夜雨聆风在企业级AI代理采用快速增长的背景下，雄心与执行之间出现了脱节。尽管85%的组织表示希望在三年内实现代理化，但76%认为其当前运营和基础设施无法支持这一变革。
引言：AI代理的采用困境
企业级AI代理的采用正在快速增长，但雄心与执行之间出现了脱节。尽管85%的组织表示希望在三年内实现代理化，但76%认为其当前运营和基础设施无法支持这一变革。他们列举了人员、流程和工作流程方面的准备不足。
"胶带问题"：当前实施的挑战
英国普华永道咨询公司全球劳动力咨询首席技术官兼首席AI官Prasun Shah解释说，许多组织往往将AI代理叠加到现有运营中，而不是重新构想运营模式和工作需要重新设计的方式。"他们将AI员工嵌入到人类运营模式中"，将AI代理叠加到现有的工作场所结构上，"这就像给正在破裂的运营模式贴上胶带"。
这样做可能会阻碍组织释放代理AI提供的全部价值，创造失望情绪迅速蔓延的环境。这种全部价值在于代理执行整个工作流程的能力，只需要有限的人工输入。它们可以协调复杂的任务，做出独立的决策，适应变化的条件，并迭代性能。
在客户服务、人力资源和销售等早期试验场中，据估计，当大规模部署时，AI代理可以将业务流程加速30%到50%，将低价值工作时间减少25%到40%。但随着这种能力而来的是更大的复杂性和企业范围变革的需求。
"代理业务转型"：新的概念框架
企业级代理AI平台Ema将这种变化描述为代理业务转型（ABT），这是它去年与HFS Research合作创造的一个术语，试图填补现有AI代理词汇中的空白，并为企业提供一个新的框架来思考他们对这项技术的采用。
"现有词汇都没有涵盖变革的全部范围，"Ema首席执行官兼创始人Surojit Chatterjee解释道。"数字化转型是关于从纸张到软件的转变。AI transformation是关于在现有流程中添加人工智能。副手是关于AI协助各种人类任务。但ABT在本质上是不同的：它是AI代理整合到组织结构中。"
对于Shah来说，专门的术语（ABT）"有助于推动重新设计整个组织的需求：其运营模式、工作流程、决策权和绩效管理体系。"他强调，"所有需要确保这些代理实际上是价值创造的积极参与者，而不仅仅是点工具或生产力辅助工具。"
根据Ema的说法，ABT包含三个核心支柱：组织的技术栈、其劳动力以及用于成功的指标。
AI代理作为连接组织：技术栈的重塑
ABT的第一个支柱是技术栈。"你现有的技术栈是为人类操作、以应用为中心的工作流程设计的，"Chatterjee说。"当行动者是一个以机器速度跨多个系统同时运行的AI代理时，它需要重新考虑。"
随着AI代理被整合到组织中，企业将需要从一套线性流程和步骤转向，以非常不同的方式重新设计工作，Shah解释道。这是因为AI代理的价值不是作为现有技术栈中的另一层，而是作为连接组织，他解释说，跨层移动以协调高级任务或从多个离散应用程序中检索和解释数据。AI代理可以通过基于这种情境化能力做出决策来为组织创造"真正的竞争优势"，他说。"这就是下一个战场所在。"
为了建立这种连接组织，领导者需要调整他们的技术栈，以从AI代理中浮现更高质量的决策，优先考虑同时访问多个数据集和应用程序以开发隐性知识。"实现这种架构转变的组织变得真正更具适应性，"Chatterjee说。"当新的业务需求出现时，你不需要等待六个月让软件供应商构建功能。你使用自然语言配置一个AI员工，并将其连接到所需的系统。从业务到生产工作流程的时间从几个月减少到几天。"
劳动力重新设计：混合团队的新挑战
随着AI代理被部署用于更多用例，企业领导者必须考虑这对劳动力动态意味着什么，这是ABT的第二个支柱。
今天的劳动力结构与工业化早期的等级模型几乎没有偏差。为了最大化效率和规模，流程标准化，任务在战略业务单元（SBU）之间明确划分，员工根据他们优化下属团队产出的能力在组织中晋升。但随着AI代理可以执行、协调和优化任务——通常不需要管理协调——这种既定等级制度的界限变得模糊。
在混合AI代理和人类员工的劳动力中，管理者将从许多基于执行的任务中解放出来，但承担管理混合团队相关的新责任。管理者"将需要能够管理信任、可解释性、心理安全甚至地位动态等问题"，以应对混合劳动力中可能出现的新紧张关系，Shah说。
代理AI对现有劳动力结构的影响远不止管理层。麦肯锡预测，到2030年，四分之三的现有工作将需要重新设计、技能提升或重新部署，组织将需要迅速行动以修改招聘、留任和薪酬。
从输出到结果：指标体系的重构
当AI代理承担更多核心企业流程的所有权，与人类员工一起承担协作角色时，关注活动或输出的传统劳动力指标——如处理的电话或提交的报告——不再有意义。
"当你将AI员工添加到劳动力中时，活动指标变得毫无意义或具有误导性，"Chatterjee说。"一个AI员工可以在人类处理十个交互的时间内处理一千个客户交互。如果你以处理的交互来衡量成功，你会得出AI工作出色的结论，而忽略了这些交互是否真正推动了客户满意度、保留率或收入。"为了纠正这一点，企业必须开发一套新的指标，关注结果而非输出。也就是说，关于实现的更广泛利益或变化的指标，而不是单个可交付成果。
例如，当Ema的一个大型企业客户彻底改革其指标时，从工具指标（如每次查询成本和AI准确性）切换到结果指标（如未经人工升级审查的合同百分比），代理AI的衡量ROI在两个季度内翻了三倍。这些变化意味着"这个客户停止在大量、低复杂性的工作流程中构建点解决方案，开始在结果价值最高的地方部署AI员工，"Chatterjee说。
整合新指标可能还需要完全重新配置奖励和人才管理流程，以及组织内的问责制和所有权，Shah指出。在人类-AI团队中，例如，尽管道德和受托责任可能仍由人类员工承担，但运营问责将显著分散，以反映AI代理的系统作用。
这一变化将引发高级领导团队需要应对的新问题，Shah补充道。他们需要考虑：当AI员工犯错时谁负责？当AI和人类意见不一致时会发生什么？应该建立什么护栏来保护客户？
为系统级变革奠定基础
系统级变革是渐进的。这些都是专家们仍在努力解决的复杂问题。但通过启动关于ABT核心支柱——劳动力、技术栈和衡量成功的指标——的内部对话，领导者可以为更好地准备在系统层面拥抱AI代理的企业奠定基础，并开始缩小雄心与执行之间的差距。
求点赞 👍 求关注 ❤️ 求收藏 ⭐️你的支持是我更新的最大动力！
