变革推动者：智能体时代CEO的目标、决策和影响

文章作者丨麦肯锡：Alex Singla, Alexander Sukharevsky, Lari Hämäläinen, Oana Cheta, Olli Salo, Pallav Jain, Raghav Raghunathan, Sandra Durth, Stéphane Bout, and Vito Di Leo，慎思行采编翻译

个人微信丨hello_SSX

前言

高管们都喜欢引用冰球大师韦恩·格雷茨基的名言：他曾说过：“我滑行的方向是冰球将要到达的地方，而不是它曾经所在的地方。”从某种程度上来说，这是一个合理的商业建议。但是，随着人工智能的快速发展，冰球的移动速度已远超以往。

尽管首席执行官及其高级团队努力从早期的生成式人工智能投资中看到实际收益，这种“加快发展”的号召可能会显得苍白无力。事实证明，开发和扩展新一代人工智能应用案例已被证明令人沮丧的困难。一些高管仍然不相信人工智能智能体将会在短期内产生重大影响，并已缩减相关投资。

当首席执行官们在不确定性中前行时，值得承认的是，当前正在发生的变化既迅速又可能波及广泛。人工智能智能体——基于生成式人工智能构建、能够自主规划、行动、记忆并学习以实现预设目标的软件系统——正在快速演进，并且随着其成熟，可能彻底改变企业的运营方式和价值创造方式。事实上，正如Gartner的约翰·洛夫洛克最近所言，这段“幻灭低谷”期，正是高管们抢先于竞争对手的契机。

首席执行官如何应对这一变革，将决定他们能否有效抓住机遇。虽然人工智能智能体还处于起步阶段，但早期的教训和经验凸显了四种心态和行动，它们可以帮助首席执行官为未来的成功奠定基础：

• 重新想象可能性。如今，围绕人工智能智能体的许多想法仍集中在自动化基本任务或增强知识工作上。然而，真正的突破将来自于更大胆的愿景，即围绕“智能体优先”的系统，重新设计工作流程与组织架构。

• 以紧迫感行动，立即开始学习。生成式AI智能体的进化速度极快，“观望等待”反而可能成为高风险策略。在技术成熟过程中，早期的实践经验将迅速转化为竞争优势。

• 现在就着手解决规模化与长期竞争力问题。围绕技术、信任、治理、自建与外购、能力构建与人才储备等关键决策，将决定企业能否实现更广泛的转型。边试验、边制定战略、边建设规模化能力——因为人才稀缺与组织复杂性，落地永远比预期更慢。

• 让每个人都成为“智能体领导者”。随着智能体逐步接管执行层工作，组织全员都必须掌握领导与监督智能体的新技能。高管团队尤其要以身作则，带头更新工作方式，并把持续学习纳入日常习惯。尽管仍有许多未知数，但要在智能体时代建立企业，就必须对运营模式、创新机制以及价值创造源泉进行根本性“重新接线”。不过，本文将聚焦企业首席执行官在价值、规模与人才三方面最应优先处理的关键议题，勾勒一条假想的两年智能体转型路径，阐明首席执行官需做出的核心决策，并探讨其对公司运营方式的深远影响。

智能体值得吗？

关于人工智能智能体价值的说法铺天盖地。但由于这项技术尚处早期，这些说法大多难以验证。然而，首批落地案例已表明其潜在价值巨大。我们在技术栈现代化项目中的经验显示，引入AI智能体可把交付周期缩短40–50%，成本降低逾40%，同时输出质量反而更高。

在另一个案例中，一家领先的综合银行面临大量IT项目积压，既要推动业务成果，又要解决沉重的技术债和开发人员短缺。起初只有3名工程师的小团队，最终搭建了一个“技术现代化智能体工厂”：100个智能体仅由5名人类监督。这些受控智能体包揽了从逆向工程、设计到构建新应用的完整现代化生命周期，把时间和人力成本均削减了50%以上。

我们的经验表明，第一阶段——用AI智能体辅助员工、自动化单点任务——可在公司层面带来3–5%的年生产率提升；第二阶段——多智能体协同完成复杂工作流——有望把增幅推高到10%甚至更高。

了解你的智能体：从“智能体劳动力”到 “智能体引擎”

高管们对“智能体”是什么、能干什么，往往仍抱着固定且狭隘的想象，这种模糊认知直接拖慢了他们在风险、投资、资源投放与变革节奏上的决策。不妨摒弃“类人”直觉，把智能体视为视为能够完成“一系列复杂度递增的任务”的软件系统（见图示）。根据我们的经验，这种视角能更清晰地思考组织需要做出哪些变革。

智能体劳动力：作为工具的代理帮助现有工作

智能体工具可以通过协助个人完成基本任务和自动化工作流程，为现有工作提供支持。

增强个人能力。这些工具有助于自动完成、加快或改进通常由个人完成的任务。其中许多任务都是大家熟悉的—撰写会议纪要、总结会议、生成代码、开展研究或提出合同条款。

在编程等领域，这些工具已经成为“做生意的成本”，就像员工使用电子邮件和电子表格一样。研究表明，在个人层面使用智能体工具可将产出提升20%至30%，在某些单一任务领域甚至更高。然而，若将这类工具横向推广至整个企业，却很少能带来显著的宏观业务影响。此外，一旦越过早期核心用户，使用频率会迅速下降，留存率亦随之滑落。

要让“个人智能体助手”真正普及，仍需投入常规变革管理手段：把工具嵌入标准作业流程、把其输出与使用数据纳入绩效体系、向员工提供充分培训、持续沟通并由管理层示范价值。

同时，由于增益分散在众多微小任务中，领导层还须通过预算控制或大规模效率项目，把“看不见”的个人提速转化为“看得见”的企业效益。

任务与工作流程自动化

第二类应用聚焦于把组织内既有的流程、工作流和任务自动化。智能体执行层以“外挂”形式部署在现有流程和系统之上，仅须对后者做最小改动展示。

大型科技公司正在推出第一代智能体产品，同时一大批初创企业也携解决方案涌入各个职能领域——客户关怀、财务报告与监控、编程、产品开发、采购等。

我们的研究显示，早期部署在重复性、交易类工作中已实现周期时间缩短20–40%，或处理成本降低。在联络中心，某些通话类型（如余额查询、地址变更等交易性操作）已接近完全自动化。

把智能体工具嵌入工作流并建立持续改进机制，是兑现价值的核心；仅仅把工具交给用户并不能奏效。然而，阻碍价值放大的关键在于：这些更具领域针对性的用例往往孤立运行，依赖其他系统与大量人工干预才能完成。此外，尽管模型能力持续提升，企业仍缺乏以高质量、大规模自动化现有任务的执行能力。

智能体引擎：原生智能体工作流程和运营模式

新兴智能体系统最新的突破在于“多智能体协同作战”，这也被证明是获取巨量价值的最具前景的路径。然而，要把潜力变为真金白银，就必须把现有流程“推倒重想”，按“智能体优先”的原则重新设计——无论局限在单一职能（如客户关怀），还是横跨多个职能（如“线索到订单”全流程）。职能级智能体工作流。

在此模式下，面向特定职能（如财务规划与报告）的流程被彻底重设计，以充分发挥“多智能体团队”与智能体流程的优势。

其核心在于：重新排布任务顺序、合并可一次性完成的步骤、引入以往未接入的数据源，并建立“事前感知-事前解决”等新机制。由于多智能体可被统一编排、无缝衔接，传统流程中频繁的手工交接与碎片化作业得以消除。

无论横向还是垂直软件领域，专业厂商正在打造面向客户关怀、财务、供应链规划、软件现代化等场景的“全栈、原生智能体”应用。若部署得当，这些系统可压缩端到端周期、缩短问题解决时间，并提升客户满意度。以呼叫中心为例，预计60%–80%的进线请求可由智能体自动处理，且客户满意度不低于现有“IVR+一线人工”模式。

构建此类系统既需工程技术（如将概率模型与经典确定性软件集成），也需深厚的领域知识，用以搭建多智能体平台并重新设计配套的组织与运营模式，同时保留充分的人工监督。关键在于为特定流程（如采购到付款、供应商签约、供应商沟通、政策管理）设定清晰的“代理治理规则”——访问权限、决策权限、质量门控——否则负责监督的人员将迅速被海量决策淹没。

跨职能智能体系统。这类“智能体优先”系统横跨多个职能部门，负责端到端复杂工作流（如完整客户旅程），并具备高层级决策能力。例如：

• 7×24 现场服务智能体：自主派工、改约、订件

• 保险理赔智能体：独立完成查勘、定损、赔付

• 按揭智能体：秒级审批与授信

• 财务周期智能体：从年度预算到月度报表全程处理

它们可在上市速度、单笔交易成本、问题解决时长及精准营销收入等多维度同时创造价值。用现有技术开展的早期试点，已在某些劳动密集型流程里把单笔成本削减 70–80%。

走到这一阶段，最大障碍不再是技术，而是组织与运营模式。首席执行官及董事会必须亲自下场，重新设计运营模型，包括打破传统部门墙后的领导分工与团队职责。零敲碎打的改良已无济于事，必须与过往做法做出彻底切割。

智能体转型沿途的决策与重大考量

在这篇文章中，我们分享了与先锋企业合作中铺捉到的早期信号、来自科技领袖与投资者的洞见，以及高管们最常向我们提出的问题。智能体组织范式无疑会不断演变。

为帮助首席执行官直观把握全程并及时做出关键抉择，我们勾勒了一张为期两到三年的高阶路线图。图中标出阶段性里程碑与必须由首席执行官亲自拍板的关键决策。

路线图中的目标与时间表颇具挑战性，我们也深知两年间变数极多。然而根据经验，只有设定雄心勃勃的目标并明确要求全速推进，才能有效激励组织、抢抓窗口。

第一年和第二年：设定方向、积蓄动能

第一年的核心目标应聚焦于“建立共识、形成动能、打下可规模化运用 AI 智能体的基础”。具体而言，要在一组精选的职能与运营环节中切实降低现有活动的运营成本（可设定实现约 10% 的效率提升作为参考目标）。然而，这一阶段的首要使命并非单纯追求数字，而是打破惯性、以明确意图快速行动，并在此过程中完成关键学习与能力积累。以人工智能代理为核心的初创企业如何重塑商业模式化，但当今的领导者不能坐等其完美明晰。我们将指出当下即可行动的切入点——精炼运营模式、创造更多价值、并以AI为先重新布线——而非被动等待被新范式重塑。

第一年和第二年应达到的“智能体业务”标志点便是:

1.全员“智能体流利度”迅速提升

• 能够高效使用AI智能体成为所有员工的必备技能；商业价值尚低，但属于"做生意的成本"

• 目标：25-50%以上员工定期使用企业级智能体和AI工具；所有人通过“与智能体对话” 质疑数据，而非只读静态报告

2.第一代工具已自动化大量现有流程

• 覆盖财务申报、文档撰写、审批流等关键流程；交货期明显缩短，交易成本显著下降

• 示例：修正结构清晰的简单数据质量缺陷时，智能体可自动解决90-95%的问题

3.首批智能体软件系统与核心系统融合

• 关键系统界面正从“静态命令”转向“提示驱动查询”；内置智能体自动生成洞察、执行任务并协调活动

• 规划、信息收集等自动化能力成为常态；配套报告系统快速演变

4.先锋团队打造端到端灯塔项目

• 选定完整流程(如订单到回款、记录到报告、贷款自动审批与拨备)制定24个月目标愿景

• 通过一系列最小可行产品(MVP)验证并扩展能力；目标需激进——例如订单到回款流程70%以上交易实现全渠道自动化

5.部分岗位需求因生产力提升而减少

简单编码任务已被AI智能体可靠接管；最新编码智能体(尤其前端代码执行)可把个人产出提升50-100%，相应减轻原有人力负荷

要让业务达到上述标志点，首席执行官必须在以下核心领域出手：

1.以价值为导向设计转型

当前过多关注个人生产力；虽有益，却非最大价值所在。首席执行官应追求变革性价值，这来自用智能体重新架构和设计完整工作流。首席执行官需确保团队从孤立用例转向跨职能优先工作流，这要求组织从分散的 AI 小组转向包含 AI、数据、IT 及相关业务专家的跨职能智能体团队。

2.高度重视学习沉淀

必须将企业级学习集中捕获并复用，同时形成“智能体优先”流程重设手册，包括 ROI 标准、多智能体编排模式、技术与数据集成最佳实践、控制与评估方法，以及适用场景。

为此，组织需设立中央团队（“智能体工厂”），负责识别工作流、管理重设并推动规模化。

2022年，亚马逊创始人杰夫·贝索斯发布内部指令：所有开发者编写的代码必须包含可向第三方开放的 API。此举正是亚马逊实现规模化的关键手段。面对 AI 智能体，首席执行官们同样需要建立并强制执行类似的设计原则——通过构建“可组合”的智能体，而非单体、线性的流程，使各功能模块能够被重复调用、灵活重组，从而支撑不同任务需求。这一要求应上升为组织层面的强制令，而非仅限于技术团队的偏好。

“智能体工厂”是工业化放大能力的核心载体

该工厂由专职团队组成，负责智能体的构建、部署，并同步开发配套系统与标准，以确保后续可横向扩展。其关键产出包括：

• 可复用的运营流程蓝图库

• 统一的风险检查与护栏机制

• 系统化的技术方案，用于智能体性能评估

• 自上而下的标准化 KPI 体系

工厂还须承担强有力的治理职能，防止智能体在组织内无序蔓延，并确保其符合公司及各国监管要求。

支撑智能体工厂高效运作的三大关键转变：

1.技术与数据

• 架构先行：首席执行官需优先推动建立适配的体系结构，部分能力可借助专业智能体服务商；同时保持供应商中立，避免锁定，便于在多个技术平台间灵活组合自研与现成智能体

• 对于投资意愿更强的企业，可考虑采用"智能体 AI 网格架构"——一套用于统一编排工作负载的模式、实践与原则

• 数据基础：只有当智能体能够访问经治理、动态且结构化的数据时，规模化才可行。这项任务并不轻松，需要高层领导将坚实的数据底座列为优先事项

2.平台化

企业未来将面临数百甚至数千个智能体，若缺乏统一平台将迅速陷入管理困境。首席执行官应把"自动化的智能体管理与可观测平台"纳入优先投资或采购清单，平台需涵盖：

• 成本与性能监控协议

• 智能体的上线与退役流程

• 访问权限管理（如根据当地法规决定哪些智能体可访问哪些数据）

• 隐私权与安全保障机制

3.信任

员工只有理解 AI 智能体的运行方式，才会给予信任；缺乏信任，推广必将受阻。首席执行官应从第一天起便优先部署可解释系统，让用户清楚了解智能体的决策逻辑及潜在偏差来源，从而为大规模应用奠定信任基础。

重塑人才与运营模式。许多组织已急于开设“如何使用生成式 AI 与智能体”的培训，这虽为员工打下技能基础，但仍不足够。更关键的是：未来人人都须具备“开发—监督”智能体的能力。智能体若只是日常工作的“外挂工具”，价值有限；必须内嵌到每个人的作业方式中。

为实现这一转变，各级管理者需立即着手构建“人机混合”运营模型，并系统性地植入以下新技能：

• 如何设计与应用智能体

• 如何训练、调优并持续反馈

• 如何为智能体设定任务与边界

• 如何追踪、纠正其输出质量

• 如何将多智能体串联，以完成更复杂的端到端任务

这一运营模式的重塑——本质上是对“未来工作方式”的重新定义——是已重构流程能否长期可持续的关键，也是部署智能体解决方案时必须同步推行的核心变革。

落地变革的另一抓手是绩效管理。考核与复盘须新增“智能体管理”维度，KPI 也应随之调整，例如：

• 与智能体协作完成的任务量

• 输出质量与准确率

• 对智能体流程的优化贡献

• 通过将考核指标与“人机协作成效”深度绑定，方能固化新习惯、驱动新模型真正生根

第二年和第三年：在全组织范围内规模化

智能体旅程的第二年核心任务，是把第一年的试点经验放大成可复制的范式，并将衡量指标从“智能体活跃度”转为“损益表影响”。此时企业应开始对关键客户旅程和工作流进行“全面智能体化”，而不再只是将智能体嵌入现有流程。

第二年和第三年应达到的标志性业务节点：

1.首座智能体“灯塔”跨越临界点

• 第一年重构的客户旅程灯塔实现>90%自动化

• 标准流程的智能体交互保持高绩效与高满意度，例外情况可有效升级至人工处理

2.智能体自动化在关键价值流中全面铺开

• 公司90%的关键价值流已部署智能体自动化

• 智能体系统不仅被视为系统升级，更是新的运营模型缺省选项

3.传统以静态职能和线性交接为核心的运营模式开始瓦解

• 至少五条优先客户旅程由“AI智能体团队+人工监督”端到端负责，跨越传统职能边界（例如：同一智能体团队完成客户分析、个性化营销、成交及售后服务）

• 企业内跨职能的"智能体对智能体"交互（包括与客户代表或采购代表智能体）成为常态

4.员工角色转向“智能体团队主管”

• 所有关键职能的智能体采纳率超过75%

• 几乎每位专业人员至少拥有1个、通常3-至5个智能体"为其工作"，高阶用户可同时调度数十个

5.智能体与全职员工(FTE)比例显著变化

• 基础及中等复杂度任务的智能体可靠性高，但仍需人工监督

• 多领域实现职能现代化：例如软件开发生命周期FTE需求下降30-40%；财务计划与报告工作量减少约75%

随着智能体能力成熟，首席执行官的关注点需转向组织与运营层面：

1.为价值而重设，架构转型而非修补

• 早期降本和学习项目重要，但首席执行官应瞄准50%以上的生产力与价值提升，并有勇气质疑业务的所有假设

• 重新审视商业模式：在智能体时代哪些环节仍具防御性？哪些智能体创新与体验可成为可持续差异化来源？明确的差异化视角将指导"自建/外购/合作"决策，并界定需保护的数据、IP与竞争优势

2.用智能体加速"测试-学习-适配"循环

• 在数字孪生环境中运行的智能体，可低成本、高速度地大规模试验流程、产品与优惠

• 成功实验可由智能体立即实施，变革管理成本在高度自动化的工作流中显著下降

3.按智能体经济重塑预算与商业模式

• 员工与智能体的比例将大幅改变，投资重心从人力转向技术

• 首席执行官需与首席财务官、首席人力资源官共同建立财务与人力耦合模型，重新预算、跟踪并分配技术与人员资源

4.规模化转型：从职能架构到价值流架构

• 端到端智能体工作流跨越职能后，传统组织模型将失去意义；继续沿用并镜像这些模型将扼杀规模潜力

• 企业须转向以结果为导向，围绕价值流（如客户开户、新客户销售）组建"人+智能体"混编团队

• 迁移过程需在治理上做出艰难权衡（例如谁对价值流负责），并投入机制持续追踪智能体绩效，避免不同部门各自开发竞争型智能体导致混乱与风险

5.人才与运营模型：2030年约30%现有工时或被自动化

• 人机比例将被重新定义，职场出现“智能体-智能体”及“人-智能体”新型协作动态

• 运营模型、绩效指标与企业文化均需同步升级，才能在全新比例关系下保持竞争力

与首席人力资源官紧密协作，首席执行官亟需描绘“智能体劳动力”的未来图景：明确智能体成熟后技能体系如何演进，如何重新配置被释放的人力，并相应重塑人才与组织机制。

1.重塑HR系统

• 建立常态化岗位扫描机制——哪些角色需重构、新增或取消

• 加快技能升级节奏，并同步更新人员配置、职涯路径、绩效、激励及报表体系，以适配“智能体操作系统”

2.嵌入新角色与指标

• 绩效评价加入“智能体管理KPI”

• 设立“智能体编排师”“智能体训练师”等新职涯原型，晋升与“管理人机混合团队”的能力挂钩

3.双速治理

• 短期：推动转型落地

• 长期：研判深远影响

首席执行官与董事会必须同时驾驭两种节奏。如下为前瞻性议题（供首席执行官与董事会参考）

• 商业模式：智能体如何冲击/重塑差异化？如何防守并拓展市场？

• 生态关系：是否出现“智能体去中介”风险？客户、供应商、合作伙伴角色如何演变？

• 企业文化：如何在人机共存中坚守企业价值观？

• 混合运营：职能边界消失后，如何管理无缝协作的人-机工作流？

• 人才策略：内部vs外包、开源vs多供应商vs单一平台，最优比例与组合为何？

• 投资路线图：如何兼顾近期业务目标与可扩展的长期转型基础？

“变革节奏”或许是商业世界最被滥用的陈词之一，但智能体 AI 的崛起为其注入了前所未有的现实意义与紧迫感。尽管 AI 智能体仍被不确定性所笼罩，领导者绝不应因此而踌躇不前；恰恰相反，唯有果断且深思熟虑的行动，才能一层层剥开迷雾，打造出以智能体为核心的新型企业，开启生产力与增长的新篇章。

编辑 | Yujie

进一步交流

进入专业社群展开深度讨论

慎思行通过微信等平台覆盖超过10万战略人、咨询人等各类专业人士。我们也构建了专业社群，推动战略与咨询领域的问题讨论、信息交流和机会分享，社群已有超过5年历史，并成为了顶尖专业人士感知市场前沿，获得实践经验的首要选择。入群请添加慎思君微信，并提供名片。

现在微信公众号更改规则，如果你不特地点进来，很可能看不到我们的推送了。希望喜欢【慎思行】的读者朋友们将本号【设为星标★】，方便找到我们；也欢迎点击右下角的【在看】。