运行机制 | 适用场景与特征 | |:--- |:--- |:--- | | **规则自动化工作流**<br>*(Deterministic Workflows)* | 基于固定规则、预设上下文稳定触发 | 逻辑明确、无需推理的标准操作(如查询用户信息、检索退款历史) | | **工作流中的 AI**<br>*(AI within a Workflow)* | 骨架是确定性工作流,仅在特定环节调用 AI 能力 | 流程整体稳定,但在分类、摘要、意图理解等特定节点需要智能分析 | | **完全自主的 AI Agent**<br>*(Fully Autonomous Agent)* | 由模型全权自主判断下一步该执行什么动作与工具 | 面对高度不确定、开放式的复杂推理场景 | ```mermaid flowchart LR accTitle: The Automation Spectrum A["确定性工作流<br>(Deterministic Rules)"] --- B["工作流中的 AI<br>(AI in Workflow)"] --- C["完全自主 Agent<br>(Autonomous Reasoning)"] ``` 如果工程师在编写 Agent 提示词时使用了全部大写的“ALWAYS DO THIS”(必须始终执行此操作),这就是一个强烈的信号:该环节本质上是确定性逻辑,应该直接写在工作流中先行为模型拉取好数据,而不是让 Agent 每次去思考要不要查数据。让 Agent 自由决定显而易见的操作,不仅大幅增加了在现实复杂场景下的出错风险,还会因为频繁遍历 Toolset、增加思考步数而显著推高 Token 成本。许多人误以为自己遇到了 Eval(评估)问题、Prompt 问题或推理问题,其实本质上是**自主权分配失衡(Autonomy Problem)**。 - **大写 Prompt 警示**:当 Prompt 充满强制性大写规则时,说明该节点属于确定性流程,应前置由工作流处理。 - **工具权限控制原则**:不要直接扔给 Agent 一个宽泛的 Salesforce 访问权限,而应提供封装好的、功能高度明确的专用微工具(Specific Tools)。 --- ### [09:51](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=591s) 案例实践:Stellantis 汽车零售服务部门的破局 为了说明控制调节盘的实际应用,Darin 分享了跨国汽车制造巨头 Stellantis(旗下拥有菲亚特 Fiat、克莱斯勒 Chrysler、吉普 Jeep 等品牌)的真实案例。在英国的 Stellantis 汽车售后服务部门,团队面临着严峻的客户沟通痛点。在繁忙的汽修服务门店中,大量车辆进进出出,工作人员需要处理无休止的客户沟通,导致关于“沟通不及时、不透明”的客户投诉激增。 该部门一位名叫 Connor 的非技术背景员工(非专业开发者)敏锐地意识到现存业务流程可以通过自动化进行重塑,随后他主导设计了一套结合自动化工作流与智能分析的解决方案,自动处理对外客户沟通并分析交互数据。 - **企业背景**:Stellantis 英国售后服务中心。 - **痛点分析**:售后服务车间节奏极快,高频沟通导致沟通类投诉成为头号客户体验杀手。 - **业务创新者**:Connor 作为一线非研发人员,通过可视化自动化工具实现了业务自救。 ### [10:47](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=647s) 设定控制权旋钮:汽车售后服务案例中的精准分工 在探讨如何平衡自主性与人工控制时,Connor 的做法展示了一个极具参考价值的范例。他并没有盲目跟风去追逐“Agent 是最新潮的技术”这种噱头,而是回归商业本质:深入拆解现有的业务流程,明确哪些环节可以规则化、清晰地定义,哪些环节才真正需要 AI 的介入。 例如,当售后系统给客户发送通知:“抱歉,您需要的轮胎目前无现货,您愿意等到明天吗?”客户可能简短回复一句“好的”。此时,AI 的职责并不是接管整个对话,而是分析上下文语义,并在精准的时间节点通知正确的售后服务人员介入跟进。Connor 没有赋予 AI 完全掌控对话的权限,而是在关键节点进行局部控制与协作。 ```mermaid flowchart LR accTitle: 汽车售后客户沟通与 AI 协作流程图 subgraph S1["入站消息处理"] A["客户回复短信"] --> B["AI 语义与上下文分析"] end subgraph S2["决策分流"] B --> C{"是否为标准流程?"} C -- "常规/已确认" --> D["自动结案/更新工单"] C -- "需人工跟进" --> E["精准通知售后服务人员"] end subgraph S3["业务成效"] D --> F["47,000+ 消息分析"] E --> G["NPS 核心增长动力"] end ``` - **消息处理量**:累计分析超过 47,000 条入站客户消息。 - **自动化率**:其中 18,000 条消息实现全自动关闭/处理,无需人工介入。 - **客户满意度反转**:原本售后沟通是客户投诉的主要诱因,如今彻底逆转,成为驱动净推荐值(NPS)提升的头号关键因素。 --- ### [11:55](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=715s) 治理鸿沟:AI 落地生产环境必须回答的四个核心问题 从概念验证(PoC)走向正式生产环境时,团队遭遇的第二大障碍是“治理”(Governance)。许多人一听到“治理”这个词,脑海中立刻浮现出僵化的自上而下的官僚体系,但这里指的是业务日常运营中的实际问题:所有权归属、变更控制,以及流程上线后谁拥有决策权与责任。 在将 AI Agent 部署到生产环境时,企业必须直面并回答四个在 PoC 阶段往往被忽略的根本问题: 1. **流程所有权归属(Process Ownership)**:关键在于“谁拥有这个业务流程”,而不是“谁拥有这个 AI Agent”。如果采用纯中心化的 IT 模式,IT 团队只对自己构建的 Agent 负责,并不对实际业务流程和业务结果负责。因此,必须引入真正对业务结果负责的业务干系人。 2. **变更控制与发布机制(Change Control)**:流程如何变更?谁有权限修改?在什么节点发布更新才是合适的? 3. **风险检查点设置(Checkpoints & Risk)**:流程中的风险等级如何?是需要对所有内容进行前置审核再发给客户,还是允许系统直接发出、随后由人工进行事后复核? 4. **最终责任归属(Accountability)**:当工具接口变化、上下文出现偏差或系统出错时,谁来承担责任?纯靠中心化 IT 团队,他们显然无法为业务结果兜底,责任必须且只能由业务流程所有者承担。 --- ### [13:59](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=839s) 赋能业务端:TravelPerk 财务团队的自主 Agent 实践 全球快速增长的商旅及费用管理平台 TravelPerk(文中称 Perk)提供了一个去中心化治理的优秀案例。高级工程经理 Gabriel 的核心理念是:赋能组织内部的其他成员,让他们能够拥有并修复自己的业务流程。 Gabriel 没有让技术团队大包大揽,而是把构建 Agent 的工具和能力交给了日常催收账款、处理账单与发票疑问的财务团队。此前,财务团队面临难以达标的 2 天 SLA 承诺,且业务细节错综复杂,技术人员很难精准定义规则,但财务人员自己却了如指掌。财务团队利用 Make 搭建了一个专属的财务 Agent,并将其命名为“Ariel”。 ```mermaid flowchart TD accTitle: TravelPerk 财务工单 AI 分流架构 A["客户入站财务请求 / 发票疑问"] --> B["Make 财务 Agent: Ariel"] B --> C["意图识别与语义解析"] C --> D["30% 常见问题全自动解决"] C --> E["复杂请求精准路由至对应财务专员"] D & E --> F["工单响应进入 SLA 达标范围内"] ``` - **第一道防线**:Ariel 成为所有入站客户请求的统一过滤入口,负责读取客户意图并分发至正确小组。 - **工单自动化**:实现了 30% 的工单自动解决。 - **业务成效**:成功扭转此前无法履约的局面,将响应时间严格控制在内部 SLA 范围内,且整个流程由财务团队自主维护与迭代。 --- ### [15:07](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=907s) 指标陷阱与价值重构:从单纯省时到长期战略敏捷 阻碍 AI 项目落地的第三大杀手是度量管理(Measurement),这往往是导致项目流产的“隐形杀手”。很多团队无法在前期清晰定义成功标准,导致无法向管理层证明业务价值,进而无法获得上线所需的资源。 在传统软件时代,人们习惯用单一维度去衡量产出,但在 AI 时代,需要转向更加全面、宏观的长期价值体系: | 传统思维陷阱 | 长期战略价值视角 | |:--- |:--- | | **单纯节省时间** | **整体流程加速**:全面提升组织的市场竞争力与敏捷响应速度 | | **单纯减少错误** | **体验质量提升**:通过高一致性交付更出色的客户体验 | | **增加单一收入来源** | **战略敏捷性**:赋予组织在快速变化的市场中快速调整业务的能力 | | **削减员工编制(Headcount)** | **赋能型团队**:解放重复劳动,打造热爱工作、专注高价值创新的团队 | 要让高管买单,业务用例必须建立在这些宏观价值之上;同时必须认识到,宏大目标不可能一蹴而就,而是由许多小步快跑的微小迭代共同累积而成的。 --- ### [16:40](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1000s) 800小时的解放:Dude Wipes 的 2.5 亿美金增长奇迹 以生产男士可冲湿巾闻名的快消品牌 Dude Wipes 展现了由众多小型 Agent 驱动宏观增长的强大力量。运营负责人 Zach Means 作为公司的第 14 号员工加入,当时公司月营收约 600 万美元(年营收约 7,200 万美元);3 年后,公司年营收飙升至 2.5 亿美元,而全公司团队仅有 40 人。 他们并没有采取激进招聘、不计代价扩张的模式,而是做出了一个非常坚决的战略选择:“将所有不需要人类主观判断的流程全部自动化,让人才专注于更具全局性、战略性的工作。” - **供应链规划 Agent**:独立处理从制造商到仓库的所有货运排期与物流规划。 - **营销与样品订单 Agent**:自动读取营销邮件,识别其中的样品索取需求,自动创建订单并向客户回传物流追踪更新。 - **组织效率飞跃**:累计为员工返还超过 800 小时的高价值时间,支撑了公司从 7,200 万美元到 2.5 亿美元的爆发式增长。 --- ### [17:44](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1064s) 告别提示词内耗:周一早晨带回团队的落地行动清单 回顾这三家跨越不同行业、组织架构与商业模式的企业,他们之所以能跨越从 PoC 到生产环境的鸿沟,靠的绝不是把时间耗费在微调系统提示词(System Prompts)、编写大写字母命令或者反复折腾评测指标(Evals)上,而是做到了三点核心突破: 1. **精准的控制旋钮**:找准自主与控制的平衡点,将抱怨转化为 NPS 驱动力。 2. **贴近业务的治理**:让最懂业务流程的一线团队成为流程的构建者与治理者,IT 团队退后一步转为赋能平台,彻底消除审批路障。 3. **着眼大局的度量**:不局限于局部微小指标,通过小步快跑积累全局业务成果。 演讲最后向在场听众提出建议:在拉斯维加斯参会结束后,周一早晨回到公司,无论是面对自己的项目还是团队汇报,务必提出三个核心问题: - **我们是否清晰定义了流程对控制与灵活性的容忍度?** - **我们是否明确了到底由谁真正拥有并对业务流程负责?** - **我们是否把目光聚焦在长期的宏观战略价值,而不仅仅是短期的计工省时?** 归根结底,AI Agent 项目的成败核心在于“人”而非单纯的技术。技术只是桥梁,真正赋予业务生命力的是一线员工与真实业务场景的连接。 ## Notable quotes > [00:04](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=4s) 从 Demo 或 PoC(概念验证)中的亮眼表现,真正跨越到能够带来大规模业务回报的生产环境。 — Darin Patterson > [02:08](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=128s) AI Agent 项目停滞或流产,绝不是因为 AI 能力不足,而是因为遇到了“生产路障”(Production Roadblocks)。 — Darin Patterson > [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 如果工程师在编写 Agent 提示词时使用了全部大写的“ALWAYS DO THIS”(必须始终执行此操作),这就是一个强烈的信号:该环节本质上是确定性逻辑,应该直接写在工作流中先行为模型拉取好数据,而不是让 Agent 每次去思考要不要查数据。 — Darin Patterson > [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 许多人误以为自己遇到了 Eval(评估)问题、Prompt 问题或推理问题,其实本质上是自主权分配失衡(Autonomy Problem)。 — Darin Patterson > [05:52](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=352s) 不要直接扔给 Agent 一个宽泛的 Salesforce 访问权限,而应提供封装好的、功能高度明确的专用微工具(Specific Tools)。 — Darin Patterson > [11:55](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=715s) 关键在于“谁拥有这个业务流程”,而不是“谁拥有这个 AI Agent”。 — Darin Patterson > [13:59](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=839s) 赋能组织内部的其他成员,让他们能够拥有并修复自己的业务流程。 — Gabriel > [16:40](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1000s) 将所有不需要人类主观判断的流程全部自动化,让人才专注于更具全局性、战略性的工作。 — Zach Means > [17:44](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1064s) 靠的绝不是把时间耗费在微调系统提示词(System Prompts)、编写大写字母命令或者反复折腾评测指标(Evals)上。 — Darin Patterson > [17:44](https://www.youtube.com/watch?v=uwSjLZAxfwU&t=1064s) 归根结底,AI Agent 项目的成败核心在于“人”而非单纯的技术。技术只是桥梁,真正赋予业务生命力的是一线员工与真实业务场景的连接。 — Darin Patterson ## Mentioned Darin Patterson, Make, Gartner, Stellantis, Fiat, Chrysler, Jeep, Connor, Salesforce, TravelPerk, Gabriel, Ariel, Dude Wipes, Zach Means, Ai4 ## Video description Darin Patterson - VP, Market Strategy, Make Most AI agent projects don't fail because the AI isn't good enough. They stall between proof of concept and production. Drawing on lessons from thousands of companies building AI-powered workflows and AI agents, this session reviews three gaps that consistently prevent pilots from shipping: the agentic autonomy dial (balancing control and flexibility), governance (decisions on ownership, change control, and decision making authority), and measurement (defining the right success criteria for each AI use case). We'll frame how these gaps get addressed through real use cases from an enterprise SaaS company that cut finance ticket resolution from two days to five minutes, a major automotive retail service group that turned its #1 customer complaint into a top NPS driver, and a fast-growing CPG brand that scaled from $72M to $250M in revenue while returning 800 hours to employees through AI agents. Attendees will leave with a practical framework for diagnosing gaps that are blocking their own initiatives and what it takes to close them. [Source](https://www.youtube.com/watch?v=uwSjLZAxfwU)

Source quotes

[0:04] Darin Patterson: 从 Demo 或 PoC(概念验证)中的亮眼表现,真正跨越到能够带来大规模业务回报的生产环境。 [2:08] Darin Patterson: AI Agent 项目停滞或流产,绝不是因为 AI 能力不足,而是因为遇到了“生产路障”(Production Roadblocks)。 [5:52] Darin Patterson: 如果工程师在编写 Agent 提示词时使用了全部大写的“ALWAYS DO THIS”(必须始终执行此操作),这就是一个强烈的信号:该环节本质上是确定性逻辑,应该直接写在工作流中先行为模型拉取好数据,而不是让 Agent 每次去思考要不要查数据。 [5:52] Darin Patterson: 许多人误以为自己遇到了 Eval(评估)问题、Prompt 问题或推理问题,其实本质上是自主权分配失衡(Autonomy Problem)。 [5:52] Darin Patterson: 不要直接扔给 Agent 一个宽泛的 Salesforce 访问权限,而应提供封装好的、功能高度明确的专用微工具(Specific Tools)。 [11:55] Darin Patterson: 关键在于“谁拥有这个业务流程”,而不是“谁拥有这个 AI Agent”。 [13:59] Gabriel: 赋能组织内部的其他成员,让他们能够拥有并修复自己的业务流程。 [16:40] Zach Means: 将所有不需要人类主观判断的流程全部自动化,让人才专注于更具全局性、战略性的工作。 [17:44] Darin Patterson: 靠的绝不是把时间耗费在微调系统提示词(System Prompts)、编写大写字母命令或者反复折腾评测指标(Evals)上。 [17:44] Darin Patterson: 归根结底,AI Agent 项目的成败核心在于“人”而非单纯的技术。技术只是桥梁,真正赋予业务生命力的是一线员工与真实业务场景的连接。