2026年6月，距离OpenAI正式推送GPT-5o已有整整六个月。
在那篇《GPT-5o之后，企业AI预算怎么花才不浪费》中，我们曾预警过API调用费之外的隐性成本。如今，这笔账终于结清了。
我们选取了5家处于不同赛道、员工规模在200-800人的中型企业（涵盖电商客服、金融风控、物流调度、医疗辅助文档处理、跨境电商营销），对其部署的基于GPT-5o的AI Agent进行了为期180天的日志审计。不看PPT，只看报错单。
工具调用的“断崖”与“长尾”
首先是一个反直觉的数据：在结构化任务中，GPT-5o的工具调用成功率高达98.2%，但在非结构化、多轮次任务中，这一数字骤降至84.5%。
这听起来像是个统计学陷阱，但拆解日志后发现，问题出在“上下文窗口溢出后的注意力衰减”。
以一家物流公司的调度Agent为例。在早期，Agent能准确调用内部WMS系统的API查询库存。但在连续处理超过12单后的第13单，Agent开始出现“幻觉式调用”——它记得API的名字，但传入了错误的参数格式（如将JSON对象传给了期望字符串的接口）。这种错误并非随机分布，而是集中在会话长度达到150k tokens左右时。
事实锚点： 在180天内，5家企业累计产生约45万次工具调用请求。其中，因参数格式错误导致的静默失败（Silent Failure，即API返回200但业务逻辑错误）占比1.2%，相当于每天约有25次“假成功”调用。这些调用不会触发警报，直到下游业务出现异常才被人工发现。
这与《外卖算法变了：不再死磕30分钟，只求骑手别出事》中的逻辑有异曲同工之妙：当系统复杂度超过阈值，单纯追求速度或自动化，会导致异常累积。GPT-5o在多轮对话中，对早期指令的“遗忘”或“扭曲”，正是导致参数错误的主因。
幻觉死循环：最昂贵的“空转”
如果说参数错误只是小痛，那么“幻觉死循环”则是企业级Agent的致命伤。
我们统计了所有导致Agent陷入无限重试、最终由人工强制中断的案例。数据显示，每月平均发生3-5次此类事件，每次平均消耗算力成本约为$120-$300（取决于会话长度和重试次数）。
案例拆解： 一家跨境电商公司的营销Agent，在尝试自动优化Facebook广告投放素材时，发现某组素材点击率低。它决定重新生成文案和配图。然而，由于Prompt中没有设置明确的“多样性约束”和“最大重试次数”，Agent在检测到新素材依然表现不佳（其实是随机波动）后，开始疯狂微调参数，进入局部最优解的死胡同。它甚至错误地调用了图片编辑API，反复修改同一张底图，直到Token耗尽。
这种死循环在《AI短剧出海：翻译成本降了80%，但文化梗全丢了》提到的内容生产中同样存在。AI在处理复杂语境时，容易陷入自我强化的逻辑闭环。对于营销Agent而言，这意味着预算的无谓燃烧。
关键发现： 在5家企业中，只有2家部署了严格的“熔断机制”（如最大重试3次、人工介入阈值）。其余3家完全依赖Agent自主决策，导致死循环造成的额外算力浪费占月度AI总支出的7%-12%。
人工接管：不是失败，而是常态
很多人担心AI接管工作后会彻底脱离人类控制。但日志显示，人工接管（Human-in-the-loop, HITL）的频率远高于预期。
平均来看，每家企业的Agent每月需要人工介入15-20次。介入原因前三位分别是：
- 合规性拦截（45%）：Agent生成的内容或操作触及了公司内部合规红线，如金融顾问Agent建议了高风险投资组合。
- 情绪安抚（30%）：客服Agent在遇到愤怒用户时，无法有效共情，导致投诉升级。
- 异常处理（25%）：面对从未见过的边缘Case，Agent选择“编造”答案而非承认无知。
值得注意的是，随着时间推移，人工接管的频率并未显著下降。相反，在第4个月后，出现了一种“自动化疲劳”现象：员工因为频繁处理Agent的低级错误，反而增加了额外的工作负担。
这与《AI Agent成了我的“老板”：一家公司的用工实验》中描述的“AI作为任务分发者”的角色转变相呼应。当AI开始承担更复杂的决策，人类需要从“执行者”转变为“监督者”，但这种转变需要重新设计绩效考核和工作流程，否则只会增加摩擦成本。
给准备部署企业的三条建议
基于这半年的真实数据，如果你正计划将GPT-5o引入企业核心业务，以下是几条来自血泪教训的建议：
1. 必须设置“硬边界”而非“软约束” 不要依赖Prompt里的“请谨慎操作”。必须在代码层实现硬性限制，如API调用频率上限、单次会话最大Token数、重试次数熔断。参考《让AI管了30天AWS账单，省下1700美元也踩了四个坑》，无状态实例清理等自动化任务，必须有明确的退出条件，否则Agent会为了“省钱”而删除不该删的资源。
2. 建立“影子模式”试运行期 在全面切换前，让Agent以“影子模式”运行至少一个月。即Agent生成建议或操作指令，但不实际执行，仅由人工审核。统计其建议的采纳率和错误率。这能让你直观看到《GPT-5o多模态幻觉实测：财报识别翻车，视觉能力被高估了》中提到的视觉幻觉和数据误读问题，在非结构化数据上的真实发生率。
3. 重新定义“成功”与“失败” 接受Agent的不完美。将人工接管视为系统的一部分，而非故障。在《AI审合同省了15万，但法务团队多了三个新岗位》中，我们看到法务团队并未因AI而裁员，而是新增了“AI监督员”角色。你的企业也需要类似的岗位或流程，来专门处理那些Agent搞不定的边缘Case。
GPT-5o的强大毋庸置疑，但它不是银弹。它更像是一个精力充沛但偶尔粗心、有时会钻牛角尖的高级实习生。企业需要的不是把它放在神坛上，而是给它配上正确的“缰绳”和“刹车片”。
毕竟，在AI落地的路上，稳定性远比惊艳的开场白更重要。