内容来源  |   本文摘编自中信出版集团书籍

《代理式人工智能》帕斯卡尔 · 博内特

约亨 · 沃茨、托马斯 · H. 达文波特 等 著

责编  | 柒   排版  | 拾零

第 9605  篇深度好文：3966  字 | 10 分钟阅读

2026 年，企业界对 AI 智能体的热情已经烧到了沸点。Gartner 公司预测，到 2026 年底，40% 的企业应用将集成专用的任务型 AI 智能体，而 2025 年初这一比例还不到 5%。

麦肯锡的研究则显示，62% 的企业正在试验智能体，但真正在单一职能中实现规模化部署的企业不超过 10%。数字之间的落差，已经说明了很多问题。

然而现实比数字更骨感。MonteCarlo 最新发布的 2026 年调研报告揭示了一个尴尬的数据：近三分之二（64%）的受访企业承认，在尚未做好充分准备的情况下就部署了 AI 智能体。

而在离系统最近的一线工程师中，这一比例更是攀升至 75% ——一场管理层雄心与执行层承受力之间的落差，正在变得可衡量、有后果。

企业用真金白银投票，却未必清楚自己买到的究竟是生产力，还是新包袱。

盲目冲锋的代价已经在路上。理想与现实的鸿沟背后，是一个更根本的问题：大多数企业根本没有先问自己 " 这个任务该不该交给 AI"，就急于把智能体塞进了业务流程。

比 " 怎么用 " 更重要的，是 " 该不该用 "。

AI 智能体并不是能解决所有问题的神奇工具。就像你不会用锤子来解决所有家庭维修问题一样。但并不是每个业务都适合用 AI 智能体来解决。

事实上，一个常见误区就是，创业者和企业高管急于部署智能体，却没有先预判它们是不是完成任务的合适工具。

一、什么时候不应使用 AI 智能体

我们应先明确哪些地方不应部署 AI 智能体。根据我们的经验，我们已经识别出以下几个危险信号。

其一，那些需要真正的人类创造力或情商的任务，通常应由人类来完成。

例如，在营销机构中，AI 智能体可以进行数据收集和处理基本报告，但创意活动的构思和客户关系管理仍牢牢掌握在人类手中。

其二，那些需要理解更广泛的市场背景或基于不完整信息，做出判断的战略决策也应由人类来做。

其三，有些任务对于 AI 智能体来说过于复杂，无法有效处理。

例如，一家科技企业曾要求打造一个智能体来管理其整个客户支持业务。尽管潜在影响力巨大，但该过程涉及许多独特场景和情感互动。当前 AI 智能体在能力无法完全适配，不少企业因此踩坑。

比如在 Salesforce，这个道理被验证得尤其惨烈。2024 至 2025 年间，该公司裁撤约 4000 名客服，由 AIAgent 接管一线客户支持。

但没过几个月，高管就公开承认高估了 AI 的成熟度。AI 在面对复杂背景、长尾需求和需要上下文判断的工单时大面积 " 翻车 "，客户投诉激增，运营陷入混乱，最终公司不得不收缩 AI 策略，重新调整人工与智能的配比。

同样，澳洲联邦银行也曾一口气裁掉 45 名客服、寄希望于语音 AI 机器人，结果连基础的登录验证也屡屡出错，业务混乱导致来电飙升，最终银行道歉并被迫重新聘用所有被裁员工。

在其他情况下，AI 智能体可能缺少做出关键决策的权限。

例如，一家金融服务企业希望一个 AI 智能体能够自主做出投资决策。这不仅带来很大风险，而且明显违反了监管要求。

在分配任务时，企业必须考虑 AI 智能体对所承担的任务是否具有适当的决策权限。

通过了解这些局限性，企业可以确保在能发挥价值的地方部署 AI 智能体，同时在最重要的地方保留人工监督。

二、智能体三大机遇圈

我们开发了一种简单的方法帮助企业确定实施 AgenticAI 的最佳切入点，称为 " 智能体三大机遇圈 " ( 见图 8-1 ) 。

想象三个相互重叠的圆圈，你的 AI 智能体的最佳切入点就在这些圆圈的交点处。让我们通过营销机构的经验来剖析。

第一个圈：影响，省下来的时间能做什么？

第一个圈，看的是自动化能否带来有意义的改变。关键不在于节省多少时间，而在于节省下的时间能让团队做什么。

想想那些耗费拖住你们团队人才的琐事：销售团队花数小时在更新客户管理记录，却没空建立真正的客户关系；研究人员把大量精力耗在数据排版，而非分析洞察；HR 忙于应付常规请求，无暇关注员工发展。

最具影响力的机会，往往不是最复杂的流程，而是那些阻碍顶尖员工发挥所长的常规任务。评估时请自问：如果这项任务明天就能自动化，团队可以转而完成什么？

一家营销机构每月要花 200 多个小时生成客户报告，更致命的是，这让他们最优秀的分析师无法投入客户真正需要的战略思考。

第二个圈：可行性，基本要素是否都已备齐？

第二个圈，评估 AI 智能体能否安全有效地完成任务。像烹饪前检查食材一样，你需要确认所有基本要素就位。

最适合自动化的流程通常具备：清晰的决策规则、易获取的数据与系统、可定义的成功标准、可控的出错后果，以及能在影响运营前验证结果。

关键是，这个流程的规则能否不用 " 视情况而定 " 或 " 但有时…… " 就解释清楚？例外和主观判断越多，越不适合作为首个 AI 智能体项目。

以营销机构为例，报告流程完全可行：所需数据可通过 API 获取，规则一致，结果易于检查，即便出错也能由人工介入处理。

第三个圈：低投入，高回报

最后一个圈，看的是实际落地：资源、时间与变革准备。这不只是技术问题，更在于企业是否愿意拥抱变化。

作为领导者，你需要判断：流程是否有详细记录？团队是否愿意适应？能否从小处起步、逐步扩大？收益是否值得投入？能否在不干扰核心业务的前提下推进？最佳初始项目通常可分阶段实施，逐步积累信心与能力。

找到最佳契合点。

理想的 AI 智能体项目，就在这这三个圆圈的重叠处。首先，将你的流程与这三个圆圈逐一对照。找出团队反复抱怨的任务，这通常意味着高影响力的机会。

接着，评估这些任务是否有明确的规则和可访问的数据。最后，考虑你是否有足够资源，是否已准备好应对变化。

请记住，部署 AI 智能体项目应该像试做第一道菜：别一上来就挑战满汉全席。选一道拿手的、工序清晰的，做成了，再慢慢丰富菜单。

三、成功打造 AI 智能体的要点

为总结关键经验，我们整理了以下要点，以帮助你从概念走向成功部署。

第一步：寻找合适的智能体机会

( 1 ) 找到你的最佳契合点：找出三个关键因素交汇的机会——对你的业务有重大影响、现有技术具有可行性以及适当的实施难度。

( 2 ) 认识到智能体的固有局限性：将真正需要人类创造力、战略判断力或情商的任务留给人类，并非所有流程都应实现自动化。

( 3 ) 思考任务而非角色：请记住，智能体并非员工，以它们目前的能力而言，它们擅长执行特定的任务，而非扮演宽泛的角色。一名员工或许能管理五个流程，而要实现同样的工作自动化，你可能需要五个智能体。

( 4 ) 从有据可查的流程入手：AI 智能体的最佳基础是清晰的流程文档。现有的流程文档通常能提供理想的训练材料，包括具体步骤、工具、决策树和示例案例。

( 5 ) 只对已验证的流程进行自动化：绝不要对从未手动执行过的流程进行自动化。这要求首先确保手动流程通畅，之后再使之自动化。

( 6 ) 分解复杂问题：采用分而治之的方法，一次构建一个组件，而非一次性构建整个系统。

第二步：定义 AI 智能体的角色和能力

( 1 ) 详细定义智能体的目标和指令至关重要：花时间精心制定每个智能体的精确目的、角色和操作权限。请记住，示例胜过千言万语，应将最重要的指令放在提示词的末尾。

( 2 ) 越简单越好：更多的智能体、工具或任务会带来更高的复杂性、成本，加大维护难度。应从最简单开始，逐步扩展。

( 3 ) 一智能体，一工具：在大多数情况下，应将每个智能体限制为一个单一且定义明确的工具，而非试图构建复杂的多用途智能体。简单性带来可靠性。

第三步：成功设计 AI 智能体

( 1 ) 为人类协作而设计：打造能够增强人类能力而非完全取代人类的智能体。在质量保证和战略决策方面让人类参与其中。

( 2 ) 在用户已使用的系统中集成：确保智能体在现有系统内运行。如果用户觉得访问不便，再好的智能体也毫无价值。

( 3 ) 启用对智能体的反馈：为智能体提供工具来分析其行动的结果。它们应当能够核实其任务是否成功完成。

( 4 ) 标准化输入和输出：严格定义所有输入和输出的格式，防止因数据结构不匹配而引发错误。

( 5 ) 将过程数据与操作分离：确保智能体所知内容与所能执行的操作之间有清晰的区分。这既提高了安全性，又增强了可维护性。

第四步：实现你的 AI 智能体

( 1 ) 优先考虑速度而非完美：不要陷入寻找完美平台的困境。先从可用的平台开始，从实施中学习，再逐步改进。

( 2 ) 设计容错：构建健全的错误处理机制、断路器、优雅降级方案及人工介入路径。智能体程序都会出错，如何恢复才是最重要的。

( 3 ) 构建决策轨迹：确保智能体记录其做出每个决策的推理过程，以实现责任追溯并推动有针对性的改进。

( 4 ) 持续收集反馈：建立机制以获取用户意见和系统性能指标，从而推动持续改进。

( 5 ) 采用信任进阶模型：实施分阶段监督，随着智能体证明其可靠性，逐步减少人工干预。

( 6 ) 使用真实场景进行测试：在部署前严格针对极端情况和意外输入进行测试。

( 7 ) 接受迭代是不可避免的：没有任何智能体在首次尝试时就能完美运作。将多次改进周期纳入你的实施时间表中，很有必要。

( 8 ) 部署智能体比构建智能体要难得多：集成方面的挑战往往超过开发的复杂性。在部署上投入的时间和资源至少要与初始开发投入的一样多。

( 9 ) 从小做起，逐步扩大：先从能创造价值的最小组件入手，证明其价值，然后再系统地扩大规模。

以上要点是我们在为各种规模的企业实施 AI 智能体的过程中积累的宝贵经验。尽管技术在不断快速发展，但这些原则始终是 AI 智能体成败的关键。

专注于这些基本要素，你就能避开许多智能体项目失败的常见陷阱。

* 文章为作者独立观点，不代表笔记侠立场。

好文阅读推荐：

黄仁勋最新演讲：不想被淘汰，马上做 3 件事

马斯克：未来 3 年很难熬，必须做对几件事

分享、点赞、在看，3 连 3 连！