文章作者丨麥肯錫公司：Alexander Sukharevsky、Dave Kerr、Klemens Hjartar、Lari H?m?l?inen、Stéphane Bout Vito、Di Leo Guillaume、Dagorret，慎思行采編翻譯

個(gè)人微信丨hello_SSX

要點(diǎn)：

• 通過將復(fù)雜的工作流程自動(dòng)化，智能體可以釋放縱向用例的全部潛力。有遠(yuǎn)見的公司已經(jīng)在利用智能體的力量來改變核心流程。

• 要實(shí)現(xiàn)智能體的潛力，企業(yè)必須改變工作方式，重新定義人類的角色，并從頭開始構(gòu)建以智能體為中心的流程。

• 要做到這一點(diǎn)，就需要一種新的AI架構(gòu)模式——能夠整合定制款和現(xiàn)成款智能體的“智能體網(wǎng)格”。但更大的挑戰(zhàn)不在于技術(shù)，而將是人的挑戰(zhàn)：征得信任以推動(dòng)企業(yè)采用，并建立合適的管理制度。

突破之道：

將復(fù)雜的工作流程自動(dòng)化

釋放縱向用例的全部潛力

LLM（大語言模型）確實(shí)徹底改變了企業(yè)與數(shù)據(jù)打交道的方式——它能夠?qū)崿F(xiàn)信息綜合、內(nèi)容生成和自然語言交互。盡管LLM功能強(qiáng)大，但從根本上講，它一直是被動(dòng)的，并且是與企業(yè)系統(tǒng)相隔離的，在相當(dāng)大程度上無法保留對跨會(huì)話內(nèi)容或上下文的長期記憶。它們的作用基本上僅限于通過處理孤立的任務(wù)來提高個(gè)人的工作效率。AI智能體則標(biāo)志著企業(yè)應(yīng)用AI的重大進(jìn)展——將AI從被動(dòng)的內(nèi)容生成，擴(kuò)展到目標(biāo)驅(qū)動(dòng)型的自主執(zhí)行。智能體可以理解任務(wù)目標(biāo)，將其分解為子任務(wù)，通過和人類、和系統(tǒng)的互動(dòng)，進(jìn)而執(zhí)行動(dòng)作，并實(shí)時(shí)調(diào)整——所有這些都只需極少量的人工干預(yù)。要實(shí)現(xiàn)上述功能，需要把LLM和其他能提供記憶、規(guī)劃、協(xié)調(diào)和整合功能的附加技術(shù)相結(jié)合。

借助于這些新功能，AI智能體將拓展橫向解決方案的潛力，把通用的AI協(xié)作助手從被動(dòng)的工具升級(jí)為主動(dòng)的隊(duì)友。它們不僅能對提示詞做出響應(yīng)，還能監(jiān)控儀表板、觸發(fā)工作流、跟進(jìn)行動(dòng)動(dòng)作，并實(shí)時(shí)地提供相關(guān)見解。但真正的突破還是來自縱向領(lǐng)域：在這一領(lǐng)域，智能體可以實(shí)現(xiàn)涉及多個(gè)步驟、多個(gè)行動(dòng)者和多個(gè)系統(tǒng)的復(fù)雜工作流的自動(dòng)化——這些功能超出了第一代生成式AI的能力范圍。

智能體

帶來的不僅僅是效率，

還能提高運(yùn)營敏捷性，

并創(chuàng)造新的營收機(jī)會(huì)。

在運(yùn)營層面，智能體承擔(dān)了常規(guī)的、數(shù)據(jù)繁重的任務(wù)，這樣人類就可以專注于價(jià)值更高的工作。但智能體還能更進(jìn)一步，從以下五個(gè)方面改變流程：

• 智能體能夠消除任務(wù)之間的延時(shí)，實(shí)現(xiàn)并行處理，從而加快執(zhí)行速度。與傳統(tǒng)工作流程依賴順序交接不同，智能體可以協(xié)調(diào)并同時(shí)執(zhí)行多個(gè)步驟，從而縮短周期時(shí)間，提高響應(yīng)速度。

• 智能體能夠帶來適應(yīng)性。通過不斷攝取數(shù)據(jù)，智能體可以即時(shí)地調(diào)整流程，重新安排任務(wù)序列，重新分配優(yōu)先級(jí)，或在異常情況演變成事故之前做出標(biāo)記。這使得工作流程不僅更快，而且也更智能。

• 智能體能夠實(shí)現(xiàn)個(gè)性化。智能體可以根據(jù)客戶資料或行為來定制互動(dòng)方式和決策內(nèi)容，動(dòng)態(tài)調(diào)整流程，最大限度地提高成果滿意度。

• 智能體的運(yùn)營體量是可變的。由于智能體是數(shù)字化的，它們的執(zhí)行能力可以根據(jù)工作量、業(yè)務(wù)淡旺季或突發(fā)情況實(shí)時(shí)地?cái)U(kuò)展或收縮——這是固定的人力模式難以實(shí)現(xiàn)的。

• 智能體還能保障運(yùn)營更具彈性。智能體能夠監(jiān)控中斷情況、重新安排操作路線，以及只在需要時(shí)進(jìn)行升級(jí)，它們可以保障工作流處于正常運(yùn)行——無論是在供應(yīng)鏈應(yīng)對港口延誤，還是在服務(wù)行業(yè)里應(yīng)對系統(tǒng)中斷等等。

例如，在復(fù)雜的供應(yīng)鏈環(huán)境中，AI智能體可以充當(dāng)采購、倉儲(chǔ)和配送業(yè)務(wù)的自主協(xié)調(diào)層。通過與內(nèi)部系統(tǒng)（如供應(yīng)鏈計(jì)劃系統(tǒng)或倉庫管理系統(tǒng)）和外部數(shù)據(jù)源（如天氣預(yù)報(bào)、供應(yīng)商信息和需求信號(hào)）連接，智能體可以持續(xù)性地預(yù)測需求。然后，它可以識(shí)別延遲或中斷等風(fēng)險(xiǎn)，并動(dòng)態(tài)地規(guī)劃運(yùn)輸和存貨流轉(zhuǎn)。智能體可以根據(jù)成本、交貨時(shí)間和環(huán)境影響來選擇最佳運(yùn)輸模式，在倉庫之間重新分配庫存，直接與外部系統(tǒng)協(xié)商，并將需要戰(zhàn)略投入的決策上報(bào)。最終的結(jié)果就是：提高了服務(wù)水平，降低了物流成本，還減少了排放。

智能體還可以擴(kuò)大現(xiàn)有收入流或解鎖全新收入來源，幫助刺激營收增長：

• 擴(kuò)大現(xiàn)有收入。在電商領(lǐng)域，嵌入在線商城或APP的智能體可以主動(dòng)分析用戶行為、購物車的商品和操作背景（例如季節(jié)性或購買歷史），從而提供實(shí)時(shí)的追加推銷和交叉推銷優(yōu)惠。在金融領(lǐng)域，智能體可以幫助客戶發(fā)現(xiàn)合適的金融產(chǎn)品，如貸款、保險(xiǎn)計(jì)劃或投資組合，根據(jù)財(cái)務(wù)狀況、生活事件和用戶行為提供量身定制的指導(dǎo)。

• 創(chuàng)造新的收入來源。對于工業(yè)企業(yè)來說，嵌入互聯(lián)設(shè)備中的智能體可以監(jiān)測使用情況、檢測性能閾值、自主解鎖功能或觸發(fā)維護(hù)動(dòng)作，從而創(chuàng)造按次付費(fèi)、訂閱付費(fèi)或基于成果的創(chuàng)收模式。同樣，服務(wù)機(jī)構(gòu)可以將其內(nèi)部的專業(yè)知識(shí)——法律論證、稅務(wù)解讀和采購最佳方案——封裝到智能體中，作為軟件服務(wù)或API提供給客戶、合作伙伴或缺乏專業(yè)知識(shí)的小型企業(yè)。

簡而言之，智能體不僅僅是自動(dòng)化。它重新定義了企業(yè)運(yùn)行、調(diào)整和創(chuàng)造價(jià)值的方式。

不再是科幻小說：

具有前瞻性的公司正在運(yùn)用智能體的力量

以下的案例研究展示了我們?nèi)绾螏椭髽I(yè)建立AI智能體員工——其成果遠(yuǎn)遠(yuǎn)不止于效率的提高。

案例研究1：一家銀行如何利用混合“數(shù)字工廠”實(shí)現(xiàn)舊式應(yīng)用程序的現(xiàn)代化

問題：一家大型銀行需要對其陳舊的核心系統(tǒng)進(jìn)行現(xiàn)代化改造，這個(gè)系統(tǒng)由400個(gè)軟件組成——這是一項(xiàng)預(yù)算超過6億美元的浩大工程。龐大的程序員團(tuán)隊(duì)使用手動(dòng)的、重復(fù)性的任務(wù)來處理該項(xiàng)目，這導(dǎo)致了跨部門協(xié)調(diào)的困難。他們還常常依賴于卡頓、容易出錯(cuò)的文檔和代碼。雖然第一代生成式AI幫助加快了單個(gè)任務(wù)的完成，但整體進(jìn)展仍然緩慢且費(fèi)力。

用智能體的方法：人類員工被提升為監(jiān)督者的角色，負(fù)責(zé)監(jiān)督AI智能體小組，每個(gè)小組按照規(guī)定的順序來推進(jìn)共同的目標(biāo)（見圖3）。這些小組會(huì)追溯舊有程序里的文件，編寫新的代碼，檢查其他智能體的代碼，并將代碼最后聚合到功能中。在交付產(chǎn)品之前，其他智能體還將對這些功能進(jìn)行測試。從重復(fù)的、人工的任務(wù)中解脫出來后，人工監(jiān)督員會(huì)對整個(gè)流程的每個(gè)階段進(jìn)行檢查、指導(dǎo)，從而提高了交付成果的質(zhì)量，減少了為實(shí)現(xiàn)新功能進(jìn)行短期沖刺的情況。

影響：早期團(tuán)隊(duì)所花的時(shí)間和精力減少了50%以上

案例研究2：一家研究公司如何提高數(shù)據(jù)質(zhì)量，以獲得更深刻的市場洞察

問題：一家市場研究和情報(bào)公司為確保數(shù)據(jù)質(zhì)量投入了大量資源，依靠一支由500多人組成的團(tuán)隊(duì)進(jìn)行數(shù)據(jù)的收集、結(jié)構(gòu)化和編碼，從而為客戶提供量身定制的洞察。但這一過程由人工操作時(shí)很容易出錯(cuò)，其中甚至有80%的錯(cuò)誤是由客戶發(fā)現(xiàn)的。

用智能體的方法：采用多智能體（multiagent）的解決方案，可以自主識(shí)別數(shù)據(jù)異常，對銷售或市場份額的變化做出解釋。它能分析內(nèi)部變動(dòng)（如產(chǎn)品分類的變化）、搜索網(wǎng)絡(luò)發(fā)現(xiàn)外部事件（如產(chǎn)品召回或惡劣天氣），對最重要的影響因素進(jìn)行綜合、排序，為決策者做好各方面準(zhǔn)備。通過高級(jí)搜索和上下文推理，智能體往往能發(fā)現(xiàn)人工容易忽視的洞察。雖然該系統(tǒng)還尚未投入生產(chǎn)，但已經(jīng)完全投入使用，并顯示出強(qiáng)大的潛力；它可將分析人員解放出來從事更具戰(zhàn)略性的工作。

影響：潛在生產(chǎn)率提高60%以上，預(yù)計(jì)每年可節(jié)省300多萬美元

案例研究 3：一家銀行如何重新設(shè)計(jì)信用風(fēng)險(xiǎn)備忘錄的創(chuàng)建方式

問題：一家零售銀行的客戶關(guān)系經(jīng)理（RMs）要花費(fèi)數(shù)周時(shí)間來撰寫和反復(fù)修改信用風(fēng)險(xiǎn)備忘錄，才能幫助做出信貸決策并符合監(jiān)管要求（見圖4）。這一過程要求客戶經(jīng)理從至少10個(gè)不同的數(shù)據(jù)源處手動(dòng)提取和審核信息，并在相關(guān)聯(lián)的部分（例如，貸款、收入和現(xiàn)金協(xié)同演變）進(jìn)行復(fù)雜的細(xì)微推理。

用智能體的方法：通過與銀行的信貸風(fēng)險(xiǎn)專家、信貸經(jīng)理密切合作，開發(fā)一種驗(yàn)證方式，利用智能體改變信貸備忘錄的工作流程。智能體通過提取數(shù)據(jù)、起草備忘錄、得出信用分以確定審核的優(yōu)先級(jí)，并提出相關(guān)問題來協(xié)助信貸客戶經(jīng)理工作。在這種模式下，人工分析的角色從手動(dòng)起草轉(zhuǎn)變?yōu)閼?zhàn)略監(jiān)督和異常處理。

影響：生產(chǎn)率可能提高20%至60%，其中包括信貸周轉(zhuǎn)率提高30%。

要實(shí)現(xiàn)AI智能體的價(jià)值最大化，

需要重塑業(yè)務(wù)流程

要充分發(fā)揮AI在縱向領(lǐng)域的潛力，需要的不僅僅是在傳統(tǒng)的工作流程中直接插入智能體。相反，它要求轉(zhuǎn)變整體設(shè)計(jì)思路——從實(shí)現(xiàn)現(xiàn)有流程的任務(wù)自動(dòng)化，到用人類和智能體員工重塑整個(gè)流程。這是因?yàn)椋?strong>如果在不重新設(shè)計(jì)的情況下將智能體嵌入傳統(tǒng)流程，那么它們通常會(huì)扮演效率更高的助手角色——生成內(nèi)容、檢索數(shù)據(jù)或執(zhí)行預(yù)定義的步驟。但流程本身仍然是一步接著一步、受規(guī)則和人為因素制約的。

圍繞智能體重塑流程不僅僅意味著在現(xiàn)有工作流程的基礎(chǔ)上實(shí)現(xiàn)自動(dòng)化，還需要從頭開始重構(gòu)整個(gè)任務(wù)流程。這包括對步驟重新排序、重新分配人類和機(jī)器的任務(wù)，以及考慮如何才能充分發(fā)揮AI智能體的優(yōu)勢：縮短時(shí)間并行執(zhí)行任務(wù)、對變化做出反應(yīng)的實(shí)時(shí)適應(yīng)性、大規(guī)模的個(gè)性化功能，以及根據(jù)需要進(jìn)行即時(shí)調(diào)整的彈性能力。

假設(shè)有一個(gè)客戶呼叫服務(wù)中心。在引入AI智能體之前，該中心使用生成式AI工具協(xié)助人工從知識(shí)庫中檢索文章、總結(jié)問題記錄、幫助起草回復(fù)。雖然這種協(xié)助提高了速度、減少了認(rèn)知負(fù)擔(dān)，但流程本身仍完全是由人工操作和被動(dòng)反應(yīng)，人工客服仍在管理診斷、協(xié)調(diào)和解決的每一個(gè)步驟。效率的提高潛力不大，通常只能提高5%到10%。

現(xiàn)在設(shè)想一下，假如這個(gè)呼叫中心引入AI智能體，但在很大程度上依然保留現(xiàn)有的工作流程——增加了智能體來協(xié)助特定步驟，而不重新配置客服工作中的路線、追蹤或端到端的解決方式。智能體可以對票單進(jìn)行分類，指出大概的原因，提出解決建議，甚至可以自主解決頻繁出現(xiàn)的低復(fù)雜性問題（如密碼重置）。雖然這樣一來效益有所增加——估計(jì)可以節(jié)省20%至40%的時(shí)間，減少30% 至50%的積壓，但在協(xié)調(diào)方面仍然存在摩擦，適應(yīng)性也比較有限，從而阻礙了真正的突破性進(jìn)展。

真正的轉(zhuǎn)變發(fā)生在第三個(gè)層面，即圍繞AI智能體的自主性重新規(guī)劃呼叫中心的流程。在這種模式下，智能體不僅要做出響應(yīng)，還要通過監(jiān)控各渠道去主動(dòng)發(fā)現(xiàn)常見的客戶問題（如發(fā)貨延遲、付款失敗或服務(wù)中斷），預(yù)測可能出現(xiàn)的需求，自動(dòng)啟動(dòng)解決步驟（如退款、重新訂購或更新賬戶），并通過聊天或電子郵件與客戶直接溝通。人類員工被定位為經(jīng)理和質(zhì)量監(jiān)督員，只有當(dāng)出現(xiàn)了智能體解決不了的不確定性或異常情況時(shí)，才會(huì)請人工介入。這一層面的影響是變革性的，可以從根本上提高客戶服務(wù)的工作效率。高達(dá)80%的普通事件可以自動(dòng)解決，解決時(shí)間可縮短60%至90%（見圖 5）。

當(dāng)然，并非所有業(yè)務(wù)流程都需要全面改造。對于標(biāo)準(zhǔn)化、重復(fù)性和變化有限的工作流程（如工資單處理、差旅費(fèi)審批或密碼重置）來說，簡單的任務(wù)自動(dòng)化就足夠了，其效益主要來自人工操作的減少。相比之下，復(fù)雜的、跨職能的、易出現(xiàn)異常或與業(yè)績密切相關(guān)的流程往往需要全面重新設(shè)計(jì)。需要重新設(shè)計(jì)的關(guān)鍵項(xiàng)包括：需要高度協(xié)調(diào)的開支、會(huì)造成交流延遲的僵化的業(yè)務(wù)順序、本可由數(shù)據(jù)驅(qū)動(dòng)但被人工頻繁干預(yù)的決策，以及可進(jìn)行動(dòng)態(tài)適應(yīng)或個(gè)性化的機(jī)會(huì)。在這些情況下，圍繞智能體的協(xié)調(diào)、適應(yīng)和學(xué)習(xí)能力重新設(shè)計(jì)流程，所帶來的價(jià)值將遠(yuǎn)大于只是加速現(xiàn)有工作流程。

需要一種新的架構(gòu)范式來譜寫價(jià)值

——AI智能體網(wǎng)格

要大規(guī)模應(yīng)用智能體，企業(yè)需要克服三重挑戰(zhàn)：處理AI智能體帶來的新風(fēng)險(xiǎn)、融合定制款和現(xiàn)成款的智能體系統(tǒng)，以及在快速發(fā)展的技術(shù)中保持敏捷（避免被鎖定）。

• 管理新一輪的風(fēng)險(xiǎn)。智能體帶來了一系列新的風(fēng)險(xiǎn)，而傳統(tǒng)的生成式AI主要是為LLM相關(guān)的孤立用例而設(shè)計(jì)的，根本無法應(yīng)對這些風(fēng)險(xiǎn)：不受控制的自主性、分散的系統(tǒng)權(quán)限、缺乏可觀測性和可追溯性、可攻擊的范圍不斷擴(kuò)大、智能體的無序增生和復(fù)制。除非具備可控制、可擴(kuò)展和可信任的基礎(chǔ)，否則這種智能自動(dòng)化在一開始就會(huì)很快陷入運(yùn)行混亂。

• 融合定制款和現(xiàn)成款的智能體。要充分發(fā)揮AI智能體的變革潛力，企業(yè)就不能僅僅是激活軟件套件中嵌入的智能體。這些現(xiàn)成的智能體是可以簡化日常工作流程，但這樣很少能夠發(fā)揮出戰(zhàn)略性的優(yōu)勢。充分實(shí)現(xiàn)AI智能體的潛能需要針對影響度高的流程做定制開發(fā)，如端到端的客戶解決方案、自適應(yīng)的供應(yīng)鏈協(xié)調(diào)、或復(fù)雜決策工具。這些智能體必須與公司的運(yùn)行邏輯、數(shù)據(jù)流和價(jià)值創(chuàng)造杠桿深度契合，才能使之難以被復(fù)制并發(fā)揮出獨(dú)特的強(qiáng)大功能。

• 在高速發(fā)展的技術(shù)中保持敏捷。AI智能體是一個(gè)新的技術(shù)領(lǐng)域，方案的進(jìn)化非常迅速。智能體必須能夠支持跨多個(gè)系統(tǒng)的工作流，而不應(yīng)被硬套在一個(gè)固定的平臺(tái)上。因此，我們需要一個(gè)不斷革新的、與供應(yīng)商無關(guān)的架構(gòu)。

要應(yīng)對這些挑戰(zhàn)，就不能僅僅是在現(xiàn)有的Gen AI堆棧上插入新的組件，例如存儲(chǔ)或協(xié)調(diào)引擎。雖然這些的確是必要的，但還不足夠。我們需要的是根本性的架構(gòu)轉(zhuǎn)變：從靜態(tài)的、以 LLM 為中心的基礎(chǔ)設(shè)施轉(zhuǎn)向一種動(dòng)態(tài)的、模塊化的、專門為智能體構(gòu)建的管理環(huán)境——AI智能體網(wǎng)格。

AI智能體網(wǎng)格是一種可組合的、分布式的、與供應(yīng)商無關(guān)的架構(gòu)范式，能讓多個(gè)智能體在各種系統(tǒng)、工具和語言模型之間自主地進(jìn)行推理、協(xié)作、采取行動(dòng)——并且是安全的、規(guī)?；模軌螂S著技術(shù)的發(fā)展而發(fā)展。這種范式的核心是五個(gè)相互增強(qiáng)的設(shè)計(jì)原則：

• 可組合性。任何的智能體、工具或 LLM 都可以插入網(wǎng)格，而無需進(jìn)行系統(tǒng)化的重新設(shè)計(jì)。

• 分布式智能。任務(wù)可以通過智能體合作網(wǎng)格被分發(fā)、解決。

• 分層解耦。邏輯、內(nèi)存、協(xié)調(diào)和接口功能被解耦，以最大限度地提高模塊化程度。

• 供應(yīng)商的中立性。即使技術(shù)進(jìn)步，所有組件也都可以獨(dú)立更新或替換，從而避免被供應(yīng)商鎖定，使架構(gòu)面向未來。尤為重要的是，開放標(biāo)準(zhǔn)（如模型上下文協(xié)議（MCP）、Agent2Agent（A2A））要比專有協(xié)議更受青睞。

• 自主管理。通過嵌入式的策略、權(quán)限和升級(jí)機(jī)制，可以主動(dòng)控制智能體的動(dòng)作，確保運(yùn)行安全、透明。

AI智能體網(wǎng)格扮演著連接層和協(xié)調(diào)層的角色，使大規(guī)模的智能體生態(tài)系統(tǒng)能夠安全、高效地運(yùn)行并不斷發(fā)展。它讓公司能在一個(gè)統(tǒng)一的框架下協(xié)調(diào)定制款和現(xiàn)成款的智能體，允許智能體共享上下文、互相委派任務(wù)，并有效緩解主要風(fēng)險(xiǎn)（如智能體復(fù)制蔓延、自主偏移和缺乏可觀察性等），同時(shí)保持技術(shù)演進(jìn)所需的敏捷性。（見下圖：AI智能體網(wǎng)格所需的七種相互關(guān)聯(lián)的能力）

除了這個(gè)架構(gòu)之外，企業(yè)還必須重新審視自己的LLM戰(zhàn)略。每個(gè)定制智能體的核心都有一個(gè)基礎(chǔ)模型——能為感知、決策和交互提供動(dòng)力的推理引擎。而在智能體時(shí)代，對LLM的要求發(fā)生了顯著變化。智能體不再是被動(dòng)的協(xié)作助手，而是自主的、持續(xù)性的嵌入式系統(tǒng)。這就產(chǎn)生了五種對LLM的核心要求，每一種都與特定的部署環(huán)境相一致，不同類的模型也將與之相關(guān)。（見下圖：智能體的基礎(chǔ)模型：五種要求）

最后，要想在整個(gè)企業(yè)中真正擴(kuò)大智能體的部署規(guī)模，企業(yè)系統(tǒng)本身也必須不斷發(fā)展。

在短期內(nèi)，API（允許不同軟件應(yīng)用進(jìn)行通信和交換數(shù)據(jù)的協(xié)議）仍將是智能體與企業(yè)系統(tǒng)交互的主要接口。但從長遠(yuǎn)來看，僅靠 API 是不夠的。企業(yè)必須圍繞“智能體優(yōu)先模式”重新規(guī)劃其IT架構(gòu)——在這種模式下，用戶界面、邏輯和數(shù)據(jù)訪問層都是為機(jī)器交互而非人類領(lǐng)航來設(shè)計(jì)的。在這種模式下，系統(tǒng)不再是圍繞人類可讀的電子屏幕和表單來組織的，而是圍繞機(jī)器可讀的界面、自動(dòng)的工作流和智能體領(lǐng)導(dǎo)的決策流來組織的。

這一轉(zhuǎn)變已經(jīng)開始。微軟正在通過 Copilot Studio 將智能體嵌入 Dynamics 365 和 Microsoft 365 的核心；Salesforce正在將他們的Agentforce 擴(kuò)展為多智能體協(xié)調(diào)層；SAP正在重新構(gòu)建其業(yè)務(wù)技術(shù)平臺(tái) (BTP)，以通過其Joule助手來支持智能體的集成。這些變化都預(yù)示著轉(zhuǎn)型的信號(hào)：企業(yè)軟件的未來不僅是要靠AI來增強(qiáng)的，而且是原生出來就屬于智能體的。

主要的挑戰(zhàn)不在于技術(shù)，而在于人

隨著智能體從被動(dòng)的“副駕駛”演變?yōu)橹鲃?dòng)的“行動(dòng)者”，并在整個(gè)企業(yè)中擴(kuò)展開來，它們帶來的復(fù)雜性將不僅僅是技術(shù)上的，而主要是組織上的。真正的挑戰(zhàn)在于協(xié)作、判斷力和信任。這種組織上的復(fù)雜性將在以下三個(gè)方面表現(xiàn)得最為明顯：人類與智能體如何共事處理日常工作流程；組織如何對這些自主行動(dòng)的系統(tǒng)進(jìn)行管理；以及，當(dāng)智能體的創(chuàng)建變得越來越民主大眾化之時(shí)，組織如何能夠防止它們無節(jié)制的擴(kuò)張。

• 人類與智能體共事。智能體將不僅僅是人類的助手，而是將與人類并肩作戰(zhàn)。這就提出了二者互動(dòng)、共存的微妙問題：什么時(shí)候智能體應(yīng)該主動(dòng)行動(dòng)？什么時(shí)候又應(yīng)該服從？我們怎樣才能既保持人類的能動(dòng)性和監(jiān)督作用，又不至于拖機(jī)器的后腿？明確這些將需要花上不少的時(shí)間、試驗(yàn)和觀念的調(diào)整。信任不會(huì)只從技術(shù)性中生成——它取決于智能體如何與人透明地溝通、如何可被人預(yù)測地行動(dòng)，以及如何直觀地融入日常工作流程之中。

• 控制自主性。智能體的強(qiáng)大之處——獨(dú)立行動(dòng)的能力——同時(shí)也帶來了不確定性。與傳統(tǒng)工具不同，智能體不會(huì)等待指令。它們會(huì)做出反應(yīng)并進(jìn)行調(diào)整，有時(shí)還可能會(huì)出人意料。要駕馭這一現(xiàn)實(shí)，就意味著要面對臨界情況：如果智能體執(zhí)行得過于激進(jìn)了怎么辦？或是把一個(gè)小問題惡化為大問題？我們將面臨的挑戰(zhàn)不是要怎么消除自主性，而是要讓它變得可理解，并與組織的預(yù)期一致。這種一致性將不是一成不變、一勞永逸的。它需要隨著智能體的學(xué)習(xí)、系統(tǒng)的轉(zhuǎn)變和信任的加深而不斷發(fā)展。關(guān)于控制機(jī)制，還有一點(diǎn)是必須應(yīng)對幻覺的風(fēng)險(xiǎn)，即智能體可能產(chǎn)生看似合理但不準(zhǔn)確的輸出。

• 遏制智能體的蔓延。在機(jī)器流程自動(dòng)化的早期，確實(shí)存在著智能體蔓延的風(fēng)險(xiǎn)——冗余、分散、不受控的智能體在團(tuán)隊(duì)和職能部門中無序擴(kuò)散。由于低代碼、無代碼平臺(tái)使得任何人都可以創(chuàng)建智能體，因此企業(yè)面臨著一種新型的影子IT的風(fēng)險(xiǎn)：智能體在團(tuán)隊(duì)中成倍地增加、重復(fù)地勞動(dòng)或在缺乏監(jiān)督的情況下運(yùn)行。如何才能避免碎片化？由誰來決定什么應(yīng)該創(chuàng)建，什么應(yīng)該淘汰？如果沒有系統(tǒng)化地治理、設(shè)計(jì)標(biāo)準(zhǔn)和生命周期管理，智能體的生態(tài)系統(tǒng)很快就將變得脆弱、冗余、無法擴(kuò)展。

編輯 | Noah

進(jìn)一步交流

進(jìn)入專業(yè)社群展開深度討論

慎思行通過微信等平臺(tái)覆蓋超過10萬戰(zhàn)略人、咨詢?nèi)说雀黝悓I(yè)人士。我們也構(gòu)建了專業(yè)社群，推動(dòng)戰(zhàn)略與咨詢領(lǐng)域的問題討論、信息交流和機(jī)會(huì)分享，社群已有超過5年歷史，并成為了頂尖專業(yè)人士感知市場前沿，獲得實(shí)踐經(jīng)驗(yàn)的首要選擇。入群請?zhí)砑由魉季⑿?，并提供名片?/p>

現(xiàn)在微信公眾號(hào)更改規(guī)則，如果你不特地點(diǎn)進(jìn)來，很可能看不到我們的推送了。希望喜歡【慎思行】的讀者朋友們將本號(hào)【設(shè)為星標(biāo)★】，方便找到我們；也歡迎點(diǎn)擊右下角的【在看】。