金融、制造和零售的智能体应用路径存在明显差异。没有统一样本、统计口径和公开数据时，不宜比较行业采用比例的先后高低，更适合分析各行业的任务特征、控制要求和验收方法。
金融场景：控制优先
知识问答、资料核对和流程辅助通常需要严格权限、审计留痕和人工复核。评价重点是依据可追溯、权限可控和异常可接管。
制造场景：连接现场流程
设备、工单、质量和供应链数据来自多个系统。试点应从规则稳定、结果可核验的任务开始，并明确数据延迟和写入权限。
零售场景：高频任务与多渠道
订单、客服、库存、内容和账单处理频率高，适合分步骤自动化。促销、退款和客户承诺等动作仍需审批与日志。
跨行业共通的评估维度
- 任务边界是否明确。
- 知识和数据是否有责任人及版本。
- 系统连接是否区分读取、写入和通知。
- 错误是否能够停止、回退和转人工。
- 验收是否覆盖准确性、完整性、时效性和审计要求。
结论
行业应用观察可以帮助企业选择试点，但不能替代有样本、有口径、有来源的统计研究。涉及比例、排名和增长数据时，应另行提供可复核证据。