企业部署 AI Agent，多数还停在试点阶段：某个部门、某个流程、几百号人。本周 Cisco 把这个尺度拉到了极限——把个人智能体 MyAgent 推向全球约 9 万名员工。据《华尔街日报》对 Cisco 运营执行副总裁 Thimaya Subaiya 的独家采访，这是大型企业中规模最大的全员 Agent 部署案例之一。
一、它不是聊天框，是「目标式」执行体
Cisco 官方博客把 MyAgent 描述为跨 Outlook、Webex、Jira、SharePoint 等应用的「受监督自主工作流」。交互方式是意图式的：员工给出目标、上下文和期望结果，系统自己编排完成它所需的步骤。它跑在 Circuit——Cisco 自研的安全、有治理、多模型无关的 AI 平台上，员工也可通过 Webex 与它对话。
持久记忆是另一个关键组件：MyAgent 会保留用户的偏好、过往交互与上下文，让连续协作不至于每次推倒重来。员工最常用的场景之一是管理收件箱——摘要邮件、过滤垃圾信息、自动起草回复；此外还有汇总分析市场消息、给出股市走势预测，以及跟踪销售预测偏差并自动发送异常通知。
二、800+ 子 Agent，但禁止 Agent 之间私聊
架构上，每个员工的 Agent 通过安全的企业连接器、按既有权限实时拉取上下文，后端可以调用超过 800 个子 Agent 来完成具体任务。
但有一条边界划得极硬：Agent 之间不互相交流，也不与其他员工的 Agent 交互——它们只接受自己主人的请求，任何对外动作都需要人类的显式签字。这是有意的设计选择，等于在架构层面把「Agent 横向串门」这条风险路径直接掐断。结合近期关于影子智能体与权限继承的讨论来看，这种做法的代价是牺牲一部分自动化效率，换来可审计性。
三、用策略服务器兜住底线
数据访问控制同样是设计重点。Cisco 建了一个策略服务器（policy server），阻止 Agent 执行诸如删除数据集这类操作，并阻止 Cisco 的数据被用于训练第三方模型。这类规则不是写在提示词里的软约束，而是跑在执行路径上的硬闸门。
四、成本怎么压：一半以上请求不碰前沿模型
全员常开 Agent 意味着持续的 token 账单，这是很多 CIO 最担心的一环。Cisco 的解法分三层：其一，用 2024 年收购的 Splunk 的 token 监控功能做计量；其二，自建智能路由器（功能类似 model harness），自动把任务导向最具性价比的模型；其三，在自建数据中心里用 GPU 跑开放权重模型。
结果是这样一组分布：约 50%-60% 的请求由开放权重模型消化，20%-30% 是纯软件自动化（压根不需要模型），真正走到基础大模型的只占很小的比例。Cisco 首席财务官 Mark Patterson 的说法是，它不会在 frontier 模型上烧掉一大堆 token，系统会判断哪个工具最有效、最划算。
这组数字可能是整篇报道里对行业最有参考价值的部分。它说明在全员规模下，模型路由与「哪些事其实根本不需要调模型」的判断，比选哪家模型更能决定成本曲线。Cisco 方面还提到，Circuit 上的 agentic 交互环比增长接近 350%。
五、客观看：这是蓝图，还不是成绩单
需要如实说明的是，目前公开信息中，Cisco 并未披露任务成功率、单工作流成本、采用率或生产力提升的具体基准数据；获准接入的第三方模型名单、模型选择的评估方式，以及各应用内部的动作控制细节，也均未公开。换句话说，这是一份架构蓝图，不是一份效果报告。
Subaiya 自己的表述倒很克制：他坚信不可能用 AI 彻底取代人类，能做的是用 AI 非常成功地增强人。Cisco 也表示，这次内部部署可以作为客户与伙伴落地企业级 AI 的参考样板。
对正在规划 Agent 的企业来说，这份样板里最值得抄的三条是：先想清楚哪些活根本不需要模型；把权限与审批写进架构而不是提示词；以及在铺开之前，先有一个能看得见 token 花在哪里的计量层。