AI Agent 实际上岗率 (Onboarding Rate)

责任人： @王俊 / @姚涣 BSC 权重： 10% (学习与成长) KPI 标准 ≥ 30%

核心定义： 考核 AI Agent 是否真正进入业务生产流程并产生价值，坚决杜绝“为了做 AI 而做 AI”的虚荣指标。

01. 指标评审：为什么提这个指标？(Review)

⚠️ 当前痛点 (Problems)：

1. “尸体”Agent 泛滥： 比如开发了10个写作助手，只有1个被高频使用，其余9个因为效果差或交互繁琐被员工弃用。

2. 伪需求开发： 技术团队为了“秀肌肉”开发并没有解决实际业务痛点的 Agent。

3. 维护成本隐形： 每一个上线的 Agent 都有 API 成本和维护成本，不上岗就是纯亏损。

执行模式选择：OKR 还是 GSA？

结论：采用 GSA (Goal - Strategy - Action) 模式。

原因：AI 落地在现阶段（2026年）对于喜播不仅仅是一个“探索性目标”（Objective），更是一个必须拿结果的“生存战役”。我们需要清晰的策略路径 (Strategy) 和可执行的动作 (Action)，而不仅仅是设定一个雄心勃勃的 KR。 OKR 容易导致“为了凑 KR 数字而开发凑数的 Agent”，而 GSA 更强调路径的有效性。

02. 公式拆解 (Formula)

为了科学量化“上岗”，我们定义以下公式：

AI Agent 实际上岗率 = ( 活跃 Agent 数 / 已部署 Agent 总数 ) × 100%

分子：什么是“活跃 Agent”？

必须同时满足以下条件：

高频调用： 周调用次数 > 50 次（或处理工单 > 20个）。
好评达标： 内部员工反馈 NPS > 8 分（如果不准，员工会投诉）。
闭环价值： 能够独立完成一个工作流节点（如：生成大纲、回复客诉），而非仅聊闲天。

分母：什么是“已部署 Agent”？

所有在生产环境发布、消耗计算资源、并向业务部门宣发过的 Agent。

* 注：实验性质的 Demo 不计入分母，但一旦推给业务用，必须计入。

03. GSA 落地拆解 (Execution)

基于现有 40人技术团队 (兼顾前端增长与后端服务) 的资源现状，最优的拆解方案如下：

层级	内容	具体执行 (Action)
Goal (目标)	上岗率 ≥ 30% (即每开发3个，必有1个成为主力)	1. 季度末盘点：Active Agents ≥ 10个。 2. 核心场景（客诉、SKU生产）AI 渗透率达到 50%。
Strategy (策略)	“MVP + 嵌入式”策略不造大轮子，只做业务嵌入	1. 拒绝“新造平台”：利用 Dify/Coze 等成熟编排工具，减少后端开发量。 2. 嵌入工作流：不让员工去新网页对话，而是把 AI 按钮直接加在 CMS/CRM 系统里。 3. “产品经理负责制”：每一个 Agent 必须有一个业务侧的产品经理背书，否则不开发。
Action (关键动作)	资源聚焦 Top 3 场景	A1 (客服): 接入客诉拦截系统，训练“安抚专家”Agent，目标拦截 90% 情绪咨询。 A2 (教研): 开发 SKU 生产流水线 Agent (大纲->初稿)，提升 SKU密度。 A3 (销售): 销售SOP话术实时助手，提升转化率。

🛠 资源配置建议 (Resource Optimization)

40人团队如何分配？

AI 核心组 (3人): 1名架构师 + 2名 Prompt/微调工程师。负责选型、基座模型调优、Prompt 库维护。
业务嵌入组 (Embedded): 不设立独立 AI 研发，而是让各业务线后端 (Backend) 直接调用 AI 核心组的 API。
前端 (Frontend): 重点在于改造现有后台 (Admin Portal)，增加 AI 交互入口，而不是重写界面。
机制： 设立“AI 赏金猎人”机制，谁开发的 Agent 上岗率高，绩效系数 x 1.2。