如果在過(guò)去的一年里，你的企業(yè)還在糾結(jié)于如何讓員工更高效地使用聊天機(jī)器人，那么現(xiàn)在是時(shí)候調(diào)整戰(zhàn)略焦點(diǎn)了。我們正在經(jīng)歷一個(gè)從“自動(dòng)化”到“Agentic AI”的根本性跨越。

對(duì)于企業(yè)管理者而言，這是一個(gè)既令人興奮又充滿挑戰(zhàn)的時(shí)刻。作為變革的推動(dòng)者，我們有機(jī)會(huì)帶領(lǐng)企業(yè)超越單純的效率提升，邁向高自主性的新時(shí)代，同時(shí)，這也要求我們徹底重新思考企業(yè)的運(yùn)營(yíng)邏輯。

重新定義“Agent”

在當(dāng)前的市場(chǎng)上，似乎一切都被貼上了“Agent”的標(biāo)簽。但撥開(kāi)表象，從底層邏輯來(lái)看，Agent發(fā)展至今，呈現(xiàn)出清晰的成熟度階梯。

第一層是傳統(tǒng)自動(dòng)化，即通過(guò)腳本和固定的工作流，處理具有重復(fù)性且可預(yù)測(cè)的任務(wù)。雖然高效，但不具備思考能力。

第二層是AI助手，也就是目前普及的聊天機(jī)器人。它們擁有強(qiáng)大的知識(shí)庫(kù)，能回答查詢、總結(jié)文檔，甚至通過(guò)RAG（檢索增強(qiáng)生成）調(diào)用數(shù)據(jù)。其核心在于“響應(yīng)”，能在對(duì)話中提供輔助，但獨(dú)立行動(dòng)能力依然受限。

第三層是基于目標(biāo)和任務(wù)的Agent。它們不再依賴指令，而是依賴“意圖”。你給它一個(gè)特定的業(yè)務(wù)目標(biāo)，它能與人類(lèi)協(xié)作，為完成該任務(wù)自主調(diào)用工具。

最后一層是Agentic系統(tǒng)，也是自主性的最高形態(tài)。多個(gè)Agents像一個(gè)團(tuán)隊(duì)一樣協(xié)作，能處理高度復(fù)雜甚至模糊的任務(wù)。它們能將目標(biāo)拆解為無(wú)數(shù)個(gè)具體步驟，并分工完成。在這里，AI的核心價(jià)值從“響應(yīng)”進(jìn)化為“成就”。

目標(biāo)驅(qū)動(dòng)：它們不等待每一步的指令，而是接收并理解“高階意圖”，再自主規(guī)劃路徑，將意圖轉(zhuǎn)化為行動(dòng)。

資源整合能力：它們不僅能訪問(wèn)數(shù)據(jù)，還能理解上下文、組織層級(jí)和角色。它們知道為完成任務(wù)需要調(diào)用哪些工具、連接哪些API。

記憶能力：真正的Agent擁有記憶，它能記起上次處理類(lèi)似任務(wù)時(shí)遇到的問(wèn)題，從而避免重蹈覆轍。

學(xué)習(xí)與適應(yīng)能力：它們不是靜態(tài)的軟件，而是能從反饋循環(huán)中不斷自我優(yōu)化的系統(tǒng)。

上報(bào)機(jī)制：這一點(diǎn)常被誤解。Agent在遇到無(wú)法處理的問(wèn)題時(shí)尋求人類(lèi)介入，這不僅不是系統(tǒng)的失敗，反而是一種內(nèi)置的信任機(jī)制。這意味著你可以放心地讓它處理業(yè)務(wù)，因?yàn)樗篮螘r(shí)該停下來(lái)請(qǐng)求你的幫助，而不是盲目地制造風(fēng)險(xiǎn)。

當(dāng)然，很多人會(huì)問(wèn)，AI的熱潮已經(jīng)持續(xù)了幾年，為什么現(xiàn)在才強(qiáng)調(diào)“Agent”？答案在于兩條關(guān)鍵曲線的交匯——如今，AI能夠獨(dú)立處理的任務(wù)復(fù)雜度大約每7個(gè)月就會(huì)翻一番，這意味著AI可以承接越來(lái)越復(fù)雜的任務(wù)；同時(shí)，智能成本正在斷崖式下跌。以MMLU（大規(guī)模多任務(wù)語(yǔ)言理解）基準(zhǔn)測(cè)試為例，得分為 83 分就相當(dāng)于博士級(jí)專(zhuān)家，能夠處理細(xì)微差別和歧義。幾年前，獲取這種“博士級(jí)”智能的成本極其昂貴，而如今，處理百萬(wàn)Token的成本已從 2022 年的 98 美元降至 0.48 美元左右。

當(dāng)能力飆升遇上成本驟降，我們便進(jìn)入了大規(guī)模應(yīng)用Agent的“甜蜜點(diǎn)”。

擁抱“非確定性”

新的Agentic AI時(shí)代，與過(guò)往的一大不同在于，非確定性（Non-determinism）不再是系統(tǒng)的缺陷，而是其固有特性。因而，和傳統(tǒng)管理學(xué)僅聚焦于獎(jiǎng)勵(lì)“確定性”不同，在Agentic AI時(shí)代，價(jià)值恰來(lái)自非確定性，即根據(jù)上下文變化、模糊信息進(jìn)行即時(shí)調(diào)整和優(yōu)化的能力。

要駕馭這種力量，領(lǐng)導(dǎo)者需要在四個(gè)維度上進(jìn)行心智模式的轉(zhuǎn)變。

1、治理模式：從“過(guò)閘機(jī)”到“董事會(huì)”

傳統(tǒng)的治理如同收費(fèi)站（Toll Gates），通過(guò)定義流程、控制每一步、清單驗(yàn)證實(shí)現(xiàn)合規(guī)。但當(dāng)面對(duì)數(shù)千個(gè)高頻互動(dòng)的 Agent時(shí)，這種模式會(huì)徹底崩塌。取代它的，是像董事會(huì)管理 CEO 一樣管理Agent。

正如董事會(huì)不會(huì)告訴CEO每天具體該做什么，而是設(shè)定戰(zhàn)略意圖和邊界，你也需要構(gòu)建一個(gè)“策略引擎”，明確告知Agent“這是你的目標(biāo)，這是絕對(duì)不能觸碰的紅線”，隨后通過(guò)持續(xù)的校準(zhǔn)和觀測(cè)來(lái)進(jìn)行管理，而非在每筆交易前進(jìn)行人工審批。

2、風(fēng)險(xiǎn)控制：從“工廠流水線”到“交易大廳”

傳統(tǒng)的風(fēng)險(xiǎn)管控模式類(lèi)似于工廠，常用方式是設(shè)定固定閾值，例如規(guī)定采購(gòu)訂單超過(guò)200萬(wàn)美元需副總裁批準(zhǔn)，超過(guò)1 000萬(wàn)美元必須提交給CFO。這種僵化的風(fēng)控會(huì)扼殺Agent的核心優(yōu)勢(shì)。

新時(shí)代下，企業(yè)應(yīng)像管理交易大廳一樣管理風(fēng)險(xiǎn)。

金融交易大廳充滿了高風(fēng)險(xiǎn)和不確定性，但通過(guò)實(shí)時(shí)可見(jiàn)性和“熔斷機(jī)制”（Circuit Breakers）實(shí)現(xiàn)有效管理。交易員的每一個(gè)動(dòng)作并不會(huì)被干預(yù)，但如果其交易組合或某一特定交易違反了政策，熔斷機(jī)制會(huì)自動(dòng)觸發(fā)停止交易。管理AI Agent也應(yīng)遵循這一邏輯。AI Agent 必須通過(guò)在企業(yè)設(shè)計(jì)的風(fēng)險(xiǎn)控制范圍內(nèi)運(yùn)行，以此贏得其“流動(dòng)性”（即操作權(quán)限）。這不僅包括監(jiān)控具體Agent的行為，還包括監(jiān)控Multi-Agent 系統(tǒng)中的系統(tǒng)性偏差——一旦發(fā)生偏差，需立即觸發(fā)熔斷機(jī)制。

3、組織結(jié)構(gòu)：從“職能筒倉(cāng)”到“免疫系統(tǒng)”

組織結(jié)構(gòu)總是隨著重大技術(shù)變革而調(diào)整。傳統(tǒng)的組織結(jié)構(gòu)往往是垂直化的，雖然穩(wěn)固，但處理問(wèn)題時(shí)速度遲緩。

在為AI Agent構(gòu)建組織架構(gòu)時(shí)，應(yīng)采用的思維模型是“免疫系統(tǒng)”。白細(xì)胞發(fā)現(xiàn)病毒時(shí)，它們不需要等待大腦的指令，也不會(huì)召集肺部協(xié)同商議，而是迅速集結(jié)，通過(guò)目標(biāo)導(dǎo)向的協(xié)同編排解決問(wèn)題。因此，圍繞業(yè)務(wù)工作流組織跨職能團(tuán)隊(duì)，才是真正能從AI Agent獲取價(jià)值成果的方式。

4、文化基因：從“運(yùn)營(yíng)執(zhí)行”到“持續(xù)學(xué)習(xí)”

大多數(shù)企業(yè)文化都在獎(jiǎng)勵(lì)“精準(zhǔn)執(zhí)行”，懲罰“偏差”。但實(shí)驗(yàn)室文化對(duì)新發(fā)現(xiàn)持開(kāi)放態(tài)度，哪怕結(jié)果不盡如人意。在實(shí)驗(yàn)室中，若出現(xiàn)失誤，會(huì)將其作為一種學(xué)習(xí)機(jī)制，記錄下來(lái)并廣泛分享。在這樣的文化中，新的發(fā)現(xiàn)和調(diào)整本身成為一種特性，而非缺陷。

構(gòu)建Agent的“大腦”與“工牌”

那么，是哪些技術(shù)能力讓AI Agent成為了現(xiàn)實(shí)？答案是三大核心因素：智能、上下文理解和信任。

如果我們把 AI Agent 比作人類(lèi)，智能就是它的“大腦”，技術(shù)模型——包括用于思維鏈（Chain-of-Thought）推理和反思的思考模型——賦予了“大腦”將意圖轉(zhuǎn)化為任務(wù)的能力。理想狀態(tài)下，我們希望AI Agent擁有最高智能、最低價(jià)格和最快響應(yīng)速度，但在現(xiàn)實(shí)中，三個(gè)維度之間必然存在權(quán)衡。每種模型都有其獨(dú)特的優(yōu)勢(shì)：有些擅長(zhǎng)推理，有些擅長(zhǎng)快速響應(yīng)，有些擅長(zhǎng)處理文本任務(wù)，還有些在圖像和數(shù)學(xué)任務(wù)上表現(xiàn)出色。

但僅有大腦并不代表具備行動(dòng)能力。訪問(wèn)權(quán)限和上下文理解才是AI Agent的“雙手”。它們賦予了AI Agent訪問(wèn)正確數(shù)據(jù)、采取行動(dòng)以及調(diào)用各類(lèi)工具實(shí)現(xiàn)目標(biāo)的能力。在組織中運(yùn)用上下文理解時(shí)，尤其是針對(duì)復(fù)雜工作流，需要AI Agent理解角色、層級(jí)、數(shù)據(jù)、系統(tǒng)和工具。這包括通過(guò)知識(shí)圖譜讓AI Agent理解數(shù)據(jù)中不同對(duì)象和領(lǐng)域之間的關(guān)系，以及利用向量數(shù)據(jù)庫(kù)讓AI Agent理解語(yǔ)義（即事物之間的相近性，例如“貓”和“狗”是近義詞，而與“云計(jì)算”相去甚遠(yuǎn)）；讓AI Agent擁有記憶能力同樣關(guān)鍵，它需要記住角色設(shè)定（你是誰(shuí)）、程序記憶（怎么做）、語(yǔ)義記憶（各類(lèi)知識(shí)），以及情景記憶（上次發(fā)生了什么）。

最后一層是信任。沒(méi)有信任，AI Agent就無(wú)法實(shí)現(xiàn)規(guī)?；瘧?yīng)用。

確保信任的一種方式是設(shè)置安全防護(hù)機(jī)制。比如敏感信息過(guò)濾器（即PII，個(gè)人身份信息）。企業(yè)不希望這類(lèi)信息泄露，可在安全防護(hù)機(jī)制中定義相關(guān)規(guī)則。上下文一致性檢查能為所有AI Agent提供政策層面的信息指引，例如明確告知：“我們的退貨政策是90天?！边@些規(guī)則必須獨(dú)立于模型存在，無(wú)論調(diào)用哪個(gè)大模型，安全防護(hù)機(jī)制始終生效。

“自動(dòng)化推理檢查”也是讓企業(yè)能夠信任 AI Agent并確保其在公司中有效擴(kuò)展應(yīng)用的核心工具之一。這是一種數(shù)學(xué)驗(yàn)證方法：與其像測(cè)試員一樣繪制無(wú)數(shù)個(gè)三角形來(lái)驗(yàn)證勾股定理，不如用數(shù)學(xué)定理證明其必然正確。亞馬遜云科技就利用自動(dòng)推理將幻覺(jué)發(fā)生率降低了99%。

必須強(qiáng)調(diào)的是，AI Agent目前仍處于早期發(fā)展階段，不能將其視為“萬(wàn)能魔法棒”。事實(shí)上，若企業(yè)擁有步驟固定、工具使用高度有限的可預(yù)測(cè)工作流，基礎(chǔ)自動(dòng)化或簡(jiǎn)單生成式AI助手便已足夠。當(dāng)企業(yè)需要?jiǎng)討B(tài)選擇工具，或希望利用Agent的適應(yīng)性和學(xué)習(xí)能力時(shí)，Agent才會(huì)展現(xiàn)真正的強(qiáng)項(xiàng)。此時(shí)，企業(yè)可從價(jià)值最大的三個(gè)特定領(lǐng)域入手：軟件開(kāi)發(fā)、客戶支持，以及知識(shí)型工作。

例如：湯森路透（Thomson Reuters）利用Agentic AI進(jìn)行代碼現(xiàn)代化改造，將遺留的 .NET 代碼遷移速度提升了4倍。這不僅是效率的提升，更讓工程師從技術(shù)債中解脫出來(lái)，專(zhuān)注于創(chuàng)造新價(jià)值。亞馬遜的購(gòu)物助手Rufus能夠回答諸如“這個(gè)玩具需要幾號(hào)電池”或“這跟我以前買(mǎi)的配件兼容嗎”這類(lèi)高度情境化的問(wèn)題，數(shù)據(jù)顯示，使用Rufus的用戶購(gòu)買(mǎi)轉(zhuǎn)化率提升了60%。應(yīng)付賬款的案例則是知識(shí)型工作與異常處理的典型場(chǎng)景：傳統(tǒng)的應(yīng)付賬款（AP）處理目標(biāo)是“準(zhǔn)時(shí)付款”，而Agent AP的目標(biāo)可以是“優(yōu)化現(xiàn)金流”。它可以根據(jù)匯率波動(dòng)、廠商歷史信用、合同條款，自主選擇是根據(jù)匯率波動(dòng)提前付款，還是利用外匯對(duì)沖策略延遲付款。這正是從“按部就班”到“高能動(dòng)性”的價(jià)值躍遷。

伊希特·瓦赫拉賈尼（Ishit Vachhrajani）| 文

伊希特·瓦赫拉賈尼是亞馬遜云科技全球技術(shù)、AI分析與企業(yè)戰(zhàn)略負(fù)責(zé)人。

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org