深入 Arca 的長跨度代理：讓代理實際營運業務——專訪 Arca 的 Aman Singh

Arca 這家金融服務公司負責 AI 業務的 Aman Singh 主張，「AI 原生」公司的定義，是代理（agent）從頭到尾端到端負責客戶的長跨度成果；而當你能靠駕馭代理來駕馭整個業務時，就代表你已經打造出一家 AI 原生公司。整場分享大半在拆解讓這件事成真的機制：一套訊號系統，會在收到 email、保管機構事件、市場波動，以及人在 UI 上的操作時喚醒代理；持久記憶與營運脈絡；一套工具與護欄機制（harness）；以及一個協作空間，讓代理在對的時機把對的人拉進來。標題裡的「長跨度代理（long-horizon agents）」才是這一集的骨幹，並用同一個貫穿全場的例子來說明——一位名叫 Jane、背著 10 萬美元稅單的客戶——而不是對整個產業做一通盤點。

Singh 是從經營者而非軟體供應商的角度發言：他說，Arca 並不是賣軟體給其他公司的 SaaS 公司，而是「這家公司」本身——一家應用 AI 公司，經營的是服務業務，提供財務規劃、稅務規劃、資產管理與投資建議，客戶從富裕的科技業高階主管，到一個剛賺到人生第一個百萬美元的新罕布夏家庭都有。接下來是他對 Arca 打造了哪些基礎元件、花了六個月把這些元件收緊，以及那個業務目標——一月主動出擊的稅務聯絡——如今在他口中已可達成的說明。

Arca 對 AI 原生的定義：代理負責執行，而不是從旁輔助

Singh 在使用 AI 工具與成為 AI 原生之間劃下一道清楚的界線。在他的定義裡，代理「經營我們的業務」——它們執行那些決定客戶成果的決策——而不是待在「某個副駕駛角落」協助仍卡在關鍵路徑上的人類。他說，Arca 之所以做得到，結構上的原因是它不賣軟體給別的公司；它本身就是那家公司，所以能改變並標準化內部工作的進行方式，並把這些脈絡寫進代理的狀態裡。

他描述的回報，是「由誰發起工作」這件事整個反轉。在 Arca，同仁登入後看到的是一份由代理準備好的任務清單——代理已經讀過來信、看過檔案，大約九成的工作都做完了——人只在該動手時才被拉進來。他的說法是：「代理提示人的頻率，比人提示代理還高。」這個反轉，正是「代理能驅動業務、而不只是驅動任務」這個更大主張的前提。

工作是長跨度，不是長時間執行——而這改變了設計

Singh 對金融服務業最有用的框架，是把代理的工作負載分成兩類。Arca 的工作不是讓代理「連續好幾小時、好幾天不停燒 Token」；而是單一客戶目標橫跨大約十天，走走停停，中間牽涉許多角色、決策點與交接。Jane 這個例子把這個形狀講得很具體：

| 步驟 | 角色 | 發生什麼事 | 時間特性 |
|---|---|---|---|
| 1 | 顧問（代理協助） | 分析對帳單；判斷最省稅的籌資方式 | 分析工作 |
| 2 | 交易員 | 賣出選定的資產 | 交接給專家 |
| 3 | 交割 | 資產完成交割 | 需要數天 |
| 4 | 營運 | 觸發 ACH 轉帳 | 需要數天才入帳 |

Jane 被描述為相當富有，4 月 15 日有一筆大額稅單要繳；目標是用最省稅的方式籌到這筆現金。Singh 指出，若要為眾多客戶規模化地做這件事，公司的時間成本會「指數級膨脹」——這正是把人類移出關鍵路徑、而不是增加協調人力的理由。

四個基礎元件，讓代理端到端負責一項成果

Arca 對長跨度工作的答案，是 Singh 明確列出的幾個元件：來自外部世界的訊號，讓代理保持狀況意識；產業在特定情境下怎麼做的營運脈絡；一套提供工具、護欄，以及——他強調「更重要的是」——在長跨度中維持記憶的機制；還有與人協作的能力。他坦承，這類機制「正在收斂成一種標準形狀」，也因此他主張真正有意思的設計工作，落在這套機制之外。

訊號系統是他著墨最深的一塊。背景代理會持續評估公司撥出的電話、送進來的檔案、會議、保管機構的事件，以及市場波動。關鍵在於，內部的人為工作本身也是一種訊號：當有人在 UI 裡補上資訊、改動行事曆事件，或把任務標為完成，就會喚醒代理。代理也可以對未來事件登記關注——「Jane 回覆時通知我」、「那筆 ACH 入帳時通知我」——訊號系統會把進來的事件路由給當初提出要求的代理。如果訊號一直沒來，代理也能依排程自我喚醒，繼續追蹤這件工作。

flowchart TD
    A["外部訊號：email、電話、保管機構事件、市場波動"] --> C["訊號系統路由給關注的代理"]
    B["內部訊號：UI 編輯、改期事件、完成的任務"] --> C
    C --> D["背景代理：配備機制、工具、護欄、持久記憶"]
    D --> E["在共享空間產出計畫"]
    E --> F["人類在空間中核準並對話"]
    F --> B
    D --> G["代理通知另一個代理修訂計畫"]
    G --> E
    D --> H["代理把對的專家以任務形式拉進來"]
    H --> B
    D --> I["若訊號未到，代理自行排定喚醒"]
    I --> D

Jane 例項走一遍：一份計畫如何撐過真實世界的碰撞

這個貫穿全場的例子，同時也示範了系統設計來吸收的各種失敗模式。代理讀了 Jane 的 email、套用營運脈絡，並查閱深層的客戶記憶——Singh 舉的例子是，Jane 大約八個月前在電話上說過絕對不要動她的 Apple 持股——接著在沙箱裡跑財務計算，產出一份計畫。計畫沒有真人無法執行，所以代理建立一個空間，把計畫貼上去，讓多個人能與代理討論，並在需要他們的工作時把人拉進來。在這個案例裡，計畫與寄給 Jane 的對外 email 都獲得核准。

然後真實世界插手了。Jane 一直沒回那封 email；公司與她當面碰面，得知了會改變計畫的資訊。同仁把這項資訊輸入 UI，這本身就是一個喚醒代理的訊號。該代理再通知另一個代理，後者更新了共享空間：公司現在需要 8 萬美元，而不是 10 萬。最後，代理讀取營運脈絡，判斷下一步是負責交易這類資產的人，於是建立一項任務，把那位專家拉進這件工作。整份計畫改了三次，全程沒有人盯著這個目標。

六個月的收緊工程：脈絡、任務精準度、狀態與評測

Singh 直言，這個想法表面上很簡單，實作起來卻很複雜——任何一個時刻都有數百個訊號湧入、任務不斷落到同仁頭上、背景代理彼此在對話。他說，在這場分享之前的六個月裡，Arca 著手做了四件事：

• 補上脈絡缺口，讓代理完全掌握正在發生什麼事。
• 任務精準度——在對的時機把對的人拉進來。他提出的原則是：未來仍需追蹤的工作留在代理記憶裡；現在就能做的工作則變成任務。
• 在長跨度中維持狀態。
• 標準化公司內部工作的進行方式，並把這些脈絡落實為代理的狀態——這一切之所以可行，只因為 Arca 就是那家公司，而不是 SaaS 供應商。

由於產品的使用者就是 Arca 自己的同事，Singh 說，公司能從他們身上蒐集到豐富的推理過程，再轉化成系統的評測資料。這是「我們就是那家公司」模式的結構性優勢：迴路裡的人類，同時也是標註函式。

終局：靠駕馭代理來駕馭業務

Singh 的結尾論點是，這套系統讓 Arca 能設定一個業務目標，並讓代理透過人把它推動下去。他舉主動出擊為例：Jane 根本就不該需要寄出那封 email。於是 Arca 接下一個新目標——每年一月，把每位客戶的稅務狀況準備好，在任何人開口之前主動聯絡。他說，在一家 AI 原生公司裡，把這個目標納入代理的目標集合，就是全部的實作：分析在一月完成，附有完整計畫、一鍵核准的 email 出現在同仁的任務清單上，對齊主動出擊的目標。

「在一家 AI 原生公司裡，當你能靠駕馭代理來駕馭業務時，你就知道你已經打造出一家了。」

他最後說 Arca 正在招募，歡迎聽眾聯絡。

這場分享留下的未解問題

這份簡報的核心張力，是 Singh 點出卻沒有解決的一點：Jane 那封 email 被定調為「有點失敗」，因為公司本該主動出擊；然而主動出擊的目標卻被當成未來能力來描述，而不是已經上線的東西。那六個月的收緊工程只有質性描述——沒有錯誤率、沒有週期時間數字、沒有客戶數或代理數——所以「把人類移出關鍵路徑能壓縮這十天迴路」這個主張，是斷言而非實測。對其他經營者最有參考價值的，不是 Singh 說正在商品化的那套機制，而是訊號設計：把產品內的人類操作當成第一級事件來喚醒代理，並讓代理能對未來事件登記關注，這樣就不需要有人時時盯著世界。當訊號量成長到每個時刻數百個時，這套架構還撐不撐得住，是這場分享提出卻未回答的開放工程問題。