Aaron Levie谈企业级AI代理：工程先行，金融业需先解决问责难题

在WorkOS举办的init()炉边对话中，Box CEO Aaron Levie分享了他对企业级AI代理落地的观察。作为长期深耕企业内容管理与协作的创业者，Levie的视角横跨一线工程实践与大型组织的决策逻辑。他的核心判断是：AI代理进入企业，技术问题只是冰山一角，真正的障碍在于组织如何重新分配权力与责任。

工程团队为何成为AI代理的第一批用户

Levie指出，工程部门几乎总是企业里最先拥抱AI代理的群体。原因并不复杂：工程师的工作成果天然可验证——代码能否跑通、测试是否通过、构建是否成功，都是即时反馈。这种可验证性让代理的输出质量可以被快速评估和迭代，也使工程师更愿意把实际任务交给代理执行。

相比之下，法务、人力资源、财务等部门的工作往往涉及模糊判断和多方利益，代理的输出难以用单一标准衡量。Levie的观察与近期多项行业调查一致：开发者工具类AI产品的渗透率显著高于通用办公场景，这不仅是技术成熟度的问题，更与工作本身的可度量性直接相关。

另一个被Levie强调的因素是工程文化的容错性。工程师习惯于在版本迭代中容忍不完美，而多数传统企业部门的文化更倾向于规避风险，这与代理早期必然出错的特征形成张力。

所谓「可验证性」，在AI代理的语境中指的是任务结果能否被自动化手段客观判定对错。软件工程之所以特殊，是因为它天然具备一整套反馈基础设施：单元测试、持续集成流水线、静态类型检查、代码审查等机制，能在几秒到几分钟内告诉使用者这次输出是否可用。这种机制让代理的试错成本极低——错误被快速暴露，正确的模式被快速沉淀。而在法律文书起草、绩效评估、预算分配等场景中，判断一份输出「好不好」往往需要数天甚至数月才能显现，且涉及主观权衡与多方博弈，缺乏单一真值。可验证性的高低直接决定了代理能否进入「生成—评估—修正」的闭环，这正是不同部门采用速度差异的根本原因。

银行场景的问责难题：代理发汇款前需要什么

对话中最尖锐的例子来自金融行业。Levie提到，一家银行若要允许AI代理发起电汇指令，必须首先解决一个根本性问题：当代理做出错误决策时，谁来承担责任？

这并非技术能力不足。以现有模型的能力，代理完全可以完成账户验证、金额核对、合规检查等步骤。但银行的核心诉求是问责链条的完整性——监管机构需要知道是谁授权了这笔交易，出了问题谁负责，责任如何在人机之间划分。Levie认为，这个问题的答案不在模型层，而在组织架构层。

他的判断是：企业需要为代理建立类似"岗位"的概念框架——明确权限边界、审批层级和异常上报路径。只有当代理的权责像人类员工一样被界定清楚，高风险场景的大门才可能真正打开。

问责链条（accountability chain）是金融监管体系中的核心概念，指从决策发起、授权、执行到结果的全过程中，每一步都能追溯到明确的责任主体。在传统银行体系中，这一链条由人工审批签字、双人复核、操作日志、权限分级等制度保障。当引入AI代理后，链条中出现了「非人类行动者」，监管机构（如美联储、货币监理署、巴塞尔委员会框架下的各国监管方）要求机构证明：谁授权代理执行该动作、代理的决策依据是否可解释、出现损失时由谁承担。这本质上要求把代理纳入现有的治理框架，而非为它单开一套豁免规则。因此，银行开放代理权限的速度，往往取决于其内控与合规部门能否给出令监管方认可的问责方案，而非模型能力本身。

为什么Levie支持FDE角色在企业AI落地中的价值

Levie在对话中表达了对FDE（Forward Deployed Engineer，前线部署工程师）模式的明确支持。这类角色的核心工作不是开发通用产品，而是深入客户现场，理解具体业务流程，把AI能力与组织的实际工作流对接起来。

这一立场与Box自身的实践有关。企业客户的AI需求高度碎片化，每家公司的数据权限体系、审批流程和合规要求都不相同，标准化的产品很难直接覆盖。FDE的价值在于充当产品能力与客户现实之间的翻译层，既避免过度定制导致维护成本失控，也防止产品团队闭门造车。

Levie的观点呼应了企业软件行业正在发生的转变：AI代理的落地越来越像咨询与工程的混合体，而非纯粹的产品交付。这对习惯了订阅制SaaS模式的厂商来说，意味着交付方式和人才结构都需要调整。

FDE（Forward Deployed Engineer）模式最早由Palantir大规模实践并为人熟知，其核心理念是把工程师直接派驻到客户现场，与业务人员共同工作，快速理解并响应真实需求。与传统售前顾问或实施工程师不同，FDE通常具备完整的产品开发能力，能现场编写代码、搭建原型并直接推动落地。这一模式的优势在于缩短了「客户需求—产品实现」之间的反馈回路，避免信息在多层传递中失真。其代价是人力成本高、难以规模化，因此Palantir等公司会通过沉淀可复用的平台能力来对冲定制化开销。Levie对FDE的支持，反映了企业AI市场当前阶段的一个现实：需求高度碎片化，通用产品难以直接命中，靠近现场的工程能力仍是关键。

代理进入企业的真实路径

综合Levie的分享，企业级AI代理的推进呈现出清晰的顺序：先在结果可验证、容错率高的工程场景打开局面，再逐步向需要明确问责机制的高风险领域延伸。技术能力只是入场券，组织设计才是决定代理能走多远的关键变量。

对正在规划代理落地的企业而言，Levie的提醒具有实操意义：与其纠结模型选型，不如先回答权限、审批和责任归属这三个问题。这些问题的答案，往往决定了代理项目能否从试点走向生产。