从Copilot到同事：高风险行业如何真正信任AI Agent

Thomson Reuters CTO Joel Hron 讲述了一个关键转变：AI 正从“有用的助手”变成“能做决定的同事”。在法律、税务、风控等高风险行业，这一转变要求对 Agent 的设计、权限与责任进行根本性重构。本文还原他在实践中得到的真实经验与方法论。

为什么“有用”已经不够了：AI 正被要求承担结果

这场演讲一开始，Joel Hron 就点出了一个正在发生但常被低估的变化：过去两年半里，企业构建 AI 的“北极星”已经悄然移动。最初，大家希望 AI 助手“有帮助、尽量准确、能给出处引用”，但现在，这些已经不够了。

他直言：“我们不再只是要求助手有帮助，我们要求它们真正产出结果，甚至代表用户做判断和决策。”这在法律、税务、全球贸易、风险与欺诈调查等场景中尤为残酷——因为这些领域“犯错的代价，对用户来说是不可接受的”。

这一转变的重要性在于，AI 的角色发生了本质变化：从 Copilot（副驾驶）走向 Colleague（同事）。副驾驶可以建议，但同事要对结果负责。当 AI 被允许直接影响合同条款、合规判断或风险结论时，任何一次幻觉或不稳定输出，都可能转化为真实世界的法律和经济风险。

Hron 特别强调，这并不是一个抽象的未来设想，而是过去 6 个月里已经发生的现实变化。正是这种“从有用到可生产”的迁移，迫使他们重新思考什么是可信任的 Agent，以及如何在高风险环境中部署它们。

一家百年公司，为什么敢把 AI 推向高风险前线

理解 Thomson Reuters（TR）的背景，是理解这场演讲的关键。与许多快速起量的 AI 初创公司不同，TR 已经存在了 100 多年，并深度嵌入了法律、税务、审计、合规等核心行业。

Hron 给出了一组极具冲击力的数据：97% 的美国前 100 大律所、99% 的《财富》100 强企业，以及美国前 100 大会计师事务所，都是他们的客户。这意味着，TR 的任何 AI 产品，几乎必然运行在“不能出错”的场景中。

支撑这一点的，是内容与领域专家的厚度。TR 拥有约 4，500 名领域专家，是“全球雇佣律师最多的公司之一”，并积累了超过 1.5 TB 的专有内容。这些内容不是网页抓取，而是被持续维护、审校和更新的专业知识体系。

在投入层面，这同样不是试水。过去几年里，TR 在并购上投入超过 30 亿美元，拥有 200 多名科学家和工程师组成的应用研究实验室，并且每年在 AI 产品研发上的资本投入超过 2 亿美元。Hron 借此传递了一个隐含信号：只有当你同时具备领域权威、内容壁垒和长期投入，才有资格讨论“高风险 Agent”。

从“Agent 工具”到“Agent 组织”：生产力跃迁的信号

演讲中最具洞见的一段，来自 Hron 对 Y Combinator 一句话的引用。他提到 YC 在 2025 年夏季对创业者的建议：“不要为律所构建 Agent 工具，而是构建由 Agent 组成的律所。”

这句话之所以重要，是因为它清晰地标记了行业阶段的跃迁：AI 不再只是嵌入到既有流程中的效率插件，而是开始被设想为能够独立承担完整职能的“组织单元”。

Hron 将这一变化总结为：从 helpfulness 到 productivity。前者关注体验是否友好，后者关注是否真正完成工作、交付结果、承担决策。

但他也提醒，这种跃迁并不意味着一刀切的“全自动”。在 TR 内部，他们更愿意把 Agentic AI 看作一个“连续谱”，而不是一个开关。系统的自主性、可行动范围、是否需要人类确认，都是可以调节的“旋钮”。

不同的使用场景，需要不同程度的 Agent 能力。让 AI 自动生成研究摘要，和让 AI 判断合规风险，所需的信任等级完全不同。真正成熟的 Agent 系统，不是追求最大自主性，而是精准匹配风险与授权。

两年半踩坑后的方法论：从系统层面设计信任

在回顾两年半的实践时，Hron 分享的并不是单点技巧，而是一整套系统性反思。他提到，团队为 Agent 系统建立了一套内部 rubric，用来在不同组件上持续“爬坡式优化”，而不是一次性追求完美。

一个重要教训是：许多传统的遗留应用在 Agent 时代是“先天受限的”。它们原本是为人类操作设计的界面和流程，并不适合被 AI 直接驱动。因此，简单地在旧系统上叠加 Agent，往往效果有限。

相反，他们发现，从更完整、更复杂的用例入手，反而能更快暴露问题、积累经验，而不是先在一个极小的功能点上打磨。这与很多“从 MVP 开始”的直觉相反，却更符合高风险场景的现实。

在随后的演示中，他展示了如何为既有法律和专业应用“注入新生命”，通过 Agent 重新编排流程、调用内容和工具。这些演示并不是炫技，而是为了验证一个核心问题：在不牺牲可信度的前提下，AI 是否真的能承担更大的责任。

总结

Joel Hron 的分享传递了一个清晰信号：Agent 的未来不在于更像人聊天，而在于更像人工作，甚至对结果负责。但在高风险行业，这条路无法靠速度取胜，只能靠系统性设计、内容壁垒和对失败的敬畏。对读者而言，真正值得思考的问题是：你的 AI，是在“帮忙”，还是已经被允许“做决定”？

关键词： AI Agent， 高风险行业， Thomson Reuters， 生产力跃迁， 可信任AI

事实核查备注： 人物：Joel Hron（Thomson Reuters CTO）；公司：Thomson Reuters、Y Combinator；关键数据：公司历史100+年、4，500名领域专家、1.5TB专有内容、97%美国前100律所客户、99%财富100强客户、200+研究人员、每年2亿美元AI投入；核心概念：从helpfulness到productivity、Agentic AI为连续谱。