仅仅一年时间，Microsoft 365 生态系统中活跃 AI 智能体的数量增长了 15 倍，在大型企业中更是增长了 18 倍（Microsoft Work Trend Index, 2026）。这不是一个生产力统计数据。它是一次组织设计事件，而大多数运营团队却把它记作一笔软件开支科目。此刻，在你的公司某处，那些被雇来做工作的人，正把越来越多的时间花在指挥机器所做的工作上——审阅它、纠正它、决定它是否发布。管理 AI 智能体已经悄然成为他们工作的一部分。没人把它写进岗位说明书，没人分配决策权，也没人衡量它做得好不好。
这道鸿沟——存在于实践中的岗位与存在于纸面上的岗位之间——正是质量漂移滋生之处。而它即将成为本季度中型市场运营团队账面上最昂贵的未受管理风险。
人人都当作"工具故事"来读的信号
先看 Microsoft 的数据究竟说了什么，因为那个标题数字会让人分心。智能体 15 倍的增长是真实的，但真正应当重塑你思维的数字是行为层面的：86% 的员工表示，他们把 AI 的产出当作起点而非最终答案，并且"对思考本身保持责任"（Microsoft Work Trend Index, 2026）。
请仔细读这句话。它意味着 AI 使用的主导模式不是自动化——机器去做，人则退场。它是监督——机器起草，人掌握判断。正如 Microsoft 所述："随着 AI 承担更多工作，人类通过设定方向、并对产出如何被使用承担责任来保持参与"（Microsoft Work Trend Index, 2026）。工作没有消失，它改变了形态。它上升了一个层级——从执行走向方向、审阅与责任。
大多数运营负责人正是在这里出错。他们像评估任何工具一样评估智能体的推行：许可成本、节省的时间、被自动化的任务。但工具并非故事的全部。你部署的每一个智能体都悄然创造出一项新的人类责任——总得有人为它设定方向、检查它的产出、并为它所产出的东西负责。你买的是一件工具，你真正安装进来的却是一段监督关系。而你精心配备了这段关系的工具端，却任由人类端自生自灭。
存在于实践、却不存在于纸面的岗位
Microsoft 自己给这项新责任起的名字是"agent boss"——那个构建、管理并向一组智能体委派任务的人，公司主张这种能力正在成为"每份工作的关键组成部分"（Microsoft WorkLab, 2026）。这个框架有用，但请注意它暴露了什么。如果每位员工都在成为机器的管理者，那么一个管理层级已经在你整个组织中出现了——而它的出现，没有一份岗位说明书、一套胜任力模型或一项与之挂钩的绩效指标。
想想在把一支五名初级分析师的团队交给某人管理之前，你的公司通常会要求什么：岗位定义、清晰的决策权、审阅节奏、责任线，以及某种评估他做得好不好的方式。现在再想想，你的员工正在管理一支支智能体团队，它们起草合同、对账、回复客户、生成分析——却没有那五样东西中的任何一样。监督层级正在实践中被临时改写，由一个个即兴发挥的员工完成，而组织架构图和岗位说明书仍在描述前智能体时代的世界。
即便你看不见，市场也看得见这个空缺。在 Microsoft 的研究中，近三分之一的管理者表示他们预计将聘请专门的"AI workforce managers"来监督由人与智能体组成的混合团队，而大致相同比例的人预计将聘请 AI 专家来构建和优化多智能体系统（HR Executive, 2026）。Microsoft 的建议更为直白：组织"可能需要新的岗位来监督智能体资源：追踪绩效、主导部署、并监测人机平衡"（Microsoft WorkLab, 2026）。大型企业已经在配备这个岗位。中型市场的运营却仍在假装这个岗位并不存在。
管理 AI 智能体究竟意味着什么
抽象概念在这里必须落到操作层面，因为"管好你的智能体"是一句建议，不是一个岗位。一个真正的监督岗位有三个组成部分，而在大多数中型市场运营中，每一个当下都尚未被定义。
决策权
任何智能体工作流的第一个问题，正是无人回答的那个：这个智能体在无人签字的情况下能做什么，什么又需要审批？ 当一个智能体起草一笔客户退款、一封招聘拒信、一份监管申报时——"自动发布"与"上报给人"之间的界线在哪里？眼下这条界线是临时划的，每位员工划得都不一样，而且是隐形的。未定义的决策权并非中性状态。它是一种状态：在这种状态下，智能体的默认行为会在不经意间成为你公司的政策。
审阅节奏
那 86% "对思考保持责任"的人在做审阅——但审到什么深度、多久一次？抽查十份产出中的一份与逐行通读之间有天壤之别，而大多数团队从未明确过他们的工作到底需要哪一种。风险是不对称的：审阅太少，错误会以机器速度发布；审阅太多，你既付了智能体的钱，又保留了这份工作的全部人力成本。正确的节奏取决于任务的利害轻重，而必须有人为每个工作流掌握这一判断。今天，没有人在掌握。
责任归属
当智能体产出了一个糟糕的结果，谁来担责？"是 AI 干的"不是一位运营负责人能对客户、监管机构或董事会给出的答案。责任无法委托给软件，这意味着它必须落在一个指名道姓的人身上——而如果你没有指定那个人，你并没有消除责任，只是把它藏了起来，直到它引爆的那一刻。
反向解读：这难道不会自己解决吗？
一个合理的反驳：员工显然在自行适应——那 86% 的数字正是人们在无人要求的情况下，自组织进入监督行为的证据。那么，何必去把已经在有机发生的事情正式化？
因为有机适应与可靠绩效是两回事，而两者之间的鸿沟，恰恰是运营存在的意义所在。一旦交给个人，智能体监督就会变得和执行它的人一样参差不齐。你最尽责的员工审得过多，把省下的时间又还了回去；你最匆忙的员工审得过少，把错误放了出去。同一个智能体在一个人手上产出高质量工作，在另一个人手上却产出质量漂移，而在某个结果出岔子之前，你无从分辨谁是谁。Microsoft 的数据在组织层面强化了这一点：它发现，文化、管理者支持与人才实践对 AI 影响的权重，是个人技能的两倍多——67% 对 32%（Microsoft Work Trend Index, 2026）。实现的价值来自工具周围的系统，而非寄望于每个人独自搞懂工具。"它在自己解决"是对方差的描述，不是管理方差的策略。
为什么中型市场最先感受到
200 到 500 人规模的公司，比起初创公司或大型企业，更容易受到"未写下的岗位"这一问题的冲击。大公司有人手余量去设立一个"AI workforce manager"职能，以及一个集中定义决策权的治理团队。十人初创公司的工作流少到一位创始人能把整幅监督图景装在脑子里。中型市场两样都没有：工作流和智能体多到让临时监督真正变得危险，组织余量却又不足以为它建起一个正式层级。
更糟的是，中型市场的岗位是承重的、单点的。当那个悄悄摸索出如何监督财务智能体的人离职时，监督知识也随之而去——它从未被写下来，因为这个岗位从未被写下来。你失去的不只是一名员工。你失去的是一项你并不知道自己在依赖的、无文档记录的管理职能。Microsoft 的分层在此是一记警示：它发现只有约五分之一的员工处于"frontier"区间，在那里能力与组织就绪度相互强化，另有约十分之一的人有能力，却被跟不上步伐的组织卡住（Microsoft Work Trend Index, 2026）。瓶颈很少是工具或人才，而是它们周围缺失的结构。
第三季度的动作：在漂移替你写下这个岗位之前，先把它写下来
最高杠杆的行动不是又一堂关于提示词的培训课。而是把智能体监督当作一个岗位，并去定义它——刻意地、落在纸面上、就在本季度——针对那少数几个智能体已经触及要害的工作流。
挑出你利害最高的三个智能体工作流，为每一个写下监督规范。 不是全部——而是那三个：一旦产出糟糕，会让你损失一位客户、一次监管违规或真金白银的那三个。对每一个，明确回答三个问题：智能体在无人监督下能做什么，什么会触发人工审阅、审到多深，以及结果上署的是谁的名字。这是每个工作流一页纸的文档，不是一场转型工程。
让决策权可见，而非隐含。 一旦"自动发布还是上报"的界线被写下来，你就把一千个隐形的个人判断，转化为一条可审计的政策。仅此一项就能移除大部分质量漂移风险，因为漂移恰恰在无人就规则达成一致的那片空间里茁壮生长。
把监督当作工作来衡量，而非当作管理费用。 如果有人把一周三分之一的时间用在指挥和审阅智能体产出上，那现在就是他的本职工作了——把它写进岗位、加以评估、给予资源。一项你拒绝命名的监督任务，就是一项你无法改进的任务，它会悄然膨胀，直到吞掉你以为智能体带来的那份生产力。判断谁真正擅长指挥机器——相对于谁淹没在无人管理的审阅里——是一个真实的绩效问题，它理应获得与你在任何其他重大用人决策中所期望的、同样客观且可追溯的信号。这正是我们在 Scovai 带入 talent 与 operations intelligence 的逻辑：当一个岗位的成形速度快过组织架构图能描述它的速度时，回应之道是去定义它、衡量它，而不是寄望它自行了结。
本季度的决定
在你批准下一份智能体许可之前，只问一个问题。对于你三个最重要、被 AI 触及的工作流，你能否指出对产出负责的那个人、准确说出那个智能体在无需签字的情况下能做什么、并描述它的工作是如何被审阅的？如果你能干净利落地回答，那你就拥有一个受管理的监督层，智能体的增长便是纯粹的上行收益。如果你回答不了——而大多数中型市场运营团队都回答不了——那你并没有一套自动化战略。你有的是一个管理岗位，你的数十名员工已经在履行它，只是做得糟糕而隐形：管理 AI 智能体如今在你的公司里已是真实工作，而你唯一没做的一件事，就是把它写下来。智能体已经在这里了。唯一悬而未决的问题是：你会在一次无人管理的错误替你定义"指挥它们"这项工作之前，先把它定义出来吗？