团队可能通过了内部 eval，却仍然做错了 Agent。客户访谈能发现另一类风险：任务本身不清楚、隐藏的审批需求、缺少信任信号，以及用户其实更愿意保留人工处理的环节。
从当前工作流开始
请客户描述最近一次真实发生的任务，不要先介绍你想做的 Agent。真正有价值的信息在当前流程的细节里：谁发起任务、需要哪些数据、在哪里犹豫、什么地方最麻烦。
找出错误动作的代价
上线团队必须知道 Agent 自信出错会造成什么后果。错误回答、错误状态更新、误退款或不安全建议，会带来时间、金钱、信任还是合规成本？这个问题要问清楚。
测试信任边界
询问客户哪些动作可以自动执行，哪些动作必须人工确认，哪些动作绝不能交给 Agent。这通常比问客户“喜不喜欢 AI”更有用。
留意采购和审查语言
如果客户提到审计日志、权限、数据保留、供应商评审、安全审查或法务审批，要原样记录。这些词往往暴露后续购买委员会真正关心的事项。
以具体下一步结束
最后询问客户是否愿意试一个小范围流程、看一份样例报告，或分享一个脱敏失败案例。真实的下一步，比礼貌夸奖更能说明问题。
快速清单
- 问最近一次真实工作流，不问纯假设场景。
- 记录客户描述风险、信任和审批时使用的原话。
- 区分用户痛点和购买方要求。
- 询问什么情况会让客户停止使用这个 Agent。
- 以一个小而具体的承诺结束访谈。
如何使用这份内容
把这篇文章当作工作评审辅助，而不是合规证书。准备把 AI Agent 推向生产环境的团队，应该把它和 trace、测试样例、策略决策以及每个未解决风险的负责人结合起来使用。
相关 IBBS 资源
可复制的分享文案
AI Agent 上线前的客户访谈问题：一份实用客户访谈指南，用来判断 AI Agent 是否真的解决客户问题，而不是只通过内部评测。 阅读链接：https://ibbs.ai/zh/2026/07/07/ai-agent-customer-interview-questions-cn/
如果你的团队正在准备让 AI Agent 进入生产环境，可以先做 AI Agent 就绪度自评，或查看 样例审计报告。