有没有人也发现“智能体说成功了”≠“它确实做对了事情”？

团队将AI智能体用于退款、采购订单、CRM更新和支持工单处理等场景。智能体经常报告“已完成”，API调用也返回200，但之后有人发现：退款金额错误，客户实际上不符合资格，重复订单通过了，ERP从未更新，政策被悄悄违反。所以技术操作成功了，但业务结果却是错误的。我想了解这种情况在生产环境中到底有多普遍。如果你正在运行会采取实际操作的智能体（或自动化工作流）：你（或你团队中的某个人）是否仍然会手动检查其中相当比例的操作？你是否遇到过智能体报告成功但实际结果不正确或不完整的情况？你们目前是如何发现这些问题的？人工对账？抽查？财务/运营部门的警报？当其中一个漏网时，实际成本是什么（时间、金钱、客户影响）？不是想要理论上的答案或“AI需要更多防护措施”这类说法。只想听听处理过这个问题的人的真实运营经验。很好奇现在这种情况到底有多让人头疼，还是说团队只是把它当作自动化的成本来接受。谢谢。