从聊天机器人到自主智能体：ESG大模型的技术演进
从聊天机器人到自主智能体：ESG大模型的技术演进
最早的ESG聊天机器人主要回答概念和政策问题。用户询问“什么是范围三排放”，系统检索文档后生成解释，任务通常到此结束。企业真正困难的工作却是跨系统的：判断哪些采购数据缺失、向谁发起补采、用什么因子计算、何时需要复核。要跨过这道门槛，大模型必须从问答界面发展为能规划、调用工具并检查结果的智能体。
第一阶段是检索增强生成。它让回答附上企业制度、标准条款或历史底稿，降低凭空编造的概率，但检索到的文字仍可能过期或与当前组织边界不符。第二阶段引入工具调用：模型读取受控数据库，用确定性的计算程序换算单位和排放，避免在对话中“心算”关键指标。第三阶段是工作流编排，系统把任务拆成取数、质量检查、计算、证据归档和审批，每一步有状态与失败处理。
更进一步的Agent具备有限的主动性。它可以定期发现某供应商用电强度异常，比较产量变化与电网因子，判断是否需要人工调查。这里的“自主”不等于无限执行权限。模型对目标的理解可能偏离用户意图，外部文件也可能含有恶意指令，因此工具权限必须按任务最小化，检索内容只能作为证据，不能改变系统规则。关键操作前要显示准备采用的数据和方法。
评估技术进步不能只看对话流畅度。企业需要构造包含真实缺失值、单位冲突、重复发票和标准变更的测试集，观察智能体能否发现问题并停在正确的审批点。指标可以分为任务完成率、事实可追溯率、错误升级率、人工修正成本和处理时长。若系统给出漂亮但不可重算的结果，就算回答速度再快，也没有进入可靠的生产阶段。
技术演进还改变了系统部署方式。早期机器人常把全部问题送入同一通用模型；生产级系统更可能按任务调用不同能力：小模型完成文档分类，规则引擎检查披露口径，专业计算程序处理排放，大模型只在需要解释、规划或跨文档推理时介入。这能减少成本和延迟，也更容易定位错误。企业采购时应要求供应商展示失败案例、回退机制和版本升级影响，而不只看一次顺利的演示。真正成熟的智能体应能在无权限、无证据或工具故障时安全停止。
另一个标志是系统能否正确“交还控制权”。当供应商拒绝提供关键数据、不同标准要求冲突，或模型无法确定设施归属时，智能体应清楚列出已完成步骤与未决问题，交给指定负责人。它若为了完成任务而掩盖阻碍，就会让自治成为新的风险来源。
未来的ESG大模型会越来越像受约束的业务操作系统：用语言理解意图，用规则和计算工具处理硬约束，用审计日志记录行动。它最重要的能力不是替人写结论，而是让长期散落在邮件、表格和系统里的可持续发展工作，形成可监督的闭环。
