一个被 HBR 写进案例的「部门墙」难题
《哈佛商业评论》九月到十月刊刊登了一篇题为《智能体如何跨过组织边界编排工作》的研究案例，主角是总部位于香港的科技集团 Xsight。它要解决的不是「让某个员工更高效」，而是一个更难的问题：当一个商业决策同时穿过采购、物流、财务、法务、销售多个职能时，怎么让分散在各部门的智能体协同起来。案例的切入点很具体——很多企业的单点 AI 已经够用，但跨部门的决策常常因为各方假设不一致而互相打架，或者漏掉别处掌握的信息。Xsight 的解法是把复杂决策先拆成定义清楚的模块，再让专业 Agent 去填，而不是指望一个通用大模型读懂全公司。
模块化 Agent 加一层编排
Xsight 的做法是把一个跨部门决策拆成带明确输入、输出、约束与目标的小模块：合同分析交给一类 Agent，需求预测交给一类，产能规划再交给一类，彼此职责不重叠。上面再架一层编排层（Orchestration），负责把各模块的结果路由、校验、对齐，由一个主控编排器统合分析并接入人的判断。这里的关键不是「一个通用大模型懂全公司」，而是「一群职责窄的 Agent 加一层协调」。案例给出的业务侧说法是，Xsight 的 XsOS 系统把新产品命中率从约 10% 提升到 20% 以上——不过这是厂商自述口径，尚未有独立第三方基准验证，引用时需保留这一前提，不能当成行业通用结论。
从任务级 AI 到决策级 AI
这个案例折射的是智能体价值的一次上移：从「任务级」走到「决策级」。早期的 Copilot 类工具，本质是把单人、单部门的工作提速，产出往往停留在本部门内；跨职能编排则要求智能体连通不同职能的信息、协调彼此冲突的假设、在权衡里给出统一结论。Gartner 对一百多个智能体部署的分析认为，到 2028 年智能体 AI 可量化的 ROI，约 80% 将来自专用型（specialized）Agent；同一机构也预测，到 2028 年约 33% 的企业软件将内置智能体能力，约 15% 的日常决策可由智能体自主完成。数字来自分析机构预测，落地节奏仍要看行业实际，不能当作已发生的统计。这也提醒读者，跨职能编排的价值虽被看好，真正决定成败的是企业是否具备把部门数据、流程与权限标准化的前提，而不是模型本身够不够强。
假设对齐，是这道题目的暗坑
跨职能编排好看，暗坑在「假设对齐」。采购口中的「需求」、财务口中的「可接受风险」、物流口中的「产能假设」，定义往往并不相同；一个 Agent 基于自家数据给出正确建议，放到全公司决策里仍可能促成坏结果，因为底层假设和别处对不上。Xsight 的应对是把任务定义标准化、共享信息模型，再由编排层做校验路由。这恰恰说明：跨职能智能体的瓶颈不在模型聪明与否，而在「大家对同一件事的定义是否一致」。这部分工程，比调模型更难，也更少被演示视频展示，却是能否落地的分水岭。
人不能退出决策环
案例反复强调，目标不是造一个「自治 CEO」，而是削减围绕高管决策的协调工作量。编排层负责分析、路由、权衡识别，但最终拍板与责任仍留在人手里。这一点对国内企业尤其重要：不少公司一谈智能体就想着「全自动替代」，但跨部门决策天然牵扯权责与合规，把最终决定权交给一群各管一段的 Agent，风险远大于收益。Xsight 的案例给出的范式是「人把握决策、Agent 承担协调」，这可能比「全自主」更经得起真实组织的检验。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。