ARTICLE · 1027936

当AI从工具变为组织成员,企业需要重新设计自己

发布时间：2026-09-17 22:22:58 最近访问：2026-09-17 22:22:59

点击进入“安永智能问答”，帮您一键分析解读本篇文章。

核心观点速览

过去几年，企业最常提出的问题是“AI能帮我们做什么”。从今年开始，一个更值得回答的问题浮现出来：“如果一家企业里有上千个智能体在同时工作，这家企业应当是什么样子？”

2026年中国国际服务贸易交易会期间，安永¹大中华区人工智能与数智工程咨询服务总监赖帆以“智能体企业的价值转型蓝图”为题进行了直播分享。本文整理其中的主要观点。

从工具到组织成员：AI正在推动企业重新设计自身

赖帆认为，AI的下一个拐点不在于更强的模型，而在于更智能的企业。过去四年，AI在企业中的应用大致经历了四个阶段：从生成文案、编写代码、撰写摘要等单点任务，到Copilot进入实际业务场景，再到智能体（Agent）调用工具与系统、尝试端到端完成一个流程。进入2026年，问题的焦点已经转变为：当成百上千个智能体同时进入企业，企业应当如何重新设计自身？AI由此从一个技术议题，转变为企业最高管理层需要回答的经营议题与组织议题。

效果真实，价值待显：规模化与价值显性化是当前的主要挑战

行业调研显示，87%的高管在推广代理式AI时遇到较大障碍，74%的组织未能将AI价值扩展至孤立试点之外，60%的企业在AI转型中处于落后位置；与此同时，57%的企业领导者报告了显著的生产力提升。²这组数据反映了当前的普遍处境：AI的效果是真实的，问题出在规模化与价值显性化两个环节。

症结主要有三

应用孤岛化，各业务条线各自部署AI，形成烟囱式格局；

AI叠加在原有流程之上，流程本身并未改变，只是在旁边多了一个智能体；

也是最关键的一点，企业的大量成本消耗在跨部门协同上，而AI大多部署在单个部门内部，解决的只是部门自身的效率问题。

这正是AI投入与价值回报不匹配的根本原因：决定成效的是企业的结构、组织与流程，而非AI工具本身。

两条路径：从Bolt-on AI到Built-in AI

企业应用AI存在两条不同的路径，其效率与价值表现也不同。

Bolt-on AI（外挂式AI）将AI应用于现有流程，由AI代为完成既有任务。这一路径足以提升运营效率，但随着投入持续增加，价值增长会受限于原有流程的边界，逐步趋于停滞。

Built-in AI（内嵌式AI）则以AI重塑业务，关注的不是“如何以不同方式做事”，而是“是否应当做不同的事”，进而重新定义成果，构想新的价值来源、收入流和商业模式。这一路径从搭建可复用能力起步，以跨职能目标为导向，逐个蓝图推进，能力得以持续积累。

赖帆指出，当前企业AI的最大机会已不在于自动化单个任务，而在于对价值本身的编排。

智能体企业：以目标和结果重塑组织运行逻辑

Agentic Enterprise（智能体企业，亦称“未来组织”）是人与智能体协同运作的组织形态，与传统企业的差异体现在几个方面。

在工作分配上，传统企业按组织边界分配工作，从部门到任务再到流程；智能体企业以价值流为驱动，从目标与结果出发，端到端编排资源与能力。

在执行主体上，传统企业由人执行流程、系统执行任务；智能体企业由Agent执行流程，人负责规则判断、审批与决策修订，并监督AI对工具的调用及其结果是否符合预期。

在分析模式上，从事后的周期性分析转向嵌入流程各环节的持续感知。

在流程形态上，从固定流程转向可根据目标、约束与路径变化同步调整的动态流程。

传统企业由部门推导价值结果，智能体企业则由结果反向推导流程与智能应用。关键不在于智能体的数量，而在于重构一套从价值目标出发的完整运营体系。

七层架构：企业级智能转型的整体框架

安永的方法论将企业级智能转型划分为客户、员工、流程、信任、智能、AI原生基础、记录系统七个层次，强调七层协同推进，不可偏废。

客户层明确客户体验目标，驱动商业模式与收入增长；

员工层重新定义岗位、角色、能力与绩效跨度；

流程层设计AI优先的端到端流程；

信任层使职责、风险、合规与审计相互联动；

智能层为AI提供企业级的数据、知识、上下文、规则与记忆；

AI原生基础层承担智能体的开发、注册、编排、监控与运营；

记录系统层则以可信的数据底座支撑以上各层。

基于这一框架，安永已将数十条端到端价值流沉淀为可复制的蓝图，覆盖从商机到回款等核心业务链条。

从单点部署到场景协同：释放Agent的规模价值

围绕关键价值目标，将多个分散的场景活动整合重组，形成一组协同工作的Agent集群；成熟场景相互连接，Agent的价值才能充分释放。Agent的运行方式是一个闭环：感知业务状态的变化，推理原因，规划处理方案，执行动作，再将结果反馈至感知环节。过去，企业将具体任务交给智能体；未来更重要的是设定目标、定义流程与关键举措。企业正从“流程驱动”走向“目标驱动”。

人的角色演进：从执行者到人机协同的编排者

人不会消失，企业也不会走向无人化，但人的角色将发生根本变化：从亲自执行任务，到使用AI工具，再到管理智能体的工作，最终走向人机协同的编排。

未来一位优秀的管理者，既要能管理团队，也要能管理智能体。管理人依靠激励与沟通，管理Agent则依靠目标定义、约束设定与结果验收。同时需要认识到，大模型具备的是通用的世界知识，支撑企业运行的并不只是大模型，而是一整套企业级智能底座。企业必须让AI掌握自身的业务事实、规则、语义与记忆，AI才能产出符合企业语境的价值。

行动路径：从价值目标出发，分四步推进

落实到行动层面，赖帆提出四个步骤。

第一步，从企业级价值目标出发，整合形成企业AI价值目标树和一组核心价值指标。

第二步，围绕目标识别跨部门、跨系统、跨岗位的核心价值流，找出瓶颈与AI机会。

第三步，重新设计人与Agent的分工，明确AI做什么、Agent决定什么、人判断什么、由谁承担责任、何时升级至人工处理。

第四步，建立企业级智能底座，统一Agent平台、模型服务、知识底座、数据能力、安全治理与运营体系，推动企业从数十个概念验证（POC）走向规模化运行。

结语：衡量AI成熟度的标准，是企业因AI而变得有多么不同

回到开篇的问题：“如果一家企业里有上千个智能体在同时工作，这家企业应当是什么样子？”

赖帆给出的回答是三个转变：

从Task到Value，不只问AI能完成什么任务，而要问它能在哪个流程中创造价值；

从Copilot到Orchestration，AI的价值不止于辅助每一个人，更在于连接企业、编排流程、编排价值；

从AI Enabled到AI Native，重新设计明天的组织与企业。

衡量AI成熟度的标准，不是某个量化指标，而是企业因AI而变得有多么不同。

注：

1.安永（中国）企业咨询有限公司

2.Ernst & Young LLP (EY). EY AI Confidence Index 2025. 2025.McKinsey & Company. The State of AI in 2025: Generative AI’s Breakout Year. 2025.Boston Consulting Group (BCG). From Potential to Profit: Closing the AI Impact Gap. 2025.Ernst & Young LLP (EY). Work Reimagined Survey 2025: AI and the Workforce. 2025.

其余内容根据安永本期直播分享整理。