【IBM 咨詢 2026深耕者系列談】將邀請 IBM 咨詢的各行業領軍者，不只談觀點，更傳遞一線實干經驗，分享在行業變革中解決最為復雜難題的真功夫 。深耕者，是懂技術、能實戰，與企業一道在場、并肩成長的同行伙伴。

OpenClaw（“龍蝦”）火了。

2026年初，DeepSeek 的余溫尚未散去，龍蝦的火辣開場又席卷全球。這一次，AI 不再只是“更會聊天”，而是展示了一種全新的可能性：你給它一個目標，它自己想辦法完成——自己規劃路徑、選擇工具、處理異常，不用你一步步指揮?！白?AI 自己干活”，一夜之間成了企業 AI 討論里最熱的敘事。

興奮之余，一個更現實的問題浮出水面。對于需要處理采購訂單、審批流程、客戶承諾的企業來說，“AI 自己干活”聽上去誘人，但緊接著的追問是：它干錯了怎么辦？它碰了不該碰的數據怎么辦？它做了一個涉及資金的決定但沒人審批怎么辦？

自主到什么程度才是對的？邊界畫在哪里？這恐怕是龍蝦熱潮留給每一家企業最值得認真回答的問題。圍繞這一話題，IBM 大中華區 AI 咨詢服務總經理葉劍與技術總監陸子睿，分別從業務判斷和技術實現兩個維度，闡述 IBM 的觀點。

葉劍從“為什么是 L3”以及“圍欄該畫在哪里”的角度出發——這是戰略層的選擇；陸子睿則回答了“技術上如何讓 AI 懂業務“以及“如何給智能體加上韁繩“——這是工程層的落地。兩者合在一起，才構成企業從“想明白“到”做得到“的完整路徑。

葉劍 IBM 大中華區 AI 咨詢服務總經理

01做 L3，不急 L4！

龍蝦很好，它打開了一扇門。但企業今天真正要解決的問題，不是“AI 能不能自己干”，而是“它懂不懂你在干什么”。自主是手段，融入業務才是目的。

這個判斷來自 IBM 自身的實踐。我們在內部推行“零號客戶”計劃，先拿自己當試驗田——在 HR、財務、銷售、供應鏈等九個業務領域做了 115個 AI 應用，一年省下來 45億美元運營成本。做下來最大的體會是：AI 的價值不取決于它多自主，取決于它嵌入業務有多深、被管理得有多好。

要討論“自主到什么程度合適”？目前，大家為 AI 的發展定義了 L1 到 L4 的能力分級——從聊天、推理、執行任務，到成為一個創新者。L1 和 L2 比較好理解——L1 就是固定流程里加上 AI 做內容識別，比如自動提取發票信息；L2 是 AI 幫你在預設的幾條路里選一條走，比如客服工單自動分流。這兩級大多數企業已經在做了，確定性強，風險可控。

02真正要討論的是 L3 和 L4 的區別

L4 是龍蝦所代表的方向：你給它一個目標——比如“優化下季度華東區供應鏈成本”——它自己去拉數據、分析問題、擬方案、協調執行。沒有預設的路徑，沒有預設的邊界。這個能力是真實的，也是令人振奮的。

但 L4 當然值得關注，今天大多數企業先別急著追那個終局。我們做了不少項目，發現真正卡住落地的，往往不是 AI 的自主能力不夠，而是企業本身還沒準備好讓 AI 這么自主。我更建議企業聚焦 L3——有限自主。

L3 是什么？AI 可以自己規劃怎么完成一個任務——比如做一次采購決策輔助，它自己去查供應商、比價格、評估交期風險、寫推薦報告——但到了“下單”這一步，必須由采購經理點頭。再比如設備維修排程，AI 可以根據運行數據和備件庫存自己排方案，但涉及停機，得交給生產主管決定。

可以把 L3 想象成：給 AI 一個足夠大的操場，讓它自己跑，但圍欄的位置是你定的。哪些工具能用、每次最多做幾步、什么級別的動作必須等人審——這些圍欄畫清楚了，AI 的自主性才真正可用。

03AI 不懂你的生意，給它再多自主權也沒用

很多企業第一反應是先看模型大小、看 Agent 框架，但我們做下來發現，真正卡住落地的往往不是這個。這里舉兩個場景：

第一個是供應鏈。一家零部件供應商著了火，你需要 AI 能馬上告訴你：哪些原料受影響、哪幾條產線的排產要調、哪些客戶的交付承諾兌現不了、該啟動哪一級應急響應。這些判斷的前提是什么？是 AI 知道“供應商”、“原料”、“產線”、“排產計劃”、“客戶訂單”之間的關系。它不知道這些關系，就算給它最強的模型，它也只能給你一堆泛泛而談的建議。

第二個是財務。一家礦業企業做損益分析，利潤波動了，原因是什么？要沿著“礦種→礦山→產量→國際大宗商品價格→匯率”一路往下追，每一層的關系都要對。大模型什么都能聊兩句，但它不知道“銅礦”的產量跟“LME 銅價”跟“澳元匯率”之間到底怎么聯動。

AI 進流程，這是入場券，能體現價值。但AI要真正發揮價值，它得懂你的業務。龍蝦讓“自主規劃”不再是瓶頸了，但“懂業務”和“嵌入流程”才是企業 AI 落地的勝負手。

04圍欄怎么建，L4 什么時候能做？

圍欄畫在哪里？我認為有四條線：

第一條是權限。AI 能調哪些工具、能碰哪些數據，有白名單。每次任務最多做幾步，有上限。超了就自動停下來等人介入。

第二條是角色。這不是彈一個確認框那么簡單。在企業里，什么人能批什么事是有規矩的——操作員能確認的事、經理能確認的事、風控能確認的事，層級分明。AI 的審批流也得照著這套規矩來，本質上就是把企業原有的授權體系延伸到了 AI 執行層。

第三條是可追溯。AI 每一步用了什么工具、看了什么數據、做了什么判斷，都得有記錄。不是出了事再去補日志，而是執行過程中就實時留痕。

第四條是評估。不能只看準確率。任務完成了沒有、中間退回了幾次、出了多少異常、每次任務到底幫公司省了錢還是添了麻煩——這些要有數。沒有這套評估，就不知道 L3 這個圍欄該縮還是該擴。

L4 什么時候能做？不是幻想，但有硬前提。管理制度和審批流程得全面數字化；核心業務流程得面向 AI 重新設計過；企業內部的各種業務系統得能被 AI 調用。說白了，只有企業內部的業務變得“全面可計算”——流程是數字化的、服務是 API 化的、數據接口是標準的、工作流是可編排的——L4 才有基礎。否則放一個 L4 級別的智能體進去，它連內部審批該找誰都不知道。

IBM 商業價值研究院的數據也佐證了這一點：79%的高管預期 AI 到 2030年能顯著貢獻收入，但只有 24%說得清楚錢從哪來。這個落差不是技術問題，是路徑問題。

2026年是一個分水嶺。企業要從做 Demo 變成真正運營 AI。三件事需要一起干：

把業務對象和規則建出來，讓 AI 懂你的生意；

把治理體系搭起來，讓 L3 的圍欄第一天就立??；

把 AI 運營能力建起來，別光追求跑通一次，要能持續、穩定地跑下去。

L3 不是 L4 的將就。它是今天企業 AI 最扎實的立足點。把 L3 做透了，同時一步步推動業務的“全面可計算”，L4 自然水到渠成，別反過來。

陸子睿IBM 大中華區 AI 咨詢服務技術總監

05讓 AI 懂業務：把隱性的業務邏輯變成機器可推理的結構

當前多數企業 AI 項目的技術路徑是接入 RAG、調優 Prompt、選擇模型，但往往忽略了一個前置問題：AI 并不天然理解一家企業的業務邏輯。供應商供應哪些物料、物料適配哪些產線、每個供應商的資質認證狀態、不同訂單類型的交付承諾周期、一張工單從創建到完工要經過哪些狀態節點和審批角色——這些信息分散在 ERP、MES、SRM 等多個系統中，大量以隱性知識的形態存在于業務專家的經驗里。

企業需要做的，是把這些隱性的業務對象、關系和約束規則，轉化為一套機器可查詢、可推理的結構化模型。業界通常稱之為業務本體或領域模型。它的作用，類似于數字孿生之于物理世界——不是復制一個業務系統，而是為 AI 構建一層可計算的業務語義層，使智能體在規劃和執行時能夠基于真實的業務關系做推理，而不是基于語言模式做猜測。

06企業級智能體平臺需要補齊的管控能力

企企業對智能體的治理，除了關注它生成的內容是否準確可靠，更要關注它的行為鏈條——調用了哪些工具、訪問了哪些數據、在什么節點做出了什么決策、最終觸發了哪些業務動作。當智能體開始執行業務操作而非僅僅回答問題時，行為鏈條的管控就成為治理的核心。龍蝦類框架的推理循環和工具調用能力已經相當成熟，但其設計假設是單用戶、無權限邊界、無審計要求。企業需要在這個能力內核之上，補齊一層完整的運營管控機制：

第一，技能注冊與權限矩陣。智能體可調用的每一個工具在平臺上注冊并標注風險等級，同時建立角色-工具權限矩陣，與企業現有的組織授權體系對齊，確保不同崗位的 AI 助手擁有差異化的工具訪問范圍。

第二，動作門控與步數預算。每次任務設定動作步數上限以防止無限循環。按動作影響程度分級管控：只讀查詢自動放行，涉及資金、客戶承諾或合規判斷的高影響動作，根據動作類型和金額閾值動態路由至企業審批鏈中對應的審批節點。

第三，結構化推理日志。區別于普通文本日志，每一步執行記錄包含工具調用、參數傳遞、返回結果以及AI選擇下一步的推理依據，支持全鏈路回放和定位。同時，這些日志可供評估流水線消費——統計各環節耗時、異常率和通過率——為智能體的持續優化提供量化依據。

第四，熔斷與降級。當出現外部接口超時、返回格式異常或連續推理邏輯矛盾時，系統自動暫停任務、保存執行現場并通知運營人員介入。在個人場景中 AI 出錯影響有限，但在企業場景中，異常狀態下的繼續執行可能直接觸發錯誤的業務操作。

技能注冊、權限矩陣、動作門控、推理日志、熔斷降級——我們把這套能力統稱為智能體的 Harness 工程，即給智能體加上“韁繩”的系統性工程。它不是限制 AI 的能力，而是讓 AI 的能力在企業環境中可控地釋放。這是企業級智能體平臺與個人 Agent 框架之間的本質差異。

寫在最后

龍蝦打開了一扇門，讓我們看到了 AI 智能體自主規劃、自主執行的巨大潛力。但對于企業而言，穿過這扇門之后面對的不是一條直道，而是一個需要邊界感的新世界。

葉劍和陸子睿兩位專家從不同角度給出了同一個判斷：企業 AI 智能體的規模化落地，關鍵不在于追求最高級別的自主性，而在于找到自主能力與業務管控之間的平衡點。L3——有限自主——正是這個平衡點所在。在 L3 的圍欄內，讓 AI 充分發揮自主規劃的價值；在圍欄之外，保持企業對關鍵決策的控制權。同時，持續投入業務語義建模和智能體 Harness 工程建設，為最終走向 L4 積累條件。

在一個 AI 能力日新月異的時代，比追新更重要的，或許是想清楚一個問題：什么該交給 AI，什么必須留在人手里。畫好這條線，企業才能真正放開手腳。

關于 IBM

IBM 是全球領先的混合云、人工智能及企業服務提供商，幫助超過 175個國家和地區的客戶，從其擁有的數據中獲取商業洞察，簡化業務流程，降低成本，并獲得行業競爭優勢。金融服務、電信和醫療健康等關鍵基礎設施領域的超過 4000家政府和企業實體依靠 IBM 混合云平臺和紅帽 OpenShift 快速、高效、安全地實現數字化轉型。IBM 在人工智能、量子計算、行業云解決方案和企業服務方面的突破性創新為我們的客戶提供了開放和靈活的選擇。對企業誠信、透明治理、社會責任、包容文化和服務精神的長期承諾是 IBM 業務發展的基石。