早上才因“消息过滤”问题与合作团队负责人吵了一上午，对方理由很充分：数据传递必须标准化，而我坚持认为业务系统应更专注于业务处理，而非数据治理。

这大概是金融IT圈最经典的推诿扯皮——每个人都在试图守住自己的一亩三分地，生怕多干一点活，或者多背一点锅。

一、 “指令即交付”，争论“谁来搬砖”将变得毫无意义

想想现在AI Agent的前沿愿景：无需干预，自主进化，全流程自动化。

或许AI Agent时代，团队合作需要讨论的问题就不再是谁做哪里了，毕竟AI都给你代理完了，又有什么好争的？

去年下半年，DeepSeek一口气发布了：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。引发市场猜想：deepseek要转战Agent？

DeepSeek V3.2发布官方发布思考模式下的工具调用图

年底发布V4即将面世的消息，进一步扩展上下文窗口便是坐实了deepseek在agent上的布局意图。

时至今日，Agent发展已有原先的链式思考、单体 Agent 调用工具进化为战略思考和群体智能。“执行层”的壁垒，正在被大模型无情推平。

Agent的问题也有原先的工具标准不统一进化到稳定性与“规划崩溃”、工作流整合本地化最后一公里等垂直领域深入问题上。

这时不禁让人联想：如果Agent真的被建立起来了，那么团队合作是否存在，作为开发个体的工作价值是否被智能体无限掠夺？

二、 金融IT的下半场：团队合作的焦点将从“技术实现”转移到“价值判断与权责定义”上

至少在金融领域，依靠数据预训练后无法解决的动态数据问题，现在的自主进化理论上能够完美解决。

自主进化 Agent 能够在使用过程中自我反思、自我修正，甚至修改自身的代码和策略，从而实现能力的螺旋式上升。

这里不讨论具体的实现架构，网上随手可以搜下Dr.Zero ，在技术实现上更需要前瞻的是行为模式的变化。

以前团队对接更多的是接口、消息体。Agent时代可能需要更粗粒度的沟通。在“指令即交付”的未来，团队之间的沟通将更多集中在“战略目标”和“价值判断”上，而中间的“执行层”沟通，将被大量的API调用和Agent内部推理所取代。

这种沟通可能比这段逻辑谁来实现更加需要目标价值感上的协同，看起来确实实现了人工智能的价值愿景：将人从低等级的重复劳动中解放出来，从事更高维度的更具价值的工作。

而作为数据密集型且系统决策价值影响更直接的金融领域，Agent时代下的权责范围将是团队合作中讨论的重中之重。毕竟AI这么决策了，投资端这么做了，后续出了问题，到底算谁的？

以前团队合作，face to face的交互能让人快速感知到接下来的合作任务是否能够顺利进行。但在Agent辅助下，AI执行的程度和可能带来的风险是未知的，信任成本被拉高，权责问题将更加突出。

如何决策数据管理权、流程审批权的归属将需要更多思考。

虽然这些问题看起来很遥远，但今天在团队协作中把我弄得头晕眼花的逻辑落地之争也确实让我有机会思考，当下这些问题的解决，在未来Agent时代，是否有更好的解决办法。

三、 未来最有价值的能力，是“驾驭 Agent”的能力：

无论如何，在系统建设过程中的问题，还需要不断实践解决，就像今天的数据过滤问题，不会因为Agent时代即将到来而被天然解决，需要我们一线工作者更多的探索才能给出答案。

但有一点是明确的，如何定义规则、怎么理清权责以及学会“甩锅”这些掌控Agent的高维度能力是未来最有价值的能力。

你的团队开始尝试用 Agent 解决实际业务痛点了吗？还是依然停留在让 ChatGPT 写周报的阶段？

目前你的团队或者你的工作中是否遇到类似的问题，欢迎留言区讨论。

喜欢看技术吐槽以及关注金融AI发展的朋友可以关注下我。

我是【深橙语宙】，一个专注落地金融AI的实干派！！