去年底，一家消费金融公司的CIO找到我。他说了句话让我记到现在："我们每天收两千多笔贷款申请，人工审一笔平均三天。旺季积压到一周，客户等不及就跑了。"他问我：Agent能不能干这个活？我说能，但别想着一个月就搞定。最后这个项目跑了三个月，中间踩了坑，也修正了方向。好在结果没让人失望：80%的申请走自动审批通道，平均处理时间从3天压到15分钟以内，剩下的20%人工复核，效率也提了一倍多。这个项目我全程跟了下来，今天复盘一下，把真实的过程讲出来。
起点：一个看起来不复杂的需求
这家公司中等规模，500人左右，日处理贷款申请2000笔上下。信贷审批流程是这样的：客户提交申请，审批员打开征信系统查信用记录，调内部CRM看历史交易，跑风控模型算评分，再人工判断放不放款、放多少。一个熟练的审批员，处理一笔大概20到30分钟。但一天8小时满打满算也就审15到20笔。2000笔申请分摊到十几个审批员手里，积压是常态。
CIO的设想很直接：让Agent把这个流程串起来。自动拉征信数据，自动调CRM，自动跑风控模型，自动出一个建议额度和风险等级，审批员只管最终拍板。听起来确实不复杂。但实际干起来，每一环都有坑等着。
第一个月：坑全踩了一遍
第一个月基本在填坑。回头看，正好印证了我之前说的那三个坑。
系统对接先卡住了。Agent要调征信系统，发现接口是三年前做的，限频限得很死，每分钟只允许20次调用。2000笔申请，光排队等征信报告就要好几个小时。CRM系统的数据导出还有字段权限限制，有些关键字段Agent根本拉不到。
IT团队花了两周做接口适配。加了一层缓存，征信报告按申请人ID缓存24小时，同一个人重复申请不重复调。又跟CRM厂商开了数据权限，把审批场景需要的字段放出来。光是这一步，就吃掉了整个项目三分之一的时间。
业务口径的问题也冒出来了。第一版Agent跑起来，测试集准确率只有72%。团队排查了一周，发现根子在数据语义。风控模型里有个字段叫"负债收入比"，这个比率分母用的是月均收入。但CRM里记录的收入是客户自报的年收入，Agent直接拿年收入除以12当月收入，跟风控模型当初训练时用的定义不一样。72%的准确率，放在实验里还行，放进金融业务里根本不能用。一笔批错了，要么放过一个坏账，要么拒掉一个优质客户，代价都不是小数。
可观测性也没跟上。头两周的测试中，Agent给出了一笔明显偏高的建议额度，审批员觉得不对，但不知道Agent是基于什么数据、走了什么推理路径得出这个结论的。日志里只有请求和响应，中间过程一片空白。没法定位问题就没法改。
第二个月：把坑填上，方向调对
第二个月开始，团队重新调整了优先级。不再急着提升准确率，而是先把基础设施补齐。
第一件事是建语义中间层。业务部门和IT坐在一起，把每个关键字段的定义重新过了一遍。"收入"到底指税前还是税后，"负债"包不包括信用卡最低还款，"新客户"和"存量客户新增授信"怎么区分。每个定义都确认签字，录进Agent的语义约束规则里。这步花了十天，但后来准确率跳到了89%，省了后面无数返工。
第二件事是补可观测性。每个决策节点都加了日志：什么时候拉了什么数据，调了哪个模型，中间推理走了哪条路径，最后为什么得出这个结论。建了个监控面板，实时看准确率、异常率、人工拦截率。哪个节点偏离基线了，系统自动告警。
第三件事是设人机协作节点。额度50万以上的申请，Agent只出建议，不直接批，必须人工确认。这笔线画在哪，是风控部门定的，不是IT拍脑袋。Agent的权限边界跟业务风险绑在一起，而不是一刀切。
第三个月：数字开始好看了
基础设施补齐之后，第三个月效果明显。准确率从89%稳步爬到93%。剩下的7%里，大部分是边缘案例：客户征信记录薄、收入来源复杂、或者存在需要人工判断的特殊情况。这些案例Agent会标记为"建议人工复核"，附上它的推理过程，审批员看了之后做最终决定。
处理时间方面，80%的申请走自动通道，平均15分钟以内完成。这15分钟里大部分时间在等征信报告返回，Agent自身的推理和编排只花了几十秒。剩下20%的人工复核案例，因为Agent已经整理好了所有数据和初步分析，审批员只需要做最终判断，单笔时间从30分钟降到了10到15分钟。
算了一笔账。原来十几个审批员满负荷还积压，现在同样的人手绰绰有余，还能抽时间处理复杂案例。旺季积压的问题基本消除了。风控部门也满意，因为每个决策都有完整链路记录，审计追溯不用再翻纸质档案。
诚实说几个没做好的地方
第一个月浪费了不少时间，根子在于前期评估不充分。如果开始前做一次系统审计，接口限频、字段权限这些问题提前暴露，至少能省两周。后来跟别的项目交流，发现这个坑太普遍了，所以专门写了一篇避坑指南。今天复盘来看，那个月的弯路本来可以少走一些。
第二，语义中间层一开始没重视。团队以为通用大模型能自己处理业务概念，试了才知道，金融业务对口径精度的要求远超通用模型的处理能力。72%到93%的提升，模型换了什么？没换。加的是业务语义约束。所以我说Agent的价值在编排层和工程层，模型只是其中一个零件。
第三，可观测性的投入回报周期比较长。前两周看不到效果，团队里有人觉得"花时间在这上面不如直接调模型"。但到第三个月，正是因为有完整的决策链路记录，才能快速定位那7%的边缘案例的失败原因，有针对性地加规则约束。没有可观测性，优化就是蒙着眼改代码。
最后说一个预期差。CIO最初想的是"Agent替人审批"，跑下来发现更合理的模式是"Agent做人做不完的活，人做Agent做不稳的活"。80%标准化流程交给Agent，20%需要经验和判断的留给人。这个分工比"全自动"更安全，也更容易通过风控审核。
三个月教会我什么
这个项目让我确认了几件事。Agent能跑出真金白银的效率提升，前提是工程基础打扎实。系统审计、语义对齐、可观测性，这三样一个都不能省。少做一样，项目就得在那40%被砍的名单里。
准确率靠什么提上去的？业务语义约束。93%这个数字，靠的是跟业务部门坐下来逐条确认定义，跟模型参数量关系不大。人机协作不算退步。至少在现阶段，这是最合理的部署方式。Agent处理标准化流程，人处理边缘判断，效率和安全两头都兼顾。
Gartner说60%企业还在试点阶段。我接触下来发现，试不动的原因大同小异：系统接不上，口径对不齐，过程看不见。这三个问题解决了，Agent从试点到生产没有想象中那么远。
如果你正在评估Agent在信贷审批、风控分析、客户运营等场景的落地可行性，我们可以做一次具体场景的方案推演。你带着业务痛点来，我帮你拆解技术可行性、架构选型和预期ROI。关注公众号，回复「场景推演」预约一次1v1沟通。不卖课不推销，聊完你心里有本账。