从 Agentic AI、自主性分级 这些行业基础词，到「可委托的自主性」概念图谱里造出来的 meta-loop、科斯崩塌、委托-退化螺旋——17 个术语，每个都标了权威定义和一手信源。点上面的分类标签可以筛选，第一个是可以拖动的「自主性分级」交互模型。
用户"最常问的那个词"——Autonomous 到底有多自主？——不是有没有，是程度。这个框架不按 AI 的能力分级，而按人在这段关系里扮演的角色分级：从事事都要人下指令的 Operator，到 AI 全自主运转、人只是被动收到通知的 Observer。
在读懂"可委托的自主性"之前，先读懂这些底层词
Gartner 的定义："目标驱动、能自主制定计划并采取行动的数字劳动力"。行业公认的一条演化链：生成式 AI（只产内容）→ Copilot / 助手（人主导，AI 辅助）→ AI Agent（有限自主 + 会用工具）→ Agentic AI（编排多个 Agent，直接拥有整段工作流，而不只是augment 它）。
为什么重要：本系列文章讲的"可委托的自主性"，就是 Agentic AI 这条演化链走到"能被信任托付"那一刻的说法。
没有哪一家公司发过唯一权威定义，但业内说法高度一致：Copilot / Assistant——反应式、绑定单一场景，AI 每一步产出都等人来决定用不用；Agent——主动、跨系统、多步骤，先自己执行完一整段任务，再拿结果给人复核。
为什么重要：这条线正是"委托"发生的地方——从"AI 帮我做"到"AI 替我做完"。
由一个主 Agent（Lead）拆解任务、派给多个子 Agent（Subagent）并行执行、再汇总结果的架构。Anthropic 自己的研究系统证实：多智能体比单一对话多耗约 15 倍 token，比单 Agent 多耗约 4 倍——但在其内部研究评测上，多智能体架构比单 Agent（Opus）高出 90.2% 的表现。
为什么重要："业务即 Loop"一旦铺开成组织级实践，本质就是把多智能体系统架在真实业务流程上——性能提升是真的，代价也是真的。
Anthropic 官方的说法：一个把 AI 应用连接到外部系统的开放标准——"就像 AI 应用界的 USB-C 接口"。到 2026 年初，公开 MCP 服务器已超过 1 万个，被 OpenAI（Agents SDK）、Google DeepMind、Microsoft Copilot Studio 等相继采用为事实标准。
为什么重要：Agent 要"自主"，得先能安全地接上外部工具和数据——MCP 就是那根接口线。
2025 年的关键词是 Context Engineering——不再抠字眼式地"写 prompt"，而是设计 Agent 能看到、能调用的整个信息环境。2026 年这条线又往上抬了一层，变成 Loop Engineering：不是写单次 prompt，是设计一个会自己转的循环，让 Agent 自己决定下一步、自检收敛。
为什么重要：这是"可委托的自主性"在工程侧最直接的对应物——详见概念图谱第 02 节。
「AI 组织与工作的未来」概念图谱里定义或命名的词
能接住一个目标、自己拆解执行、对着目标自检收敛、且可靠到能被托付的自主性——公式是 自主 × 可验证性 × 风险可控，三样缺一，人都不敢真把事交出去。
为什么重要：这是整套概念图谱的"总开关"——科斯崩塌、中间层塌缩、AIOE 重算，都是这个开关按下去之后的连锁反应。
在所有可以委托出去的 Loop 之上，还留着一个人类暂时守得住、也必须守住的循环：设目标、定义"什么算好"、验证、担责。
为什么重要：执行可以外包，这一圈退不掉——它是"理解力不可外包"的工程化说法，也是终局策略"往两端站"的落点。
单个任务是一个 Loop（目标→行动→观察→验证→迭代），业务流程是 Loop 的串联，企业是 Loop 的嵌套网络。战略问题被压缩成一个：每一个 Loop，该由人跑、Agent 跑、还是市场跑？
为什么重要：这是把科斯崩塌、中间层塌缩、AIOE 重算这三个"后果"统一到同一个视角下的框架。
可委托的自主性，如何重画公司和市场的边界
科斯 1937 年问：市场这么有效，为什么还要有"公司"？答案是交易成本——内部化比市场交易更省的地方，才需要公司。可委托的自主性把"发起一次市场交易"的成本（找、谈、盯）按到趋近于零，"内部化才划算"的理由就被抽走了。
为什么重要：Klarna 2026 Q1 财报（营收 +44%、人均营收达 2022 年 4 倍）就是这个论点的可审计版本。
SaaS 这类"中间层"公司，价值被模型层（向上破局，能力直达）和应用/Agent 层（向下破局，直接闭环交付）两端同时吸走——它靠"通用能力↔具体业务"收的那道中介费，正被自主性缝合。
为什么重要：monday.com（裁员 630 人转型 agent 平台）和 ClickUp（裁员 22%、部署 3,000 agent）是 2026 年最新的两个现场案例。
同一股力（可委托的自主性）在价值、组织、技能三个维度上重复同一种重塑：两端鼓、中间瘪。价值流向模型层与应用层；组织收敛为少数决策者 + 大量 Agent；技能只剩高阶判断与低门槛兜底。
为什么重要：这是概念图谱的终局图景——个人和组织的策略都是"往两端站，别卡在中间"。
Gartner 分析师 Anushree Verma 提出的说法：厂商把 RPA、聊天机器人、传统 AI 助手重新包装成"agentic AI"来卖，实际并不具备真正的自主能力。Gartner 估计，在数以千计自称"做 agentic AI"的厂商里，真正做到的只有约 130 家。
为什么重要：判断一个"AI Agent"产品是不是名副其实，先看它有没有闭环验证能力，而不是看营销页面怎么写。
类比"Shadow IT"（未经 IT 部门审批就在用的工具）：员工或部门自行接入 AI Agent 完成工作，却脱离正式治理与监督。Deloitte 2026 年的调查显示，仅 1/5 的公司对自主 Agent 建立了成熟的治理模型。
读法限定：这不是 Gartner/Deloitte 正式命名的固定术语，行业里还没有像"Shadow IT"那样公认的叫法——按"正在形成中的概念"读。
当执行被委托出去，瓶颈会搬到哪儿
Felten、Raj、Seamans 提出的量化指标，原本按任务算一个职业有多少工作能被 AI 辅助。可委托的自主性把这个单位从"任务"升级成"Loop"——暴露度不再线性叠加，而是在"可闭环"的临界点上跳变。
为什么重要：高暴露不等于被替代——真正危险的是"暴露度高 × 判断力弱"，详见概念图谱 06 节的 2×2 矩阵。
Lisanne Bainbridge 1983 年的经典论断：越自动化，操作者越少练习，越难在关键时刻接管。AI 时代的新尾巴——如果新手靠 AI 就能干到接近专家水平，企业培养新人的动力也随之消失。
为什么重要：这是"委托-退化螺旋"和"认知投降"两个更新概念共同的理论源头。
越委托 → 越不练 → 技能退化 → 越无力验证与担责 → 而系统恰恰把"验证与担责"压给人 → 于是要么不敢再委托、要么硬委托但没人兜得住。
为什么重要：解药不是躲开 AI，是把判断、定义"好"、验证、担责当成必须亲自练的肌肉——这正是 meta-loop。
沃顿商学院 Shaw & Nave 提出的命名，在 Kahneman 系统 1/2 之外加了"系统 3：人工认知"。1,372 人的实验里，人们对 AI 给出的答案接受度高达 80%——哪怕是错的，且自评信心反而更高。
为什么重要：这是"委托-退化螺旋"从本系列自造词变成学术命名的验证。
本图谱之外，值得完整读一遍的原文