一个 96% 的 AI Agent，为什么输给 80% 的同行？Druid AI 的绩效评估法

导读

客服 Agent 独立处理了 96% 的对话，就一定比处理 80% 的同行更好吗？Druid AI 认为，衡量 Agent 要先写清业务目标和交接规则，再结合治理、任务结果与持续表现看数据。银行客户询问提前还贷金额时，Agent 可以先回答，再把上下文交给员工跟进潜在再融资需求；这会降低独立处理率，却可能更符合银行的目标。Druid 因此提出记分卡，检查 Agent 的职责、事实来源、权限、预算、业务成功标准及运行日志，也区分自主任务与有人复核任务的错误后果。任务创建时就要约定成功标准，例如合同续约不仅要看是否完成，还要看价格和条件是否符合预期。上线后，Druid 每周用真实流量对照人工基线，观察行为是否漂移，再根据业务结果调整，而不是只看一次验收或一条仪表盘指标。