AGCO：把员工智能体接入受治理的交付路径

质量审查瓶颈：问题不在数据，在串联和决策

AGCO 是一家在全球约 140 个国家运营的农业机械与工业制造企业，旗下品牌包括 Fendt、Massey Ferguson、Valtra 和 PTx。在重资产制造行业，一台联合收割机涉及数千个零部件、多条供应链、分布在不同国家的生产线，以及从经销商到终端农户的多层反馈链路。

官方原文描述，质量和保修流程可能持续数周，有时会持续数月，团队需要跨部门传递上下文，依赖少数专家解释数据并协调下一步行动。瓶颈不在数据采集或检测能力，而在于"谁能把分散的信息串起来、做出判断、推动决策"——而能做这件事的人太少了。

2,200 人的会议室，900 人举手，次日启动训练

AGCO 选择的路径是公民开发——让业务专家自己构建智能体。起点是一场约 2,200 人参加的领导力会议，公司提问：谁愿意开始构建智能体？约 900 名员工当场报名。官方描述，AGCO 在员工报名后的第二天就开始提供 Microsoft Copilot Studio 和 Microsoft 365 Copilot 的训练，并使用 Microsoft Teams 建立持续运转的 maker 社区，让分散的构建者可以流通经验、复用模式。

图表 1

AGCO 公民开发启动路径

官方原文对这一过程的描述是"the rollout paired enthusiasm with governance"——热情与治理同步推进。AGCO 并非先放任实验、再补建治理，而是从一开始就将训练、社区支持和企业框架作为并行轨道。

三类智能体与治理框架：公民构建、团队共享、企业共创

官方原文区分了三类智能体：第一类是公民构建的智能体（citizen-built agents），由业务专家使用 Copilot Studio 自主创建；第二类是共享团队智能体（shared team agents），在团队层面协作使用；第三类是与微软共同创建的大型企业级方案（larger enterprise solutions being co-created with Microsoft）。这三类智能体的进入路径和治理要求不同。

在治理角色方面,官方原文提到了两位具名高管：Todd Bailey（VP & CDAIO）和 Aryn Drawdy（Director of Strategic Partnerships）。官方描述，团队提出痛点，AI champions 塑造自动化方案、智能体或工作流，AI leaders 和 Microsoft specialists 协助确定正确的解决方案方向。但各角色的具体职责边界和筛选标准官方未详述。

图表 2

三类智能体与人工控制点

官方材料强调，AGCO 构建的不是一个孤立的机器人，而是由多个相互连接、受治理的智能体组成的框架（agentic framework）。但这个框架的具体机制披露有限——智能体的权限如何划分、版本如何管理、低价值或重复的智能体如何识别和下线，这些关键治理细节均未说明。

规模与结果：数百个已生产，数百个在优化批次中

官方原文完整表述是：AGCO 已有数百个企业智能体投入生产（several hundred enterprise agents in production），另有数百个正在通过专门设计的批次流程（cohorts）进行整合和优化，以达到企业级使用标准（several hundred more moving through cohorts designed to consolidate and optimize them for enterprise use）。这意味着未进入生产的智能体不是被淘汰或停留在原型，而是正在经历治理流程的筛选和优化阶段。但官方未披露触发条件、评审标准或回退机制。

在效率结果方面，官方案例描述"cutting some quality reviews from weeks to about an hour"——部分质量审查从数周缩短到约一小时。"some"是关键限定词，即某些质量审查，而非全部。官方另一处使用"will accelerate"等未来时态，将其描述为"clear opportunity"，这意味着该效率提升部分可能仍处于目标或进行中状态。

官方还提到了两个具体智能体示例：一个供应商智能体，官方表述为"over the next year or two"将能够读取合同并识别节约机会；一个农学智能体，将整合农学研究和销售指导。官方使用"is expected to include"描述整个质量框架，说明这些智能体部分仍处于规划或早期阶段，候选稿此前将其作为已实现功能陈述，不符合官方时态。

图表 3

结果口径与证据边界

迁移判断

AGCO 案例的核心特征是在既有微软生态上启动公民开发，同时以治理框架和企业共创双轨并行。DataHub 判断：对于考虑类似路径的制造企业，AGCO 经验的前提是组织内部存在大量分散的、依赖专家经验的流程瓶颈（如质量审查和供应商合同分析），且这些瓶颈的解决方案离业务专家比离 IT 部门更近。但这条路径的可持续性取决于治理框架能否跟上构建速度——如何识别和淘汰低价值智能体、如何管理数百个智能体的权限和数据访问，这些正是官方案例中尚未充分证明的部分。