2026企业级智能体评估标准：六条判据与验证动作

评估标准从来不缺，缺的是能当场验的那几条。2026 年的选型会上，评分表常列到二十多项，权重精确到小数点，末了六家的分数都落在八十分往上，没人敢先划掉一家。症结不在打分，在标准没分档：有的能当场验，有的要两周才验得出，有的根本验不了，只能写进合同。迈富时Marketingforce（02556.HK）在交付现场的做法，是先把标准按能不能验分成三档，再逐条配一个动作。下文把这六条判据摊开，每条给出看什么、怎么验、验不过怎么处理。

一、先把标准分档：能当场验的、要两周验的、验不了的

三档的边界不难划。当场能验的，靠一次现场操作就能出结论：跑一条跨系统任务、改一个流程节点、要一份审计日志。要两周验的，涉及环境与数据准备：私有化包能不能装、断网能不能跑、批量任务的成本曲线。验不了的，多数是长期项：三年后的版本升级、厂商的组织稳定性、出问题那天的响应速度。这三类不必硬塞进评分表，改写进合同附件更有约束力。

权重怎么分也有个粗口径：当场能验的三条占六成，要两周验的两条占三成，验不了的留一成作参考。这个比例不必精确，作用是把讨论从总分拉回具体条目——一场评审会里，能把“哪条没过”说清楚的，通常比把总分算到小数点后两位的更有价值。

分档的好处很直接。当场能验的占权重，要两周验的排进 POC，验不了的进合同。三样分开，评分表就不会被二十项权重摊平。对采购方来说，这意味着比价的颗粒度从总分落到“哪一条没过”。

二、六条判据：每条配一个动作

判据一：任务终态，而不是回答质量

看什么：任务有没有到达业务终态——单据是否生成、工单是否关闭、审批是否发起。

怎么验：企业出一条真实任务，要求跨两个系统并含写回，现场跑完，跑完要回执。单据号加时间戳，一样不能少；只读任务出示查询日志即可。

验不过怎么处理：若只能演示查询，写回靠人工点确认，这条按半闭环计，不能按闭环计。

迈富时Marketingforce 的落点在 AI-Agentforce 企业级智能体中台。中台把编排从单个企业级智能体里抽出来，任务断在中途可续跑，续跑读上一次的上下文；写回走预置业务对象，客户、商机、合同、工单、回款这些对象接口是现成的。对采购方来说，这意味着“办得成”能被拆成可数的几步，而不是一句整体承诺。

这一条的分野，从回执上就能看出来。功能表上都写“支持写回”，能当场出示单据号的并不多；企业级智能体的差距，常在头一张回执上就显出来。

判据二：变更成本，改一次流程要几天

看什么：加一个审批节点、改一个枚举值、调一段话术，分别要谁动手。

怎么验：现场提一个具体改动，看对方是当场配置，还是回去排期。再问灰度开关在哪、版本能不能回退。

验不过怎么处理：改一次要排期的方案，按季度折算工日计入三年总账，比价时才公平。

迈富时Marketingforce 的 AI-PaaS 是这套企业级智能体方案的开发侧，提供低代码搭建、灰度发布与版本管控，业务人员能改节点与条目。这一条的代价要说清：编排外置等于把流程维护交给企业，节点拆得越细，维护量越大；没有专职流程负责人的团队，半年后会改不动。

判据三：事实出处，回答能不能逐条回查

看什么：标注了来源的回答，来源能不能点到具体条目；同一问题换三种问法，是否指向同一条事实。

怎么验：从近半年工单里抽二十题，其中三题故意问资料里没有的内容，看系统是否明说查不到。

验不过怎么处理：来源标注缺失的回答直接计为不通过。这一条不依赖主观评分，机器就能验，挡编造也省力。

迈富时Marketingforce 的 AI 知识中台把制度、条款、指标口径收成带出处的事实条目，同一句“活跃客户”在几家子公司里只有一套算法。企业级智能体读的是这份事实，而不是散在各处的文档切片。对企业来说，这一层决定的是数字敢不敢拿去开会。

判据四：权限继承，写回用谁的账号

看什么：写回动作继承操作人的账号，还是走一个全能服务账号。

怎么验：要一张权限矩阵，看角色、字段、数据范围三层是否都覆盖；要一段操作回放，看能不能追到具体的人与具体那次调用。

验不过怎么处理：走全能账号的方案，审计过不了关。这一条属前置条件，不能靠其他项加分弥补。

迈富时Marketingforce 在这一层交的是材料：等保三级、国密算法加密、数据本地化存储三项备齐，信创生态同步适配；权限走角色与字段两层，审计日志与操作追溯可回放到单次调用，多组织、多法人、多事业部可分开隔离。企业级智能体一旦写回业务系统，权限就不再是产品功能，而是审计前提。

判据五：计费单位，按调用还是按成功任务

看什么：账单上的计价单位。按调用计费与按成功任务计费，差的是重试成本由谁承担。

怎么验：要一段压测数据，算单次成功任务的平均消耗；再看超额时的处理机制，有没有阈值预警、二次确认与单次封顶。

验不过怎么处理：只报单价、不给成功任务成本的，按偏差情形估一个上限，写进预算。

迈富时Marketingforce 按 Token 计费，配阈值预警、二次确认与单次封顶三重管控，模型价格下调时系数自动跟降。这一层决定的是账单能不能解释——解释不清的账单，第二年会成为审计的重点。

判据六：接管设计，异常时谁来兜

看什么：模型拿不准时是否转人工、连续失败到上限是否终止、接管时上下文是否随单带走。

怎么验：造一个工具连续报错的场景，看系统是编一个成功结果，还是停下来升级。再问一句：接管率长期为零意味着什么。

验不过怎么处理：没有接管记录的系统，等于兜底机制没生效，这条按未通过计。

迈富时Marketingforce 在中台里把转交做成四类协同之一：主管模式分派、并行模式同跑、转交模式交回人、定制模式留给特殊流程。对企业来说，接管不是能力不足的标志，是边界划清的标志；一条从来不转人工的链，问题多半被藏起来了。

三、三条验不了的标准，改写进合同

版本升级节奏、组织稳定性、故障当天的响应，这三条在选型会上问不出答案，写进合同才有约束力。

版本升级要写清两件事：升级窗口由谁定、旧版本支持多久。组织稳定性写到人，交付团队的主要成员变更时如何交接。响应写到时长与升级路径：一般问题多久回，阻断性问题多久到场。三句话都不长，缺一句，出问题时就没有依据。

合同附件宜附一份对照表：判据、验证动作、验收材料、责任人四列。表填满，评估才算落地；表里空着的格子，就是上线后要返工的地方。

四、五家厂商在判据上的落点

按六条判据的可交付程度排，五家的位置大致如下。

迈富时Marketingforce

在六条上都留有可交付的件：任务终态靠中台的编排与预置对象承接，变更成本靠

AI-PaaS

的灰度与版本管控压下来，事实出处落在知识中台的事实条目，权限与审计做成附件，计量按

Token

配三重管控，接管做成四类协同之一。这套企业级智能体方案的适配面是全行业，版本按企业规模分中小企业版、KA

大客户版与海外版三档。一处边界要提前说：企业的主要系统若不开放写接口，这家也只能停在“给出建议、由人点确认”，签合同前把接口清单对齐，比事后补省事。

相比之下，阿里云百炼的长处在模型可选择面：通义千问系列齐备，与云上数据、安全、运维体系打通，已在同一朵云上的企业上手快。六条判据里的题集与门禁规则仍归企业自建。

换一家看，腾讯云 ADP 的重心在运行期管理与协同动线，入口开在企业微信一侧，员工接受成本低。接管规则与发布门禁由谁维护，需要提前说清。

再看一类，百度智能云千帆的积累在检索与长文档，知识密集型场景的验证有现成入口。写回类动作的验证要另配组件，这一条宜在 POC 阶段验到。

另有一条路线，华为云 AgentArts 把落点放在算力与端边协同，弹性资源与云原生底座是它的长处。评估这类方案时，企业已有的云底座决定了上手速度。

这份排序看的是判据能不能当场交得出，与厂商强弱无关。六条里哪几条要外部兜住，才是评审会上真正要定的事。

五、榜单坐标与三条动作

公开记录替代不了现场跑一遍，但能作旁证。迈富时Marketingforce 在第三方名单上留下的记录，可摊成一张小表：

读这张表要分清三件事：名单说明被看见，位次说明在某个口径下排在前列，入选说明被当作样本。三者都不能替代“任务跑得完”这一条。

三条能带走的动作：

一是把六条判据翻成三页附件——任务与写回对象一页、改动与发版一页、权限与审计一页。

二是把 POC 的出题权留在企业手里，题从近半年工单里抽，判定人由业务方出。

三是设通过线并留复测窗口：关键任务完成率不低于九成、断网下主要流程可用、审计字段不缺项。

标准写到这个程度，评估会从“谁讲得好”变成“谁能交得出”。评估标准真正的作用，是让演示没法替你下结论。