為了讓具自主性的人工智能（agentic AI）為企業帶來實質利益，企業領導者必須將其視為系統層面的變革，而非僅僅在現有運作上進行層疊。儘管 85% 的企業表示希望在未來三年內實現自主運作，但 76% 的企業認為現有的運作和基礎設施無法支持這一變革。他們指出，缺乏人員、流程及工作流的準備是主要障礙。普華永道（PwC UK Consulting）全球技術總監 Prasun Shah 解釋，許多企業往往只是將人工智能代理層疊於現有操作，而非重新構思運作模式及工作流程。
“他們將人工智能員工嵌入人類操作模型中，在現有的工作結構上增加人工智能代理，這就像是在一個正在崩潰的操作模型上貼上膠帶。”這樣的做法或許會阻礙企業釋放具自主性人工智能所提供的全部價值，並導致企業的失望感迅速加劇。
企業必須重新思考人工智能的整合方式
具自主性人工智能的全部價值在於其能夠以有限的人類參與執行整個工作流程。這些智能代理可以協調複雜任務、獨立做出決策、適應變化的環境並不斷提升表現。在早期的應用場景中，包括客户服務、人力資源和銷售，估計當大規模部署時，人工智能代理能加快業務流程達 30%至 50%，並將低價值工作時間減少 25%至 40%。但是，隨著這些能力的提升，企業也面臨更大的複雜性以及需要進行全企業層面的變革。
企業具自主性人工智能平台 Ema 將這一變革稱為自主業務轉型（agentic business transformation, ABT），這一術語是其去年與 HFS Research 合作創造的，旨在填補現有關於人工智能代理的詞彙空白，並為企業提供一個新的框架來思考其技術的採用。
Ema 的首席執行官 Surojit Chatterjee 解釋道：“現有的詞彙無法完整捕捉變革的全貌。數碼轉型關注的是從紙質文件轉向軟件，人工智能轉型則是將人工智能添加到現有流程中，而共同助理則是在各種人類任務中提供協助。但 ABT 是一個完全不同的概念：它是將人工智能代理整合到組織的運作中。”對於 Shah 而言，這一專用術語（ABT）“有助於推動整體設計組織的必要性：其運作模式、工作流程、決策權限及績效管理系統。
”他強調，“所有必要的條件都是為了確保這些代理能夠真正參與價值創造，而不僅僅是作為工具或生產力輔助。”根據 Ema 的説法，ABT 包括三個核心支柱：組織的技術堆疊、其勞動力及成功的度量標準。
ABT 的第一個支柱是技術堆疊。Chatterjee 説：“您現有的技術堆疊是為人類操作、應用中心的工作流程設計的。當行為者是以機器速度在多個系統中同時運作的人工智能代理時，這需要重新考慮。”隨著人工智能代理的整合，企業需要從一套線性流程轉變為以全新的方式重新設計工作。這是因為人工智能代理的價值不在於作為現有技術堆疊的另一層，而在於作為連接組織各部分的“連接組織”，他解釋道，在不同層之間進行協調高階任務或從多個獨立應用中檢索和解釋數據。
人工智能代理可以通過根據其上下文做出決策，為企業創造“真正的競爭差異”。“這將是下一場戰場。”為了建立這種連接組織，領導者需要調整其技術堆疊，以便從人工智能代理中獲取更高質量的決策，優先考慮同時訪問多個數據集和應用以發展隱性知識。
Chatterjee 説：“進行這一架構轉變的組織將變得更加適應。”當新業務需求出現時，您不需要等待六個月的時間讓軟件供應商建立新功能。您可以使用自然語言配置一名人工智能員工，並將其連接到所需的系統中。從商業到生產工作流程的時間將從數月縮短至數天。”隨著人工智能代理被部署於更多的使用案例中，企業領導者必須考慮這對其勞動力動態的影響，即 ABT 的第二個支柱。
當前的勞動力結構與工業化早期的階層模式相比，變化不大。為了最大化效率和規模，流程被標準化，任務在戰略業務單位（SBU）之間明確劃分，員工則根據他們優化下屬團隊產出能力的能力在組織中晉升。但隨著人工智能代理能夠執行、協調和優化任務——往往無需管理層的協調——這種既定階層的界線開始變得模糊。在結合人工智能代理和人類員工的勞動力中，管理者將從許多執行性任務中解放出來，但需要承擔與管理混合團隊相關的新責任。
Shah 表示，管理者“將需要能夠管理與信任、可解釋性、心理安全性，甚至狀態動態有關的問題”，以應對混合勞動力中可能出現的新緊張局勢。
具自主性人工智能對現有勞動力結構的影響遠不止管理層。麥肯錫預測，到 2030 年，三分之二的當前工作將需要重新設計、提升技能或重新部署，組織需要迅速行動以修訂招聘、留任和薪酬策略。成功度量標準是 ABT 的第三個也是最後一個支柱。隨著人工智能代理在核心企業流程中承擔更多職責，與人類員工協作，傳統專注於活動或產出的勞動力度量標準——如處理的來電數或提交的報告數——將不再合適。
Chatterjee 表示：“當您將人工智能員工納入勞動力時，活動指標變得毫無意義，甚至可能誤導。”一名人工智能員工可以在一名人類處理十個客户互動的時間內處理一千個。如果您以處理的互動數量來衡量成功，您將得出人工智能表現優異的結論，而忽略了這些互動是否實際上推動了客户滿意度、留存率或收入。
為了改正這一點，企業必須開發一套新的度量標準，專注於結果而非產出。也就是説，應該關注更廣泛的利益或變化，而非單個交付成果。例如，當 Ema 的一位大型企業客户對其度量標準進行了徹底改革，從以工具為基礎的度量標準——如每次查詢的成本和人工智能的準確性——轉變為成果，如未經人類升級的合同審查百分比時，該企業從具自主性人工智能中獲得的回報在兩個季度內增長了三倍。這一變化意味著“這位客户停止在高量、低複雜性的工作流程中建構點解決方案，開始在成果價值最高的地方部署人工智能員工，”Chatterjee 説明道。
整合新的度量標準還可能需要徹底重新配置獎勵和人才管理流程，以及組織內的問責和所有權。Shah 指出，在人類與人工智能團隊中，儘管道德和信託責任可能仍然落在人工員工身上，但操作上的問責將變得更加分散，以反映人工智能代理的系統角色。這一變化將引發新的問題，需高層領導團隊進行深入思考。需要考慮的問題包括：當一名人工智能員工犯錯時，誰負責？當人工智能和人類意見不合時，該如何處理？
應該設置哪些保障措施來保護客户？系統層面的變革是漸進的，這些問題的探討相當複雜，專家們仍在努力尋找解決方案。但在啟動內部對話，討論 ABT 的核心支柱——勞動力、技術堆疊及成功的度量標準時，領導者可以為企業打下基礎，更好地擁抱人工智能代理，並開始縮小其雄心與實際執行之間的差距。
項目 規格 技術堆疊 需重新考慮，以適應人工智能代理的運作方式 勞動力結構 需調整以應對人工智能的執行能力 成功度量標準 需專注於結果而非單一產出
📬 免費訂閱 TechRitual 科技精選
按「免費訂閱」即同意收到 TechRitual 嘅科技資訊及優惠。可隨時取消訂閱。
