很多 AI Agent 项目上线以后，报表里最醒目的指标是“任务完成数”。这个指标当然有用，但它只能说明流程跑到了结束节点，并不能说明业务真的被处理好。邮件有没有发到正确的人，工单有没有关闭，客户有没有回复，系统状态有没有更新，这些才是结果验收要回答的问题。
结果验收和 决策日志、证据链、输出校验 是连续的。输出校验看格式和规则，证据链看依据，结果验收看业务对象是否真的发生了正确变化。
先定义什么叫完成
每类 Agent 任务都应该有自己的完成标准。知识库问答的完成，可能是用户确认解决或没有二次追问；报销初审的完成，是异常说明、票据证据和审批建议都被写回；客户续费预警的完成，是负责人完成跟进并留下客户反馈。
如果完成标准只写“Agent 已回复”，团队很快会被漂亮但无效的结果误导。真正的验收标准应该绑定业务对象，而不是绑定模型输出。
验收要保留证据
结果验收不能只靠一个状态按钮。更稳的方式是保留验收证据：外部系统 ID、状态变更前后值、用户确认、人工审批记录、调用返回摘要、失败原因和重试记录。后续复盘时，团队要能知道这次任务为什么被判定为成功。
这一步也会反过来提升 Agent 观测性。当成功和失败都有清楚证据，运营看板上的数字才值得相信。
高风险结果必须人工确认
不是所有任务都适合自动验收。涉及付款、合同、权限、对外承诺、删除数据和客户投诉的场景，Agent 可以准备证据包和建议，但最终验收最好进入 人工接管队列。人工确认后，结果再回写到流程。
这样做不是降低自动化水平，而是把自动化放到可控边界里。越是关键结果，越要让责任链清楚。
失败也要回写
验收失败不是终点。失败原因应该结构化回写，比如资料不足、工具超时、权限不够、人工驳回、客户未响应、规则冲突。只有失败被记录，后面才能知道该补知识库、调权限、改提示词，还是重排流程。
如果失败只留在聊天记录里，团队每次都像第一次遇到问题。结果验收的价值，正在于把一次次执行变成可积累的运营数据。
总结
AI Agent 结果验收的核心，是把“流程结束”升级为“业务闭环”。任务完成、业务对象变化、证据留存、人工确认、失败回写和复盘指标要连在一起。只有结果能被验收，Agent 才不是在制造自动化幻觉。
