Agent能做的第一件事：在没人问的时候发现它
传统数据系统只监控被设定好的指标：日活、总播放、总收入。“某一类内容的会员转化率”这种组合指标，通常没人盯，因为组合太多，人盯不过来。Agent的第一项价值，恰恰是对大量细分组合做持续监测，在其中某一项偏离基线时发出信号。
这样的组合正在变多。AI集锦厂商WSC Sports披露，2025年上半年其合作方通过平台用AI生成了800多万条视频片段，同比增长约52%，其中竖屏视频约占63%，而编辑团队规模没有扩大（厂商自报数据，未见第三方审计）。内容产量按这个速度增长，“内容类型×用户分层×收入指标”的组合只会更多，靠人按周翻报表，很难及时注意到其中某一项的异常。
以下为模拟场景，数字仅用于说明方法。BB体育的监测任务会同时跟踪数千个“内容类型×用户分层×收入指标”的组合，这次提醒来自其中之一。Detect环节做了两次过滤才发出提醒：一是确认增长不是由极少数订单造成的（七天内新增会员订单约4200笔，样本足够）；二是确认会员价格和活动没有变化，排除了“打折导致转化上升”这种最常见的假信号。
Query：一层一层往下问
信号确认之后，Agent开始沿着内容与商业的关系链逐层查询。每一层查询的结果，决定下一层问什么。下面是模拟场景中的查询路径。
| 查询维度 | 问的问题 | 模拟发现 |
|---|---|---|
| 内容类型 | 是所有完整回放都涨了，还是某个项目？ | 集中在某职业篮球联赛的回放，其他项目基本持平 |
| 观看用户 | 转化的是新用户还是老用户？ | 约70%为注册3个月以上、从未付费的老用户 |
| 比赛 | 集中在哪些场次？ | 约六成订单来自某两支球队的4场比赛 |
| 球员 | 这几场比赛有什么共同点？ | 均为某位伤愈复出球员的出场比赛 |
| 广告 | 同期广告加载有无变化？ | 因广告库存不足，该类回放贴片时长从60秒降至15秒 |
| 会员 | 用户开的是哪一档会员？ | 以月度档为主，年度档占比低于平台平均 |
这张表里最关键的是倒数第二行。如果Agent只沿着“内容—比赛—球员”这条线追下去，它会得到一个漂亮的故事：球员复出带动了付费意愿。但广告这一层的发现，引入了第二个可能的原因。
Compare：找一个可以对照的组
Agent接下来做的是寻找对照。它比较了三组数据：同一联赛、复出球员未出场的回放（贴片同样缩短到15秒），转化率约1.7%；复出球员出场、但在贴片缩短之前上线的两场回放，转化率约1.9%；两者兼具的场次，转化率约3.1%。
这组对比说明两个因素可能都在起作用，而且叠加后更明显。但这些对照都不是随机分组，样本也偏小，Agent能说的只是“两个因素都与转化上升相关”，而不能说各自贡献多少。
Explain：把不确定性一起写出来
一个合格的Agent解释，不是给出一个确定的原因，而是把证据强弱分开写。在模拟场景里，Agent生成的解释大致分三层：确定的事实（转化上升集中在某联赛、某球员出场场次、老用户、月度档）；较强的相关（球员出场与转化上升，在不同广告条件下都成立）；待验证的假设（贴片缩短提升了转化，但可能只是短期效应）。
这里有一个反直觉的地方：少放广告可能反而带来更多收入。对这批从未付费的老用户来说，60秒贴片可能正是他们在回放开始前就离开的原因。这与高播放内容不一定适合做会员付费的判断方向相反，但逻辑一致——关键看观众是谁、在什么情境下观看。
Suggest：Agent在这里必须停下来
Agent可以给出建议，但不能自己执行其中最重要的一条。在BB体育的Media Agent设计中，模拟场景的建议被分成两类：
- 可自动执行：把复出球员的后续比赛回放加入会员引导推荐位；对同类老用户推送相关回放；把该组合指标加入持续监测。
- 需人工审批：对该类回放做分组实验，一组保持15秒贴片、一组恢复60秒，观察两周转化差异。这涉及广告收入的主动让渡，需要商业化负责人批准。
之所以要人批，是因为广告库存恢复后，商业化团队的默认动作就是把贴片加回去。如果没有实验，平台可能在不知情的情况下把一个有价值的转化窗口关掉。更完整的Agent工作链路与审批设计，见主动寻找商业机会的Media Agent。
现实边界：Agent先落在后台，再走到前台
把模拟场景放回行业现状，Agent的位置会更清楚。德勤《2026全球体育行业展望》判断，AI的下一波落地会先从后台开始，比如财务对账、季票续约外呼这类重复性工作，然后才是转播实时数据、个性化集锦、球迷即时问答等前台场景。对体育媒体来说，监测组合指标、追查原因、写出分层解释，本质上属于后台分析，是Agent最先能稳定承担的部分；改广告加载、改会员价格这类直接作用于用户的动作属于前台，应当更晚、更谨慎地交给自动化。
组织准备度是另一条边界。PwC在2024年发布的第8版全球体育调查中，59%的受访体育行业人士表示没有清晰的生成式AI战略，67%尚无相关计划。这是2024年的数据，之后情况可能已有变化，但它提示了一个常被忽略的前提：如果没有人负责审批实验、没有人对组合指标的异常负责，Agent发现了信号，也只会停在一条无人处理的提醒上。
所以，Agent能不能自己发现？
能发现，能查询，能对照，能把不确定性写清楚——这些都可以由Agent独立完成，而且比人工快得多。不能独立完成的，是在两个纠缠的原因之间下因果结论，以及决定是否为了验证而牺牲短期收入。判断一个Agent是否可用，可以看三点：
- 它的查询是否会主动越过“内容”层，追到广告、价格、推荐位这些同期变化？
- 它的解释是否把事实、相关和假设分开写，而不是讲一个完整的故事？
- 涉及收入让渡或对外承诺的建议，是否一定停在人工审批之前？
三点都做到，BB体育认为这样的Agent才算真正“发现”了价值，而不只是发现了一个数字。
