数字员工分五级：企业给自己的Agent定级

📋 目录

• 📐 开场：两把尺子，一把量个体一把量体系
• 🪜 L1到L5：五个等级到底差在哪
• 📊 六个维度：为什么不能只看自主性
• 🧮 成熟度三级：管体系和管个体是两回事
• 🎯 四象限：等级和场景该怎么配
• ⚠️ 六个必须核实的口径问题
• 🏗️ 领码 SPARK 融合平台：给自评装上尺子
• 📋 给企业的六条落地建议

📐 开场：两把尺子，一把量个体一把量体系

这期内容来自晓辉博士（袁晓辉，前腾讯研究院副院长）的视频号《Agent越来越多企业怎么管?》，4 分 51 秒。导航里最后一个点是「04:40 从超级个体走向超级组织」。

“从超级个体走向超级组织"这句话，落到实处其实是一个很具体的管理问题：企业里那些 Agent，到底算不算"数字员工”？算的话，它们处在什么水平？

10 月 14 日到 16 日，2026 人工智能产业大会（AIIC2026）在山东济南黄河国际会展中心举行。10 月 14 日上午的"智能原生"论坛里，中国信通院连着发布了两项标准，而且明确说它们是"互为输入输出"：

这个"互为输入输出"的设计是这两项标准最值得注意的地方。它意味着：你不能只评估 Agent 强不强，也必须评估企业管不管得住。一个 L5 的数字员工放在一个"卓越级"体系里，和放在一个"基础级"体系里，实际产出完全不是一回事。

而这个区分，恰恰是当下大多数企业最缺的。信通院自己在发布材料里把企业的困境列成了四条：规划建设缺标尺、运营管理缺规范、能力水平缺分级、建设成效缺依据。

这四条里，最被忽视的是第三条。

为什么？因为前两条企业自己知道疼。项目孤岛是自己受过的伤，异常定位慢是自己的锅。但"我这些 Agent 到底算强还是弱"，企业从来没有尺子。

🪜 L1到L5：五个等级到底差在哪

先看《数字员工能力分级要求》的五级框架。参与单位名单里有一批很能说明问题的名字：中金公司、平安人寿、泰康保险、平安银行、兴业银行、国投证券、国铁物资、中广核核电运营、南方电网人工智能科技、扬州市数据局、深圳市数据局相关单位，以及深圳大学。

40 余家机构、70 余位专家参与首次研讨会。

五级的定义是这样的：

这张表最该被读出来的是最后一行和第一行的关系。从 L1 到 L5，"人工监督密集"到"无人值守"是完整的反转。

这不是"越来越聪明"的意思。这是**"人要在不在场"的区别。**

L1 和 L2 的 Agent，人必须在旁边盯着或者在流程里做确认；L5 的 Agent，理论上可以在无人值守的情况下自己学习和演进。这两类东西的风险管理方式、审计要求、权限设计，完全不是一回事。

但这里有一个必须点出来的关键事实。

《数字员工能力分级要求》在 10 月 14 日那天是**“技术规范首次研讨会”**——官方措辞是"会上各位专家群策群力，围绕数字员工能力维度、定级框架进行了深入讨论。后续，项目组将会继续完善技术规范内容，推进编制工作"。

也就是说：它当时还在编制阶段，不是已发布的可执行标准。

而 10 月 14 日同步发布的《数字员工运营管理能力成熟度评估模型》，信通院官方发布的材料明确写着"现已正式发布，并同步启动首批试点评估工作"。

这两个标准在同一天，一个"正式发布并启动试点评估"，一个"首次研讨、继续编制"。这个差别在很多二手报道里被抹平了——如果你看到某篇文章说"信通院发布了数字员工 L1-L5 分级标准"，那很可能把两件事混成了一件。

对企业的实际影响是：你现在可以拿成熟度模型去做自评（首批试点评估已经启动，评测材料准备约 1~2 周、现场评测约 2~3 天），但 L1-L5 分级在编制完成前只能当作参考框架，不能当作验收依据。

📊 六个维度：为什么不能只看自主性

分级框架的六个能力维度是：

这六个维度里，最容易被漏掉、也最能拉开实际差距的是后两个：学习与自适应、可靠性与异常处理。

原因很直白：自主性是"能做什么"，可靠性和学习能力是"能不能一直做"。

一个 L4 的 Agent，任务自主性很高、决策推理很强，但一遇到没见过的异常就乱改策略——它在演示里是 L4，在生产里可能是负分。而一个 L3 但极其稳的 Agent，长期价值可能更高。

这也是为什么"评测"必须包含异常路径。企业自测时通常跑的是正常场景，测得又快又好看。真正决定生产表现的是：当输入不符合预期时，它是降级、追问、还是硬着头皮编一个答案。

信通院另一份同期发布的标准材料里，数字员工的测试环节被拆成了四类：功能测试 + 场景测试 + 安全测试 + 压力测试，然后才是"业务验收"。注意这个顺序——业务验收排在最后。意思是"业务能用"是最后一道关，不是第一道。

而那份标准里还提到了一个很实际的机制：灰度发布。小范围试运行收集反馈，逐步扩大服务。

🧮 成熟度三级：管体系和管个体是两回事

现在看第二个标准——《数字员工运营管理能力成熟度评估模型》。它面向的是组织，回答"这套数字员工管理体系管得好不好"。

它的框架结构是"三横一纵"：

注意第一层的第一个能力子域：“战略规划与场景识别”。标准里明确要求"从场景识别与风险分级入手明确优先级"。

这个"风险分级"很关键——它把第 3 篇讲的沙箱隔离档位、第 4 篇讲的模型权限，纳入了一个统一的分级语言里。沙箱该用哪一档，不再是技术人员的直觉，而是可以按风险分级反推的。

还有一个能力子域值得单独拎出来：“退役管理与资产回收”。

标准里对它的描述是：“退役时资产与知识也不能有效回收”、“提供退役评估、知识留存与残值复用的方法论”。

"残值复用"这四个字，说明标准制定者考虑过一件事：退役的数字员工不是删掉就完了，它的知识资产应该沉淀下来。这直接对应上一篇讲的"上下文四层"里 L3 业务知识的沉淀问题——Agent 走了，知识得留下。

标准的量化规模是：15 个能力子域、71 项能力项，每一项配套可衡量指标与验证要点，三级要求逐级抬升、同一指标在不同级别设定差异化要求。

它也明确诊断了企业的三个典型病症：

第三条"说不清自身处于什么水平"，正是分级标准要解决的。

顺带说一个同期发布的、更早的兄弟标准：《数字员工运营管理指南（1.0）》（CCSA TC601 编制，2026 年 7 月）。它提出的一个公式很值得记住：

数字员工 = 数字技术能力 + 业务流程封装 + 组织角色管理

这个公式的意义在于它明确否定了"数字员工 = 一个大模型 + 几个工具调用"。后两项目前恰恰是企业最缺的——流程封装和组织角色管理，都是需要人来梳理的活，不是模型能自动生成的。

同一份指南还给了数字员工的五个核心特征（PAAIC 模型）：精确性、易塑性、组装性、智能性、可复制性。其中"可复制性"的官方解释是——“数字形态天然近乎零成本，边际效应是核心优势”。这是"数字员工"这个概念真正的商业逻辑：复制一个数字员工的边际成本，远低于复制一个人。

🎯 四象限：等级和场景该怎么配

等级有了，场景怎么配？《数字员工运营管理指南》给了一个基于"任务复杂度"和"自主能力"两轴的四象限模型：

这个模型最实用的地方，是它给出了一个容易被忽略的判断：象限决定了"谁来兜底"。

• 战略决策型：需要人类兜底机制 + 伦理框架
• 专业辅助型：需要领域专家把握方向
• 流程自动型：需要的是可靠性监控，而不是人盯着
• 工具执行型：需要的是有人调用它

很多企业把 L4、L5 的高自主能力，套在"低复杂度 × 低自主"的场景上（工具执行型），花大钱建了一个自主系统去做简单活，然后抱怨"投入产出比不对"。这是能力预算的错配，不是能力不够。

指南里还给出了阶梯式升级路径和一套"超级调度网络"的协同机制——以战略型为"大脑"动态拆解复杂任务，专业型提供深度分析，流程型负责落地执行，工具型提供基础能力支撑。治理原则是"动态安全边界"：高阶自主需要建立严格的伦理框架。

同一个部门的不同 Agent，能力等级可能差得很远，但它们在协同网络里的位置是可以从象限反推的——报表机器人是流程自动型（低复杂度 × 高自主），风控分析是专业辅助型（高复杂度 × 低自主），后者需要人类专家把握方向。

左边是"这个 Agent 有多强"，右边是"企业管得好不好"。左边到 L5 而右边停在基础级，意味着：你的 Agent 能力够了，但你的管理体系配不上它——风险恰恰在这里。标准的"互为输入输出"设计，正是为了让这种不匹配能被提前发现。

顺带说一个可核查的标杆案例：指南附录收录了四大行业的七个案例，其中航空业的案例是——某航空公司智能客服数字员工，大模型训练超 100 次，AI 处理率从 20% 提升至 30%，用户满意度从 75% 提升至 92%。

请注意"AI 处理率从 20% 提升至 30%"这个数。提升 10 个百分点，听起来不错。但它是在 100 次训练之后才拿到的。这个数字同时说明了成功率和难度——它也提醒我们：同一个指标，从 20% 到 30% 和从 80% 到 90% 完全是两件事，但报道里长得一样。

⚠️ 六个必须核实的口径问题

一、L1-L5 分级的发布状态。它在 2026 年 10 月 14 日是"首次研讨会 + 继续编制"。引用时必须写清楚状态，不能写成"已发布的国家标准"。

二、成熟度模型的"正式发布"指的是什么。信通院自己发的是《数字员工运营管理能力成熟度评估模型》，同时启动了首批试点评估。"发布标准"和"通过评估拿到证书"是两件事。而且它面向组织侧，不是给单个 Agent 打的分。

三、别把《数字员工能力分级要求》和《智能体（Agentic AI）能力评估标准 1.0》混为一谈。后者是信通院联合 AIIA 在 2026 年 7 月 1 日发布的，用的是1 到 5 星评级、评估对象是完整的智能体系统、六个能力域是任务规划、工具调用、长期记忆、环境感知、安全合规、多智能体协作。

两套标准时间不同、评级方式不同（星级 vs L 级）、评估对象不同（系统 vs 数字员工个体）、能力维度也不同（长期记忆 vs 学习与自适应）。它们是互补关系，不是同一件事的两种说法。混用会导致采购选型和自评对不上。

四、数字员工 ≠ 所有 Agent。按信通院《智能原生研究报告 1.0》的界定，智能原生是"设计之初即以人工智能为核心驱动力构建的产品、企业或系统"，判别标准是"抽离 AI 后运行逻辑是否仍成立"。而数字员工的定义是"通过融合人工智能、机器人流程自动化、自然语言处理等技术，模拟人类员工行为和思维的数字劳动力"——关键词是"岗位形态"和"承担明确的职责与考核要求"。

一个内部提效工具不一定是数字员工；一个承担岗位职责的 Agent 才是。这个区分直接影响它要不要走数字员工的评估体系。

五、四象限模型有多个版本在流传。《数字员工运营管理指南》的四象限是"战略决策型 / 专业辅助型 / 流程自动型 / 工具执行型"；而同一场智能原生大会的解读材料里出现了另一套命名——“基础自动化 / 智能助手 / 专业决策型 / 自主执行型”，坐标轴描述也不同（“任务复杂度与自主能力” vs “任务复杂度与自主性”）。

同一场大会的材料里出现两套四象限命名，说明这块还在演进。引用时务必注明出自哪份文件的哪一版。

六、企业案例的数字要拆成三个口径看。比如微众银行的公开数据是：80 余个 AI 数字员工、日均 Token 消耗量突破 200 亿、覆盖上千个金融核心场景、信贷审批效率提升 10 倍、获客成本下降 20%、反欺诈核查周期由 3 天压缩至 5 分钟。

这六个数里：80 多个是规模，200 亿是消耗量，"信贷审批效率提升 10 倍"和"3 天压缩至 5 分钟"是效率，"获客成本下降 20%"是成本。它们不能混成一个"数字员工很厉害"的结论。尤其"日均 Token 消耗量突破 200 亿"这一条——它既是规模的证明，也是成本的起点。一家银行日均 200 亿 token，按 DeepSeek 公开价格折算（2026-09-18 核对，V4-Flash 缓存未命中 $0.15/M），仅输入部分每天就是 3 万美元量级。这个数企业自己心里得有账。

同样，中交一公局厦门工程的公开数据是：工程检测、桩基诊断、合规审查、智能巡检全生产场景部署生产类数字员工，方案合规审查效率提升 80%，自动化建模效率提升 300%。

"自动化建模效率提升 300%"要谨慎看——6 倍的效率提升通常意味着这个场景原本有大量手工建模，是明显的重人工环节。把它当成通用水平去对标自己的场景，是最常见的误读。

🏗️ 领码 SPARK 融合平台：给自评装上尺子

这一节写给正在做企业数据平台的人。

这两项标准最有价值的部分，恰恰是给企业提供了一张可以自我诊断的检查表。而这张表在企业里的对应形态是这样的：

这七条里，最容易被忽略、也最容易造成实际损失的是最后两条。

"退役管理与资产回收"在很多企业是完全空白——Agent 换模型、换框架、下线，相关知识没人整理，沉淀下来的经验随进程一起消失。而"能力评估与价值度量"是自评体系能直接帮上忙的地方。

这张图想说的是一条边界：规则在治理层，判断在应用层，权限在最外层。

对应一：iPaaS 接数据——先把"数据与知识"这一层登记清楚，才能谈分级

标准的"基础支撑层"里，"数据与知识"和"模型服务"是并列的两项。而"角色设计与知识构建"这个子域明确要求：“能力源于知识，而非代码”。

这句话点出了一件事：很多企业评估数字员工能力时，注意力全在"用了哪个模型"，但真正拉开等级差距的是知识。

正确的接法是：接进来，然后登记元数据。一份数据或知识进系统时，必须挂上五个属性——归属（哪个部门维护）、时效（版本与生效区间）、适用场景、责任人、密级。

为什么"责任人"这一栏特别重要？因为标准的"知识运营与优化迭代"子域要求"全流程管理：知识采集、审核、入库、生效、监控与失效管理"。没有责任人，"审核"和"失效管理"这两个动作就没有执行主体。而一个知识资产没有责任人，等于它迟早会过期，而没人知道它过期了。

顺带说，"版本与生效区间"这一栏，正是上一篇讲的"计划与已达成要分开存"的同一个原则在知识资产上的应用。

对应二：治理中心前置——把 71 项能力项，变成可执行的自评清单

这是这一节最实的一条。

标准的"能力评估与价值度量"子域要求给出"可衡量指标与验证要点"。但标准给的是指标，不是数据。企业要自己把这些指标变成能算出来的东西。

治理中心该做的，是让能力项在结构上就分得开：

• 每个 Agent 资产登记时带六个维度的评级（任务自主性、信息处理复杂度、决策与推理、交互与协同、学习与自适应、可靠性与异常处理），评级带评定人和评定日期
• 评级不是一次性的，带复核周期；模型换了、prompt 改了、知识更新了，评级必须重评
• 异常路径的测试结果单独记录，不与正常场景的成功率混在一起

第三条是这一条里最实用的。因为 L1 和 L5 的差别，本质上不是"正常场景做得多好"，而是"没遇到过的时候怎么办"。而绝大多数企业的自评只跑了正常场景。

顺带说一个必须做对的区分：L 级是给"这个数字员工"的，不是给"这个部门"的。同一个部门里可能有 L2 的报表机器人，也有 L4 的风控分析 Agent。如果把评级挂在部门上，这个分级就失去意义了。

对应三：全域守卫划权限——自评结果、资产清单、成本数据，可见性要分开

这一条在有第三方评估的场景下尤其重要。

注意"外部评估方"这一行。标准的评估流程包含"企业自评 → 资料解读 → 正式评估 → 材料补充 → 报告编制 → 报告评审 → 证书发放"。在提交材料给外部评估方之前，企业自己应该先做一遍权限检查——因为提交的证据里，很可能包含比需要更多的知识内容和调用明细。

这跟第 4 篇讲的网关那条规则是同一个道理："能证明什么"和"能看到什么"必须分层，否则你在合规审查时会把自己绊倒。

对应四：与 Dify 分工——平台管"评级怎么算"，应用层管"该怎么用"

Dify 这类编排层适合做的是"把这次任务路由到哪个 Agent"“把结果做成看板”。但**"这个 Agent 该评 L3 还是 L4"“哪几项能力是它的短板”“退役时要回收哪些知识”——这些判断，编排层做不了**，它需要的是治理规则和资产台账。

分工应该是：

反过来做就危险了：让编排层自己维护评级和退役逻辑，那每个团队对"这个 Agent 有多强"的理解就各不一样，最后拼不出企业的成熟度等级——而这正是标准要解决的问题本身。

📋 给企业的六条落地建议

1. 先看成熟度，别急着看等级。成熟度模型已经发布并启动首批试点评估（材料准备约 1~2 周、现场评测约 2~3 天），是当下可用的。L1-L5 分级还在编制，先当参考框架。

2. 区分"个体评级"和"体系成熟度"，别混着报。一个是 L 级，三级；一个是星级，五级；评估对象分别是数字员工和 Agent 系统；能力维度也不同。混用会让采购选型和对标全部错位。

3. 每个 Agent 单独评级，评级挂到资产上而不是部门上。同一个部门里 L2 和 L4 并存是常态。

4. 评级必须包含异常路径。正常场景的成功率测不出 L1 和 L5 的差别。降级、追问、硬编答案——这三种行为的选择才是等级的分水岭。

5. 给知识资产挂责任人和生效区间。没有责任人，"审核"和"失效管理"就没有执行主体，知识迟早会过期。

6. 退役时先回收知识和资产，再下线进程。"残值复用"是标准里明确写的能力项。一个 Agent 下线不等于它学到的业务规则可以跟着消失。

关于本期数据的一处说明：文中标准框架、等级定义、能力子域与数量口径来自中国信通院人工智能研究所与 CCSA TC601 的公开发布材料（2026 年 10 月 14 日智能原生论坛发布材料、《数字员工运营管理能力成熟度评估模型》官方说明、《数字员工运营管理指南（1.0）》解读材料、《数字员工能力分级要求》首次研讨会通稿）；企业案例数据来自各企业公开发布口径（微众银行、中交一公局厦门工程、航空业案例），未披露完整计算方法与对照条件。标准文本以正式发布版本为准，评估结论以证书为准。

你们公司的 Agent 现在有分级吗？评论区贴一下你判断"这活该交给 L2 还是 L4"时用的标准，我帮你看看有没有漏掉的维度。