三组样本，一条共同的验收主线
2026 年 11 月的三组落地样本，规模与行业差别很大，却都卡在同一个问题上：公开的那个百分比到底量的是什么。11 月 9 日 Northern Trust 与 Microsoft 公布客户入职智能体；11 月 6 日常州经开区「AI 经彩」沙龙披露横林镇华一地板等的智能体实践；11 月 11 日新华社报道双十一期间 Accio 与京麦 AI 的读数（来源：微软官方 Source 新闻稿、常州经开区数据局官网、新华网报道全文）。
| 样本 | 组织规模 | 公开的核心读数 | 本文要拆的分母 |
|---|---|---|---|
| Northern Trust × Microsoft | 跨国金融机构，托管资产 19.9 万亿美元 | 时间降 83%、96.5% F1 首过 | 两条测量链路是否共用样本 |
| 横林镇华一地板等 | 县域产业集群近 700 家企业 | 2025 年集群产值超 260 亿元 | 产值是产业背景，不是智能体收益 |
| 京麦 AI / Accio | 平台侧商家与中小企业 | 60 余款工具、80% 与 96%、词元同比增 10 倍 | 两组百分比的判据与平台自报边界 |
把三者放在一起不是为了比谁做得更好，而是为了说明验收口径的粒度随组织规模变化：跨国机构给出带脚注的双链路测量，县域企业给出选场景与数据边界的定性规则，平台侧给出覆盖率的粗读数。缺任何一层，都容易把背景数字当成收益数字。
本站 R-CASE-52 处理服务智能体产线（华润信托、伊利、毕马威），R-CASE-57 处理单据到现金流的链路，R-CASE-58 处理一线员工自建智能体的培训路径。本轮补的是验收与计量这一层：读数怎么测出来、哪些数字属于背景、哪些可以进 ROI 账本。三组样本均为此前未覆盖的新主体。
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。三组材料均为企业或平台侧披露，未见第三方审计与统一口径的横向复核。
两周半到三天：83% 的时间账本
Northern Trust 与 Microsoft Frontier Company 前向部署工程团队联合开发的客户入职智能体，服务 Asset Servicing 的 Front Office Solutions 平台，面向基金会、捐赠基金、养老金计划与大型家族办公室。任务是把客户跨越数年的投资与交易历史，重整为 Northern Trust 报告环境所需的标准数据结构；另类资产会显著增加合并多源数据的复杂度（来源：微软官方 Source 新闻稿 2026.11.09 全文）。
官方稿写「数据准备时间降 83%，从约两周半到三天」，并在脚注里给出测量口径：部署后对真实客户入职场景测量准备时间，分析覆盖数据转换、分析师复核、异常处理与最终验证；降幅由旧流程基线约 2.5 周与智能体辅助生产案例的平均完成时间比较得出（来源：微软官方稿脚注一，Unite.AI 独立报道亦复述了同一口径）。
| 账本项 | 官方口径 | 本文换算 / 提示 |
|---|---|---|
| 旧流程基线 | 约 2.5 周 | 按 17.5 个自然日或约 12.5 个工作日，取决于周的定义 |
| 智能体辅助后 | 平均 3 天 | 生产案例的平均完成时间，非单次最优 |
| 公布降幅 | 83% | 若按 17.5 天折算 (17.5−3)÷17.5 ≈ 82.9%，与 83% 自洽 |
| 测量覆盖范围 | 数据转换、分析师复核、异常处理、最终验证 | 含人工环节，不是孤立的自动转换步骤 |
| 行业背景读数 | 57% 资产所有者称多源数据合并是首要挑战 | 出自 Northern Trust 自身调研，属需求背景 |
按 17.5 个自然日折算，(17.5−3)÷17.5 ≈ 82.9%，与公布的 83% 自洽（原创换算）。但若「两周半」按工作日约 12.5 天理解，降幅会变成 (12.5−3)÷12.5 = 76%。公开材料没有说明周按自然日还是工作日计，这个差别约 6.9 个百分点，本文并列保留。更值得记的是脚注那句「含分析师复核与异常处理」：83% 是整条流程的降幅，不是模型转换那一步的提速。
Northern Trust 首席运营官 Pete Cherecwich 的表述也落在同一处：智能体缩短准备与验证客户数据的时间，同时保持客户预期的监督与控制，把双方产能释放到更高价值的工作。这是 augmented intelligence 的定位——判断与责任仍留在人这边。
96.5% F1：七个案例、首过、参考输出隐藏
同一份官方稿报出 96.5% 的 F1 首过质量分，脚注二写明：该分数来自七个代表性测试案例的受控测试，使用 Northern Trust 提供的真实但已匿名化的历史客户交易工作簿；智能体生成的数值与分析师预先准备的参考输出比对，参考输出在执行期间隐藏；F1 结合精确率与召回率；结果记录于分析师反馈或修正之前（来源：微软官方稿脚注二，Unite.AI 报道对「首过」与「复核后」的区分另有说明）。
| 维度 | 质量测试（96.5% F1） | 时间测量（83% 降幅） |
|---|---|---|
| 样本 | 七个代表性脱敏历史工作簿 | 真实客户入职生产案例 |
| 时点 | 分析师反馈与修正之前 | 含分析师复核、异常处理、最终验证 |
| 判据 | 与隐藏的分析师参考输出比对 | 与旧流程基线比较平均完成时间 |
| 指标 | F1（精确率与召回率结合） | 完成时间 |
| 能否互推 | 不能推出生产吞吐 | 不能推出首过正确率 |
这张表是本案例的核心。「又快又准」这句话需要两条测量链路共用样本或共用时点，而这里两者都不共用：时间账含人工复核，质量账不含人工修正。合理的读法是分开记：在七个脱敏案例上首过 F1 为 96.5%；在真实生产案例上含人工环节的完成时间降约 83%。两句都对，合成一句就超出了公开材料能支撑的范围。
七个测试案例是受控测试集，不是生产分布的抽样。官方稿与 Unite.AI 都把「在更广泛的客户历史上是否保持相同节省与首过质量」列为待观察的运营问题。把 96.5% 写成「该智能体准确率 96.5%」会丢掉三个限定词：七例、首过、脱敏历史工作簿。
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。尚未公开的是七例的选择标准、F1 在字段级还是案例级计算、错误类型分布、以及生产环境下的复核后质量读数。
eyes-off 与可复现的六步路径
架构侧，官方稿写智能体构建在 Microsoft Azure 上，使用 Microsoft Foundry 提供企业级 AI 能力，并与 Excel、SharePoint 等 Microsoft 365 工具集成，使分析师可以检查、调整与批准输出；Azure 支撑一层受治理的智能层，保留已批准的客户入职知识，便于长期复用机构经验。分析师还能评估推理、处理异常、给出专家反馈，并在客户上线前用智能体识别与核对错误、验证起始数据（来源：微软官方 Source 新闻稿全文、Unite.AI 报道）。
数据隔离用官方所称的 eyes-off 方式：Microsoft 只用匿名数据在 F1 首过质量及其他评估指标上做优化，Northern Trust 的客户数据全程留在该行自身治理之下。这是整套案例里最容易被跳过、却最容易复现的一步——它把「谁能看到真实数据」写进了工程边界，而不是只写进合规文档。
| 步骤 | 动作 | 交付物 / 验收点 | 对应公开材料的依据 |
|---|---|---|---|
| 1 | 锁定单一高摩擦流程 | 把多年交易历史重整为标准结构的流程边界 | 官方稿对任务的描述 |
| 2 | 先建旧流程基线 | 约 2.5 周，明确按自然日还是工作日 | 官方稿脚注一 |
| 3 | 准备隐藏参考输出 | 分析师预先产出、执行期间不暴露 | 官方稿脚注二 |
| 4 | 脱敏数据上做受控测试 | 七例首过 F1，记录修正前结果 | 官方稿脚注二 |
| 5 | 嵌入人工复核与异常通道 | Excel / SharePoint 检查、调整、批准入口 | 官方稿架构段 |
| 6 | 生产测量含全链路 | 转换、复核、异常、验证一并计时 | 官方稿脚注一 |
六步的次序有讲究：先把基线与参考输出准备好，再上智能体；否则事后补的基线会与生产条件不一致。第五步不能省——官方稿明确把 human oversight 写进工作流设计，且 83% 的时间账本身就包含分析师复核，跳过它等于把两条测量链路的口径悄悄改掉。
另有一条组织侧的前提：Northern Trust 侧调研显示 57% 的资产所有者把「合并多个内外部来源的数据」列为首要挑战，这个读数解释了为什么选的是数据重整而非别的环节。它属于需求背景，不进 ROI 账本。
横林镇：两条选场景标准与一条本地化红线
常州经开区数据局 11 月 6 日在横林镇办了第二期「AI 经彩」工业制造业数智沙龙。横林被称为「中国地板之乡」，集聚地板、家具、饰面纸企业及配套厂家近 700 家，2025 年绿色家居产业集群产值超 260 亿元，产品销往 180 多个国家和地区（来源：常州经济开发区官网《「AI 经彩」赋能「地板之乡」》全文）。这些是产业背景读数，不是智能体带来的收益。
作为本土样本的华一地板，把选场景收敛成两条标准：高频发生、数据相对脱敏；做应用不求大而全，而是从「能问一问」转向「做成事」，让智能体接收拍照、文本、语音后直接给出可用结果；涉及经营、客户、报价的核心数据坚持本地化部署。落地分办公端与生产端两块，并给出试点、铺开、沉淀三步走。
| 侧 | 具体应用 | 人工位置 | 公开材料给的推进规则 |
|---|---|---|---|
| 办公端 | 招标信息查询、标书辅助编写、报销票据识别归类、宣传内容生成 | 未逐项说明 | 选高频低敏事务先行 |
| 生产端 / 安全 | 厂区摄像头复用做火焰、烟雾与异常人员状态识别 | 异常再转人工 | 安防改造投入小、见效快 |
| 生产端 / 质量 | AI 视觉检测逐片判定公差与外观缺陷 | 异常转人工复查 | 从「AI 初筛+人工复查」起步，逐步用全检替代抽检 |
| 生产端 / 设备 | 震动、声音、温度数据做预测性维护 | 未说明 | 减少非计划停机 |
| 生产端 / 图纸 | 智能体自动读图，测算面积与材料损耗 | 未说明 | 按订单归集事实数据沉淀知识库 |
服务商侧补充了两条组织规则：江苏云迈谈「组织 AI」，认为个人提效若不转化为组织效率，价值会迅速衰减，做法是把 AI 叠加在 ERP、MES 之上承接跨系统流转；钉钉专家强调不另起炉灶，在既有通讯录、审批、会议、知识库上做加法，应用层主打「一人一 Agent」。圆桌环节把表面缺陷识别、同批次色差、多花色小批量排产、设备预测性维护列为热度靠前的议题，并提醒色差主要源自原材料与压贴工艺，不能指望后道检测一键消除，AI 更适合做批次追溯、色差分级与产品库匹配（来源：同上官网全文）。
「涉及经营、客户、报价的核心数据坚持本地化部署」与 Northern Trust 的 eyes-off 是同一条原则的两种写法：先划清哪些数据不出域，再谈智能体能接多少系统。对县域制造企业，这条边界还决定了选场景顺序——高频低敏的办公事务与安防先上，涉及报价与客户的排产、知识库后上。
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。该报道未给出华一地板的效率提升百分比、投入金额、回收周期与上线时间点，因此不宜为它编造 ROI 数字。
80%、96% 与 10 倍：平台侧读数的分母
新华社 11 月 11 日的双十一报道给了两组平台侧读数。京东集团介绍，京麦 AI 经营中心把平台能力从「给工具」升级为「给结果」，首批汇聚 60 余款 AI 工具，覆盖选品、素材、营销、履约、客服；数据显示京麦 AI 已助力 80% 的新商家大幅提升运营效率，为 96% 的新商家提供日常运营支持与经营建议。阿里巴巴全球 B2B 总裁张阔说，Accio 上已有超过 1000 万家中小企业开展经营活动，词元使用量同比增长 10 倍；同一报道提到 Token 以独立品类在多个电商平台上架（来源：新华网《AI 深度赋能 2026 年「双十一」》全文）。
| 读数 | 数值 | 分母 / 判据 | 本文的口径提示 |
|---|---|---|---|
| 京麦 AI 工具数 | 首批 60 余款 | 工具条目数 | 不等于 60 个智能体，也不等于 60 个场景 |
| 助力新商家提效 | 80% | 新商家；判据为「大幅提升运营效率」 | 「大幅」无量化阈值，属平台自报 |
| 提供日常运营支持 | 96% | 新商家；判据为「提供支持与建议」 | 与 80% 同为覆盖率但判据不同，不可相减 |
| Accio 中小企业 | 超 1000 万家 | 平台开展经营活动的主体数 | 是存量主体数，不是智能体使用数 |
| Accio 词元使用量 | 同比增 10 倍 | 平台词元总量 | 未给基期数值与是否含缓存词元 |
| 一人公司样本 | 80 多个 Agent、20 多笔在推进订单 | 单个创业者 | 新华社特写，非统计样本 |
80% 与 96% 两组百分比都以新商家为分母，但一个判据是「效率大幅提升」、另一个是「获得支持与建议」，二者相减得到 16 个百分点没有业务含义（原创口径辨析）。1000 万家是平台上开展经营活动的中小企业存量，与「用了智能体的企业数」是两个量。报道里 OPC 一人公司创业者张乾超用 80 多个 Agent 处理海外订单、20 多笔品牌客户订单在推进，属于具名特写，不能外推为平台平均水平。
同一篇报道里还有一句应作为所有平台读数的共同边界：有业内人士指出，AI 在电商侧的增效作用已开始显现，但从模型调用成本到订单实际转化之间的经济性，仍有待更长周期的观察。1688 副总裁王强则提出，若买卖双方都有自己的 Agent，商品需变成「可被 AI 读取」的数字模型，涉及参数标准化、品质可溯源、履约可信与售后保障。这是把智能体作为交易对手方后的新增工程量，不在当前 80% 或 96% 的覆盖口径内。
四列 ROI 记账模板与六组原创换算
把三组样本放进同一张表，较为稳妥的做法是先分列、再谈汇总。下面这张四列模板不引入任何公开材料之外的收益数字，只记录「读数是什么、分母是谁、怎么测的、能不能迁移」。
| 读数 | 分母 / 样本 | 测量链路 | 可迁移边界 |
|---|---|---|---|
| 83% 时间降幅 | 真实生产案例均值 vs 约 2.5 周基线 | 含转换、复核、异常、验证全链路 | 按自然日或工作日计会差约 6.9 个百分点 |
| 96.5% F1 首过 | 七个脱敏历史工作簿 | 隐藏参考输出、修正前记录 | 样本小，非生产分布抽样 |
| 80% / 96% | 京麦新商家，两种不同判据 | 平台侧覆盖率统计 | 无「大幅」阈值，不可相减 |
| 词元同比增 10 倍 | Accio 平台词元总量 | 平台自报同比 | 未给基期数值与缓存口径 |
| 集群产值超 260 亿元 | 横林绿色家居产业整体 | 产业统计，非项目测量 | 属背景，不进 ROI 账本 |
| 2000 万元专项补贴 | 「智云常经开」平台政策 | 算力券、模型券、语料券、场景券四类 | 是投入侧政策，不是项目收益 |
六组原创换算，每组标明分母：
| 换算 | 依据 | 结果 | 边界 |
|---|---|---|---|
| 时间降幅（自然日） | (17.5−3)÷17.5 | 约 82.9% | 与公布 83% 自洽 |
| 时间降幅（工作日） | (12.5−3)÷12.5 | 约 76.0% | 差约 6.9 个百分点，周的定义未公开 |
| 时间倍数 | 17.5 ÷ 3 | 约 5.83 倍 | 基线含人工环节 |
| F1 互补比例 | 100 − 96.5 | 3.5% | F1 非案例正确率，不可读作「七例错 0.25 例」 |
| 两组覆盖率之差 | 96 − 80 | 16 个百分点 | 判据不同，相减无业务含义 |
| 产业户均产值 | 260 亿元 ÷ 近 700 家 | 约 3714 万元 / 家 | 产业背景均摊，不是企业收益 |
第四行需要多说一句：F1 是精确率与召回率的调和指标，作用在字段或数值比对层面，不是「七个案例里对了几个」。把它换算成案例数会造出一个不存在的读数。这也是本轮把「验收口径」单独成篇的理由：数字本身没错，错的是量纲。
三条避坑红线与可证伪边界
把三组样本当作实施清单时，以下三条建议写成硬约束：
- 红线一：基线与参考输出先于上线。Northern Trust 的两条测量链路都依赖事前准备好的旧流程基线与隐藏参考输出；事后补基线会让 83% 与 96.5% 同时失去可比性。
- 红线二：数据边界先于系统连接。eyes-off 与华一的本地化红线指向同一件事：先写清哪些数据不出域，再决定接 ERP、MES 还是 Microsoft 365；平台侧的 1000 万主体数不能替代这道判断。
- 红线三：覆盖率不等于收益。80%、96%、10 倍都是平台自报的覆盖或调用量读数，从模型调用成本到订单转化之间的经济性，新华社引述的业内判断仍是待观察。
此外还有几处应保留怀疑：
- 全部为企业或平台自报：微软与 Northern Trust 官方稿、新华社转述的平台数据、常州经开区官网材料均未见第三方审计或统一口径复核。
- 七例样本过小：96.5% F1 无法给出稳定的置信区间，官方稿自己也把更广泛客户历史上的一致性列为运营问题。
- 时间口径依赖周的定义：自然日与工作日两种理解相差约 6.9 个百分点，公开材料未说明。
- 县域样本缺量化：华一地板未披露效率提升百分比、投入与回收周期，本轮不为它补任何收益数字。
- AI 初筛仍要人工复查：官网材料明确写从「AI 初筛+人工复查」起步，这一点若被省略，会把辅助检测误写为全自动质检。
- 色差不能靠后道检测消除：圆桌共识指出色差主要源自原材料与压贴工艺，AI 更擅长批次追溯与分级，不是替代工艺治理。
一条可证伪的检验路径是：在同一批客户历史上，同时记录首过 F1 与复核后 F1，若两者差距很小，则人工复核环节主要是形式性检查；若差距明显，则 83% 的时间账里「分析师复核」仍是质量兑现的关键，压缩它就会把收益还回去。公开材料没有给出复核后质量读数，本文把它列为待验证项而非结论。
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。尚未说明的是七例测试集的选择标准、生产复核后质量、项目投入与回收周期、华一地板的具体效率读数，以及平台侧覆盖率的判定阈值。