AI替你办事,谁从中获利?

10月7日，微软宣布，微软执行容器（MXC）正式开放使用。开发者和企业可以给AI划定工作范围：哪些文件可以读，哪些内容可以改，哪些网络可以访问。[1]

就在此前几天，苹果宣布将加强Mac的广泛数据访问权限控制，让用户更清楚地知道自己授予了什么权限。[2]

苹果强调用户如何授权，微软进一步解决授权后如何约束AI。两家公司的近期动作，共同指向一个问题：

当AI从“回答问题”走向“替人办事”，谁有权决定它能做什么？

过去，一款软件申请调用摄像头、麦克风或定位时，用户通常只需决定“允许”还是“不允许”。但AI Agent（智能体）可能不仅要读取文件，还要回复邮件、修改日程、调用软件，甚至下单付款。一次“允许访问”，究竟意味着它获得了多大的行动权？

过去几年，AI竞争主要围绕算力、模型和数据展开。随着Agent进入电脑、手机和企业系统，另一种资源的重要性进一步上升：权限。

一个AI可以告诉你哪张机票更便宜，却未必有权替你改签；可以发现某个会员已经几个月没有使用，却没有权力替你取消订阅。要完成这些任务，它需要在获得相应授权后，进入相关系统并采取行动。

流量帮助平台吸引用户，数据帮助平台理解用户，而授权让Agent能够代表用户办事。围绕这份行动权，新的商业价值、平台权力和风险责任正在形成。本文从授权、平台收益与风险责任三个方面，讨论Agent时代的“权限经济学”。

从流量、数据到权限

流量、数据和权限，体现了数字平台价值来源的延伸。它们持续叠加，而非相互替代。

互联网平台通过吸引用户、占据入口，获得广告和分发能力。随着移动互联网发展，平台进一步利用用户偏好、购买记录等数据，提高推荐和交易效率。

而Agent正在跨过另一道门槛：数据回答的是“用户想要什么”，权限回答的是“谁可以替用户去做”。

以出差场景为例，平台知道你第二天要出差，这是数据；设想一个Agent在获得相应授权后，能够读取行程，在航班取消时改签机票、调整酒店，并通知接机司机，才把信息转化成了行动。前者创造推荐价值，后者进入执行和交易环节。

因此，Agent的商业价值，不再只取决于模型有多聪明，还取决于它能够进入哪些系统、调用哪些工具，以及获得多大的行动权限。

模型决定Agent能否胜任任务，权限决定它能够把能力用到哪里。

谁控制权限，谁就可能获得新的平台权力

首先是操作系统厂商。它们管理文件、网络和设备资源的访问边界，能够影响Agent在电脑和手机上可以做什么。当越来越多的任务由Agent执行，这道权限入口也可能增强操作系统厂商的平台影响力。

其次是银行、电商、航空公司、酒店平台和企业管理软件等应用服务商。它们决定是否向第三方Agent开放接口，以及开放到什么程度。即使Agent能够在用户设备上运行，也未必能进入所有服务。

进入系统后，还需要具体的交易授权。查询账户余额与发起转账、搜索商品与下单付款，涉及不同的行动范围和风险。操作系统允许AI访问文件，不等于银行允许它转账。用户授权、应用规则和机构风控，仍然决定每一项操作能否执行。

这些边界可能成为新的竞争门槛。平台既可以通过开放接口扩大服务范围，也可能通过认证要求、接入条件和使用规则，决定哪些Agent能够参与交易。

由此，平台可能围绕接口开放、身份认证和执行服务收费，或从Agent促成的交易中获得佣金。这些是商业模式的可能方向，并不意味着权限本身已经成为一项可以自由买卖的商品。

谁控制关键入口，谁就可能影响Agent的服务范围与交易成本，并获得新的收益。但这种影响力还取决于接口是否开放、服务能否替代，以及用户是否愿意授权。

Agent会不会出现权限等级

随着Agent承担更多实际任务，产品分级可能增加一个维度：在获得授权后，它可以替用户做到哪一步。

设想一个财务Agent，它可以只读账目，也可以修改预算、提交报销、创建采购单；在企业明确授权并设定额度后，还可能执行一定范围内的付款。

行动范围越大，能够承担的任务越多，风险与管理要求也越高。因此，Agent产品可能按照可完成的任务、执行额度和人工审核要求分级，收费也可能结合模型使用、工具调用和执行服务。

更高的收费，并不自动意味着更大的权限。授权仍然取决于用户意愿、机构规则和风险控制。产品具备付款能力，也不等于用户已经同意让它付款。

对用户和企业而言，选择Agent服务，不仅要比较模型表现，还要判断它能完成哪些任务，以及为这些任务需要建立怎样的控制机制。

安全问题最终会变成金融问题

一旦Agent能够采取行动，安全问题就会进一步涉及实际损失和责任承担。错误取消机票可能打乱行程；假设一个Agent错误采购了100万元商品，或误操作了一笔资金，则可能造成更大的经济损失。

因此，Agent的管理机制可能借鉴金融体系中的身份认证、额度管理、异常检测、行为审计和责任划分。

就像信用卡不会因为持卡人通过身份认证就允许无限支付一样，Agent获得权限后，也不应无限行动。

例如，假设企业给采购Agent设定10万元额度，超过额度必须人工确认；金融机构也可以根据业务规则，允许Agent查询账户，却要求大额转账再次验证；重要操作则留下可追踪的记录。这些控制安排需要根据具体业务和风险确定。

这种需求可能扩大Agent身份认证、权限管理、安全防护和审计服务的市场，未来也可能推动与Agent责任相关的保险产品探索。

于是，一个看起来属于计算机安全的问题，进入了金融学熟悉的领域：风险如何定价，损失如何分担，责任如何界定。

从算力竞争走向信任竞争

当Agent开始代表用户行动，AI竞争也就多了一道门槛：用户是否愿意授权，其他平台是否承认这份授权，以及出现错误后责任是否清楚。

这背后还有一个经典的经济学问题：委托—代理问题。用户希望AI按自己的需求办事，但AI背后的服务商和平台，可能有不同的商业利益。假设用户委托Agent预订酒店，它会优先选择价格和条件更合适的酒店，还是优先推荐佣金更高的酒店？AI不仅要得到授权，它替用户作出的选择，也应经得起利益冲突的检验。

因此，可信的代理权需要同时回答三个问题：它是否得到授权，是否遵守授权边界，是否按照用户的利益办事。

用户需要知道自己交出了什么权力，能够随时撤回授权；银行、电商等平台需要确认这个Agent可以代表用户完成哪些操作；一旦发生错误，各方也需要有可追踪的记录和明确的责任安排。

这意味着，未来AI平台的竞争，不仅在于模型有多聪明，还在于能否让用户放心委托，让其他平台愿意接受，并让错误得到妥善处理。信任越充分，Agent才越有机会承担更复杂、价值更高的任务。

算力决定AI能够完成什么，可信授权决定人们愿意让它完成什么。

AI改变商业世界的重要一步，是它开始被广泛允许代表用户采取行动。而这份行动权如何获得、如何约束、如何承担责任，也将影响Agent时代的平台力量与收益分配。

点击底部

“阅读原文”

查看更多

“MBA/EMBA/DBA”

↓↓↓↓↓