“自主”的悖论：从Block和GSK实践看，为何AI Agent的终局是“人”？

摘要： 当我们谈论AI Agent（智能体）时，“自主”和“自动化”是其最吸引人的标签，似乎预示着一个无需人类干预的未来。然而，通过深入剖析Block和GSK这两家巨头的真实落地案例，我们发现一个深刻的悖论：越是追求在复杂、高价值场景中实现Agent的有效运作，就越是需要将“人”置于系统的核心。本文将从设计哲学、流程整合和信任建立三个层面，阐述为何成功的AI Agent并非“去人化”，而是“人机协同”的终极体现。

引言：喧嚣之外的冷静思考

AI Agent的浪潮正席卷企业界，Gartner的“期望膨胀顶峰”精准地描述了当下的狂热。在这股热潮中，一种“技术将取代一切”的叙事不绝于耳。然而，当我们拨开炒作的迷雾，审视那些真正将Agent付诸实践的先行者时，会发现一个截然不同的故事。

Block和GSK的探索告诉我们，Agent的价值并非源于其“驱逐”人类的能力，恰恰相反，其成功的关键在于如何深度理解、适应并增强人类的工作。这不仅关乎技术，更关乎一种全新的协作哲学。

一、 设计的锚点：从“工具思维”到“队友思维”

许多失败的AI项目，根源在于它们被设计成了功能强大但体验割裂的“工具”，要求用户去学习和适应机器的逻辑。而成功的Agent，从设计之初就颠覆了这一思路。

Block的“数字队友”哲学： Block的技术主管Brad Axen反复强调，他们的目标是让用户感觉在**“与单一同事协作，而非一群机器人互动”**。这背后是深刻的用户体验洞察：

• 降低认知负荷： 与一个“全能队友”沟通，远比指挥一个“机器人军团”去调用不同API要简单自然。

• 以人为本的交互： Axen坦言，“人机界面是智能体最难实现的部分”。这说明他们将交互设计的优先级置于单纯的功能堆砌之上。一个好的Agent，应该让你几乎感觉不到它的存在，它在后台主动执行任务，为你提供结果，而不是让你陷入复杂的配置和指令中。

从“工具”到“队友”，这一转变意味着设计的核心不再是“机器能做什么”，而是“人感觉如何”。

二、 流程的中心：技术必须向人的工作流“低头”

企业软件史上，充满了因“水土不服”而失败的案例。一个技术上再先进的系统，如果不能融入员工现有的工作习惯，最终只会被束之高阁。

Block的清醒认知：

“流程是最大瓶颈。你不能仅仅给员工一款工具就期望其自动发挥作用，智能体必须反映员工已在使用的流程。”—— Brad Axen, Block AI技术主管

这句话是所有Agent开发者的金科玉律。Goose的成功，很大程度上源于它没有试图创造一个全新的工作平台，而是：

• 嵌入现有环境： 在开发环境中实时运行，读取开发者熟悉的Slack、邮件。

• 解决真实痛点： 自动化代码生成、调试、信息筛选，这些都是工程师流程中的具体摩擦点。

GSK的隐性挑战： 在药物研发领域，科学家的工作流更具探索性和非线性。文中提到，“大多数人内部甚至没有标准方法”。这意味着GSK的Agent必须具备极高的灵活性，去适应不同科学家的研究路径和思维习惯，而不是用一套僵化的流程去框定他们。

三、 信任的基石：当“绝对真相”不存在时，人类专家是最终仲裁

这是AI Agent在企业落地的核心挑战。LLM的随机性和“幻觉”问题，决定了我们不能100%信任其输出，尤其是在金融和医药这种高风险领域。

GSK的“零信任”测试框架： GSK的AI负责人Kim Branson风趣地表示：“我们不总是有绝对真相可依，否则我的工作会容易很多。”这道出了科学研究的本质。面对不确定性，他们的做法是：

• 人类交叉验证： 同时运行多个Agent副本和模型，执行相同序列，最终由科学家进行比对和仲裁。

• 人类定义标准： 他们发现公开基准“相当学术化”，因此选择建立由人类专家定义和评分的内部基准。

• 拥抱人类判断： >“我们特别关注智能体出错或出现愚蠢行为的情况，因为那正是学习新知识的机会，我们会让人类在关键环节使用专业判断。”—— Kim Branson, GSK全球AI/ML负责人

Block的合规红线： 在金融服务中，一行代码的错误可能导致巨大的经济损失和合规风险。因此，Axen明确指出，代码“仍需人眼审核”。

在这两个案例中，Agent扮演了高效的“执行者”和“提议者”，但最终的“裁决者”和“负责人”，始终是人类专家。信任，是在这种“人机协同审判”的机制下才得以建立的。

结论：重新定义“专家”——从执行者到指挥家

Block和GSK的实践，为我们揭示了AI Agent时代人类价值的真正所在。对“AI将取代人类”的担忧，或许源于一种过时的自我定位。

正如Brad Axen所说：

“在公司运营的每个环节，我们依然需要人类专家。它不改变个体的专业意义，只是提供了一种新的表达工具。”

这句总结堪称经典。Agent没有削弱专家的价值，反而将其从繁琐的重复性执行中解放出来，让他们能专注于更核心、更具创造性的工作：提出正确的问题、设计巧妙的实验、在关键节点做出决策、并从AI的错误中洞察新的知识。

未来的专家，将不再是独自劳作的工匠，而是手握强大AI工具的“指挥家”，他们的价值，体现在他们的智慧、判断力和创造力上。而这，恰恰是机器无法取代的。