智能体产品层出不穷，企业选型却容易踩坑。本文从业务价值、数据接入、系统集成、权限合规、运维成本五个维度给出可操作的判断标准，并梳理三类最常见的选型误区，帮助决策者在真实业务场景中做出理性判断。
过去一年，几乎所有企业软件都在讲智能体。但真正上线并稳定运行的项目并不多：有的停留在演示阶段，有的上线后无人使用，有的因数据权限问题被迫下线。问题往往不在模型能力，而在选型阶段就埋下了隐患。本文从中国企业决策者的实际处境出发，给出五个可落地的判断标准，并梳理三类高频踩坑，供选型时对照参考。
很多选型会从模型榜单、参数规模谈起，这是典型的工程师视角，而不是经营视角。企业购买智能体的本质是购买“某项工作的完成能力”，因此第一个判据应是：这个场景是否有明确的责任人、明确的输入输出、可衡量的处理量与差错成本。例如合同初审、售后工单分类、招投标文件比对，这类场景边界清晰、样本充足，容易验证效果；而“提升全员效率”这类模糊目标，往往在试点期热闹、推广期沉默。建议在选型前列出三到五个候选场景，按“频次×人力成本×差错代价”排序，优先从高频、低风险场景切入，用小范围试点结果决定是否扩大投入，而不是先采购平台再找用途。
智能体的效果上限由企业自有知识决定，因此第二个判据是知识库能力：能否接入内部文档、工单、制度、产品手册等非结构化数据，是否支持增量更新与版本管理，检索结果能否追溯到原文出处。缺乏溯源能力的系统，在财务、法务、合规场景中几乎无法通过评审。同时要关注数据边界：是公有云调用还是私有化部署，敏感数据是否出企业内网，供应商是否会用企业数据训练模型。对金融、制造、医疗等行业，私有化部署往往是硬性前提。Uwang 在这一层提供知识库 RAG 与私有化部署选项，选型时可重点验证其文档解析质量与权限颗粒度，而非只看演示效果。
智能体不是孤岛。第三个判据是集成与执行能力：能否通过 API、Webhook 或标准连接器对接 ERP、CRM、OA、工单系统，能否在流程中调用现有系统的读写接口，完成任务闭环而非只输出一段文字。一个只会聊天的智能体和一个能在审批流中自动填单、查库存、发通知的智能体，价值差一个量级。选型时要让供应商用企业自己的系统做一次端到端演示，观察异常处理：接口超时怎么办、字段缺失怎么办、人工接管是否顺畅。多数企业踩坑的原因，是采购了演示效果漂亮但无法嵌入业务流程的产品，最终沦为内部玩具。
第四个判据是治理能力。智能体要接触企业数据并执行动作，必须回答：谁能创建、谁能发布、谁能查看对话记录；不同部门的智能体是否隔离；是否留存完整审计日志以应对内控与监管检查。第五个判据是总拥有成本，包括许可证费用之外的知识库整理人力、提示词与流程的持续调优、模型调用费用随用量增长带来的预算波动。行业经验显示，知识库治理与流程调优往往占到项目总投入的相当比例，选型时应要求供应商明确这部分工作由谁承担、周期多长。智能体平台若缺少统一的管理后台与权限体系，后期治理成本会快速上升，这也是 Uwang 将智能体产品与自动化流程管理放在同一平台的原因之一。
第一类是把智能体当搜索引擎，期待“什么都能答”，结果因回答不准而失去业务方信任；规避方式是限定知识边界，答不出时明确转人工。第二类是忽视流程归属，智能体由 IT 部门采购、业务部门不认领，上线后无人维护知识库；规避方式是立项即明确业务负责人和运营指标。第三类是被演示效果误导，供应商用精心准备的样例数据演示，企业未用自己的真实数据做验收测试；规避方式是在合同中约定以企业样本进行的验收标准与效果基线。三类问题的共同点，是选型时只评估产品能力，未评估组织准备度。把场景责任人、数据治理责任和验收口径提前写清楚，比多比较几家产品参数更有价值。
需要，但重点不同。中小企业应优先选择开箱即用、按用量付费、无需自建运维团队的产品，先解决一两个高频场景，避免一次性投入过大。选型时重点确认数据存放位置、导出能力和退出机制，防止被单一供应商锁定。待场景验证跑通、使用量稳定后，再考虑私有化部署等更重的方案。
建议用企业自己的真实文档做测试：抽取包含表格、扫描件、多级标题的制度文件，观察解析是否完整、检索是否命中正确段落、回答是否给出来源引用；再故意提问知识库外的问题，看系统是否承认不知道而非编造。同时确认文档更新后知识是否自动同步，以及不同部门的数据是否相互隔离。
主要看数据敏感度和 IT 运维能力。涉及客户个人信息、财务数据、核心工艺或受监管数据的场景，通常要求私有化部署；标准化程度高、数据敏感度低的场景，SaaS 版本上线更快、成本更低。也可以采用混合方式：敏感业务私有化，通用办公场景用 SaaS，关键是提前确认两种形态的数据是否能互通、迁移成本如何。