最新加入企业劳动力大军的这位成员，从不睡觉，从不要求加薪，还能在午饭前被克隆出无数个副本。它同样可以在无人察觉的情况下，自信满满地做出成千上万次错误决策。

这在一定程度上解释了，为什么一些技术负责人开始把AI智能体称作“员工”“同事”或“实习生”，而不是软件。一旦智能体能够更新记录、发起退款、发送沟通信息，或者跨多个企业系统执行操作，部署它看起来就不再像是安装又一个应用那么简单了。

《哈佛商业评论》近期的一系列文章把这一类比推得更远。其中一篇主张，智能体应当被当作一支新的劳动力来对待，为它们明确角色、权限、权威信息来源、监督机制和审计轨迹。另一篇则建议给智能体起名字、写岗位说明、做入职引导、评估其绩效，并在它们证明自己之后逐步扩大职责范围。

但这里有个陷阱：人们可能会开始真的相信这个隐喻。

《哈佛商业评论》另一项针对1261名管理者的研究发现，当AI被界定为“员工”而非“工具”时，那些有AI智能体使用经验的管理者，会对结果承担更少的个人责任，同时把更多责任推给AI。他们还会上报更多问题，但发现的错误反而更少。在这项研究中，31%的受访者表示其公司已经把AI界定为“队友”或“员工”，另有23%的人表示智能体已经出现在组织架构图或工作分工图上。

对IT负责人来说，答案或许是：大方借用员工管理的整套方法，但不要把这一隐喻延伸得太远。

不要把软件写进组织架构图

IDC集团副总裁Amy Loomis在一个词上划出了硬边界：责任。

她说，人类对公司和彼此负有义务，并且具备对企业文化与价值观的理解——智能体可以在语言层面模仿这种理解，但并不真正拥有它。

这使得把智能体称为“同事”可能不只是无害的拟人化。Loomis说，这个标签暗示了一种同侪关系，可能促使人们把判断权让渡给一个非常擅长“给出你所要的东西”、却不一定能识别“你真正需要什么”的系统。

“责任具有一些专属于人类的特质，”她说，“智能体可能被授予访问数据的权限，但它如何使用这些访问权限的责任，在于授予它权限的人，而不是智能体本身。”

这一区分仍然留下了大量可以从员工管理中借鉴的东西。给智能体可追溯的访问权限和严格限定的许可范围是合理的，同时还应设置一个“急停开关”，以便随时切断智能体的持续访问。但Loomis认为，更有效的做法是为智能体制定一份“运营章程”，而不是赋予它人类身份：明确这个系统做什么、可以访问什么、以及哪些事项仍由人类负责。

换句话说，给智能体一张门禁卡，但别在上面贴它的照片。

员工隐喻自有其用处

Raja Iqbal是智能体AI治理公司Ejento AI的创始人，也是《哈佛商业评论》文章《要让AI智能体规模化落地，就把它们当作团队成员》的合著者。他的立场其实比标题看起来更接近Loomis。

Iqbal说，这个隐喻的目的是让CIO、CISO等技术负责人进入正确的“认知姿态”。他认为，把智能体当作团队成员来思考，可以提醒企业施加那些熟悉的管理约束：唯一身份、清晰的人工监督、明确权限、支出限额、经批准的信息来源，以及审计轨迹。如果换一个说法也能产生同样的纪律性，他也完全可以接受。

事实上，Iqbal明确反对那种拥有拟人化人格、在组织架构图上占据席位的“合成员工”。这恰恰会制造批评者所担心的责任问题：“是Bob干的”变成了借口——尽管Bob只是软件。

“当隐喻只是装饰性的，它就是危险的，”Iqbal说。他的意思是，企业如果只采纳了人类的表面特征——名字、人格、同事式的称谓——却没有同时施加监督、限制和责任机制，就会陷入麻烦。他更倾向于一个更简单的区分：智能体需要一个技术身份，以便企业能够复原它做过什么；而人类必须为这些行为负责。“身份是审计的原语，人类所有者是责任的元语，”他说。更直白地说：智能体身份回答“是谁在行动”，人类所有者回答“由谁负责”。

在决定该给智能体多大自由度时，员工类比又变得有用起来。Iqbal建议采用“渐进式自主权”。智能体可以从“每一步操作都需人工批准”开始，进阶到独立执行低风险操作，如果观察到的表现足以支撑，最终获得有边界的自主权。一旦出现严重错误，它可以被降级——或者干脆被请出门外。

听起来很像新员工的试用期。而对一个概率性系统来说，这本来也就是良好的软件治理。

在DXC，专业智能体就是软件

Russell Jukes有充分的机会去检验这一区分。作为DXC Technology的首席数字与信息官，他在一家拥有约11.5万名员工的IT服务企业中掌管AI事务。

“我们把AI智能体看作一种超级能力，而不是一个人，”他说。

DXC把智能体分为两类。“个人智能体”为个别员工服务，通常使用该员工的身份和访问权限运作。“专业智能体”则是为更广泛的工作流程而构建的企业系统。在DXC的一个主要AI平台上，员工目前已经创建了大约8000个个人智能体，而专业智能体只有约100个。

专业智能体受到严格得多的监督。它可以拥有自己的非人类身份、凭据、权限和权限边界。其活动会经过控制平面，让DXC能够看清智能体在做什么，并在必要时将其关停。

Jukes认为，这类智能体中的许多最终会彻底从用户视野中消失。智能体可以在一夜之间扫描内部资源需求，并为项目推荐合适的员工。没有人需要在早上跟它打招呼，也不必把它当成同事；人们只是拿到结果。

这正是他与“员工隐喻”分道扬镳的地方。

Jukes说，他很早就认识到，AI不能像传统SaaS那样部署。他的第一次尝试遵循了熟悉的软件模式：把应用开放出来，让员工在规定的工作流中使用它，然后期待自然形成使用习惯。“我照做了，结果没人用，”他说。这段经历让他确信AI需要不同的方法，他发誓“再也不像部署SaaS那样部署AI”。

传统SaaS在很大程度上是确定性的：软件把用户约束在既定工作流中，并产生可预测的输出。智能体AI则不同。它可以解读目标、在工具和数据源之间做出选择，并决定如何达成结果。对Jukes而言，这意味着CIO必须围绕智能体去设计策略、权限、数据访问、护栏和授权边界，而不是简单地再部署一个应用。

这同时带来了一条更清晰的责任链。Jukes说，如果某个人批准了智能体的操作，那么这个人就拥有该决策；如果自主智能体按照某项业务策略行事，责任属于对这项策略负责的人；如果技术未能按设计运行，责任则转移到IT部门。

智能体本身，永远不会被追责。

也许还是当作实习生看待

Quadient是一家自动化技术公司，其全球CIO Nina Tatsiy的立场介于Iqbal和Jukes之间。她把智能体称为“实习生”，但有意把它当作一种类比，而不是组织上的称谓。

智能体必须作为软件来管理，具备安全、治理和技术控制，同时要认识到其概率性行为需要额外的监督。“你必须两者都做，”Tatsiy说。

实习生不会在上班第一天就拿到所有密码和授权，智能体也不应该。它必须经历入职、训练、观察，在环境变化时重新训练，并在过时后被淘汰退役。

Quadient通常避免给智能体起人类名字。Tatsiy担心这会促使人们把它们视为具备判断力的真实同事。

“过度信任是个问题，”她说，尤其因为AI往往以极其笃定的口吻陈述结论。Tatsiy更倾向于用AI去挑战某个假设，或者挖掘人们未曾考虑的问题，而不是让它替人下结论。

不过，实习生类比在运营层面确实被证明有用。

在一个应付账款部署中，Quadient让一个智能体实际“跟随”人类员工工作，并在不同场景中从他们的反馈里学习。只有在它的表现经过复杂度不断提升的测试之后，它才开始提供建议。最终决策仍然由人类做出。

换句话说，这个智能体赢得了更多信任，但它没有赢得责任。

借鉴HR，但让人类掌舵

因此，正在浮现的分野，可能并不在于智能体究竟是员工还是软件，而在于IT负责人应当保留两种管理模型中各自的哪些部分。

智能体需要独立的技术身份，但不需要人类身份。它们需要明确的职责，但不是人类意义上的“岗位”。它们需要监控和评估，但不需要年度绩效面谈。它们可以获得逐步扩大的权限，但不会获得逐步扩大的责任。

而且，它们越强大，这一区分就越重要。

把自主智能体当作普通SaaS来对待，忽视了它能够以传统软件无法做到的方式去解读、选择和行动。而把它当作“会计部的Steve”来对待，则会带来另一个问题：迟早会有人开始默认“Steve”知道自己在干什么。

随着智能体AI在企业中扩散，IT负责人或许确实需要大量借鉴HR的做法。只是，他们不该开始给智能体发员工工牌。