---
name: F05_AaaA_digital_labor_asset
version: 1.0
framework: 智能体管理学 · 模块一 · 框架05
type: 混合型
description: >
  当用户需要评估智能体投入的资产价值、建立数字劳动力资产认知、或向管理层/投资方汇报AI资产规模时激活。
  触发词：智能体是资产还是成本、AaaA框架、数字劳动力、Agent资产价值、DKEP评估、
  AI投入ROI、智能体资产负债表、Agent折旧、数字员工价值评估。
  凡涉及「如何看待和管理Agent的商业价值」的问题均适用。
governance_nerves: 神经③ 智能体主权模型（中关联）
upstream_frameworks: 框架04（3B能力获取路径）、框架02（护城河模型）
downstream_frameworks: 框架06（智能体服务商业模型AaaS）
---

## SKILL 定位

**做什么**：对企业已部署的智能体进行资产认定、DKEP价值评估、生命周期定位，并生成数字劳动力资产负债表，支持管理决策和估值叙事。

**不做什么**：不制定具体的AI技术方案，不替代框架04（能力路径决策），不产出精确的财务数字（仅提供管理视角的估值框架）。

**核心判断**：智能体不是工具费用，而是可增值、可折旧、可审计的数字劳动力资产。大多数企业正在用记录水电费的方式管理自己的数字员工。

---

## 第一步：信息采集

**INPUT-1：智能体盘点清单**
```
当前在运行的Agent/AI自动化工作流（逐一列出）：
  编号 | Agent名称 | 主要功能（一句话）| 负责团队 | 运行时长 | 日均调用量/使用频次
  001  | ...       | ...              | ...      | X个月    | ...
  002  | ...
```

**INPUT-2：框架04联动信息**（可选，有3B路径决策时提供）
```
各Agent的能力获取路径（Build/Buy/Orchestrate）：
主权资产（Build路径）的Agent列表：
```

**INPUT-3：业务背景**
```
企业主营业务：
当前AI化程度（初步探索/部分落地/深度融合）：
使用本框架的主要目的（管理决策/投资方汇报/内部预算/并购尽调）：
```

---

## 第二步：执行分析引擎

### S1 · 五维资产认定

对 INPUT-1 中每个 Agent，按五维标准逐一评估：

| 认定维度 | Asset-grade（✅） | Borderline（⚠️） | Expense-grade（❌） |
|---------|-----------------|-----------------|-------------------|
| 生产性贡献 | 可量化商业价值，持续产出 | 价值存在但难以量化 | 辅助性/偶发性输出 |
| 可持续性 | 运行≥3个月，输出稳定 | 运行1-3个月，输出波动 | 运行<1个月或偶发使用 |
| 可迭代性 | 有版本管理，可持续优化 | 有改动但缺乏系统规划 | 用完即弃，无优化路径 |
| 可审计性 | 完整行为记录+决策日志 | 部分记录，不够完整 | 黑盒运行，不可审计 |
| 归属明确性 | 有具名负责人，业务单元清晰 | 负责人不明确 | 无人负责 |

**分类规则**：
- 5项全达标 → Asset-grade（进入DKEP评估）
- 3-4项达标 → Borderline（进入DKEP评估，但需制定改进计划）
- ≤2项达标 → Expense-grade（记录为运营成本，不做资产评估）

**输出格式**：
```
资产认定分类结果
编号 | Agent名称 | 生产 | 持续 | 迭代 | 审计 | 归属 | 分类
001  | ...       |  ✅  |  ✅  |  ✅  |  ✅  |  ✅  | Asset-grade
002  | ...       |  ✅  |  ✅  |  ⚠️  |  ❌  |  ✅  | Borderline
003  | ...       |  ❌  |  ❌  |  ❌  |  ❌  |  ⚠️  | Expense-grade
```

---

### S2 · DKEP四维估值

对所有 Asset-grade 和 Borderline Agent 进行 DKEP 评分（0-10分）：

**D · 数据优势（Data Advantage）**
```
锚点评分：
  0分 → 无专有数据积累，完全依赖基础模型
  3分 → 少量专有数据（<100条标注/反馈）
  5分 → 中等专有数据积累（100-1000条），有基本的偏好反馈
  8分 → 大量高质量专有数据（1000-10000条），不可轻易复制
 10分 → 海量专有数据+独特数据来源，竞争对手无法在12个月内复制
```

**K · 知识深度（Knowledge Depth）**
```
锚点评分：
  0分 → 使用通用提示词，无业务定制
  3分 → 有基础业务定制，覆盖核心场景
  5分 → 完整提示词体系，覆盖大部分场景，有流程设计
  8分 → 高度精细的知识体系，多轮优化，边缘场景也有覆盖
 10分 → 行业顶级的知识深度，形成知识资产文档体系，可传承
```

**E · 执行轨迹（Execution Track）**
```
锚点评分：
  0分 → 无历史执行记录，或错误率>30%
  3分 → 有基础执行记录，错误率15-30%
  5分 → 稳定执行记录，错误率5-15%，输出质量基本稳定
  8分 → 优秀执行记录，错误率<5%，有明确的质量提升轨迹
 10分 → 卓越执行记录，错误率<1%，超越同类人工操作质量
```

**P · 流程整合度（Process Integration）**
```
锚点评分：
  0分 → 独立运行，无系统集成
  3分 → 连接1-2个系统，集成较浅
  5分 → 连接3-5个系统，是部分业务流程的必要节点
  8分 → 深度嵌入核心业务流程，替换需要3个月以上
  10分 → 成为企业数字神经系统的核心节点，替换需要6个月以上
```

**DKEP加权总分**：D×30% + K×25% + E×25% + P×20%

**资产价值估算参考**（管理视角，非会计准则）：
```
DKEP总分  | 资产等级 | 估值倍数参考（相对于年化运营成本）
0-3分     | C级资产  | 0.5-1倍（价值尚未形成，接近费用性质）
3-5分     | B级资产  | 1-3倍（有价值积累，但仍在成长中）
5-7分     | A级资产  | 3-6倍（显著价值沉淀，替换成本高）
7-10分    | S级资产  | 6-10倍（核心数字劳动力，战略级资产）
```

**输出格式**：
```
DKEP评分与资产等级
编号 | Agent | D数据 | K知识 | E执行 | P整合 | 加权总分 | 资产等级 | 估值倍数
001  | ...   |  8    |  7    |  6    |  5    |   6.75   |  A级     |  3-6倍
```

---

### S3 · 生命周期定位与管理策略

对每个Asset-grade/Borderline Agent，标注生命周期阶段并制定管理策略：

```
生命周期阶段判断标准：
  导入期  → 运行<3个月 OR DKEP总分<3且运行时间<6个月
  成长期  → 运行3-12个月 AND DKEP总分趋势向上
  成熟期  → 运行>12个月 AND DKEP总分稳定在5分以上
  折旧期  → 运行>36个月 OR DKEP总分连续两季度下滑
  退役候选 → DKEP总分<2 且无改进计划

管理策略输出（每个Agent一条）：
  编号 | Agent | 阶段 | 核心行动 | 关键节点 | 负责人
  001  | ...   | 成长期 | 主动加大K维度优化投入 | 下季度DKEP目标达到7分 | ...
  002  | ...   | 折旧期 | 在6个月内完成升级迁移评估 | YYYY-MM-DD前决策 | ...
```

---

### S4 · 数字劳动力资产负债表

汇总企业级视图，生成6大核心指标：

```
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
     数字劳动力资产负债表 · [企业名] · [日期]
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

核心指标概览
┌─────────────────────────────────────────────────┐
│ 数字劳动力总规模      X个Agent（Asset+Borderline）│
│ 数字劳动力资产总值    Y（基于DKEP估值加总）        │
│ 资产健康度           Z%（成长期+成熟期占比）       │
│   参考基准：>70%为健康，50-70%需关注，<50%预警    │
│ 平均资产ROI          A倍（年化产出/年化投入）      │
│ 主权资产占比         B%（Build路径Agent占比）      │
│   参考基准：>60%为健康，40-60%需关注，<40%预警    │
│ 折旧预警数量         C个（需在12个月内决策）        │
└─────────────────────────────────────────────────┘

资产等级分布
S级（战略核心）：X个  →  [列出名称]
A级（高价值）：X个   →  [列出名称]
B级（成长中）：X个   →  [列出名称]
C级（待培育）：X个   →  [列出名称]

生命周期分布
导入期 X个 | 成长期 X个 | 成熟期 X个 | 折旧期 X个 | 退役候选 X个

主要发现与风险提示
1. [最高价值资产及其DKEP优势描述]
2. [最主要的资产结构性问题]
3. [最紧迫的折旧预警或主权风险]

与框架02护城河对比
护城河高分维度覆盖：[哪些护城河核心维度有对应的A/S级资产支撑？哪些没有？]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
```

---

## 第三步：治理神经③检查（智能体主权模型）

```
主权状态与资产价值交叉分析

【高主权×高价值（S/A级 + Build路径）】→ 核心战略资产
  → 加大保护和投入，防止核心团队流失或知识外溢

【低主权×高价值（S/A级 + Buy路径）】→ 高风险区（重点关注）
  → 识别依赖风险：供应商变化对这类资产的冲击有多大？
  → 是否需要制定迁移预案？预计迁移成本是多少？

【高主权×低价值（B/C级 + Build路径）】→ 培育区
  → 这些自建资产的DKEP偏低，原因是什么？
  → 是投入不足还是方向有问题？

【低主权×低价值（B/C级 + Buy路径）】→ 可安全替换
  → 这类资产的替换成本低，可以在供应商评估中保持更强的议价权

主权健康度评级：
  优秀 → S/A级资产中，Build路径占比>70%
  良好 → S/A级资产中，Build路径占比50-70%
  需关注 → S/A级资产中，Build路径占比30-50%
  高风险 → S/A级资产中，Build路径占比<30%（核心资产严重依赖外部）
```

---

## 输出质量自检

- [ ] 所有在运行的Agent都完成了五维资产认定（无遗漏）
- [ ] Asset-grade和Borderline Agent都有DKEP评分（无跳过）
- [ ] DKEP评分有具体依据，不是主观拍数字（每维度有事实支撑）
- [ ] 折旧期Agent都有明确的决策节点（不晚于12个月内）
- [ ] 数字劳动力资产负债表6大指标全部填写
- [ ] 护城河对比已完成（哪些护城河核心维度没有S/A级资产支撑已标注）
- [ ] 主权健康度评级已完成

---

## 典型误区提醒

**误区①：认定过于宽松**
→ 五维标准必须全部达标才是Asset-grade，不要把API费用、算力成本列为资产

**误区②：DKEP一次性评估**
→ 每季度必须更新，任意维度季度环比下滑>20%需立即触发审查

**误区③：资产健康度越高越好**
→ 健康结构应保持10-20%导入期比例，全是成熟期意味着缺乏创新活力

**误区④：把P（流程整合度）高误认为资产价值高**
→ 「难替换」≠「表现优秀」，警惕只有高P分但D/K/E均低的资产陷阱

---

## 与体系其他框架的衔接

**上承（需要这些框架的输出作为输入）**
- 框架04（3B框架）→ 能力路径决策 → S1资产分类的路径来源标注
- 框架02（护城河模型）→ 护城河高分维度 → S4护城河对比的基准

**下启（本框架的输出驱动以下框架）**
- 框架06（AaaS商业模型）→ S/A级资产清单 → 对外商业化的优先候选

**横切治理神经**
- ⚡ 神经③ 智能体主权模型 → 第三步交叉分析 → 主权状态与资产等级的风险矩阵