代理式 AI 若要為企業帶來實質效益，不能僅是疊加於現有營運之上。企業領導者必須將其視為系統層級的變革。

隨著企業級 AI 代理的採用率迅速增長，雄心與執行之間正出現脫節。

儘管 85% 的組織表示希望在未來三年內實現代理化，但 76% 的組織表示其目前的營運和基礎設施無法支持這種變革。他們引用了人員、流程和工作流程方面準備不足的問題。

PwC UK Consulting 的勞動力諮詢全球首席技術長兼首席 AI 長 Prasun Shah 解釋說，挑戰在於許多組織經常將 AI 代理疊加於現有營運之上，而不是重新構想營運模式以及工作需要如何重新佈線。「他們將 AI 員工嵌入到一個由人類營運的模式中」，將 AI 代理疊加到現有的工作場所結構上，這「就像在一個正在崩潰的營運模式的部分地方貼上膠帶」。

這樣做可能會阻礙組織釋放代理式 AI 的全部價值，造成幻滅感迅速滋生。其全部價值在於代理能夠在有限的人類輸入下執行整個工作流程。它們可以協調複雜的任務、做出獨立決策、適應不斷變化的條件並迭代績效。

在客戶服務、人力資源和銷售等早期試驗領域，據估計，大規模部署時，AI 代理可以將業務流程加速 30% 至 50%，並將低價值工作時間減少 25% 至 40%。但隨著這種能力的到來，複雜性也隨之增加，需要進行企業級的變革。

企業代理式 AI 平台 Ema 將這種變革描述為代理式商業轉型（ABT），這是該公司去年與 HFS Research 合作創造的一個術語，旨在彌補現有 AI 代理詞彙的不足，並為企業提供一個新的框架來思考自身技術的採用。

Ema 執行長兼創辦人 Surojit Chatterjee 解釋說：「現有的詞彙都無法捕捉到變革的全部範圍。數位轉型是從紙本轉向軟體。AI 轉型是將人工智慧添加到現有流程中。協同助手（Co-pilot）是關於 AI 協助人類執行各種任務。但 ABT 在本質上是不同的：它是將 AI 代理整合到組織的結構中。」

對 Shah 而言，這個專門的術語（ABT）「有助於推動對整個組織進行重新設計的必要性：其營運模式、工作流程、決策權和績效管理系統。」他強調，「確保這些代理真正積極參與價值創造，而不是僅僅作為點工具或生產力輔助工具所需的一切。」

根據 Ema 的說法，ABT 包含三個核心支柱：組織的技術堆疊、人力資源以及用於衡量成功的指標。

ABT 的第一個支柱是技術堆疊。Chatterjee 表示：「您現有的技術堆疊是為人類操作、以應用程式為中心的工作流程而設計的。當演員是跨多個系統同時以機器速度運行的 AI 代理時，就需要重新考慮。」

Shah 解釋說，隨著 AI 代理整合到組織中，企業需要從一系列線性流程和步驟轉變，以一種截然不同的方式重新佈線工作。這是因為 AI 代理的價值不在於作為現有技術堆疊的另一層，而是作為連接組織的「連接組織」，他解釋說，它在層與層之間移動以協調高級任務或從多個離散應用程式檢索和解釋數據。他表示，AI 代理能夠基於這種情境化能力做出決策，「為企業創造真正的競爭差異化。這將是下一個戰場。」

為了建立這種連接組織，領導者需要調整其技術堆疊，以從 AI 代理中獲得更高質量的決策，優先考慮同時訪問多個數據集和應用程式，以發展隱性知識。Chatterjee 表示：「做出這種架構轉變的組織變得更具適應性。當出現新的業務需求時，您不必等待六個月讓軟體供應商開發一個功能。您可以使用自然語言配置一個 AI 員工，並將其連接到所需的系統。從業務需求到生產工作流程的時間從幾個月縮短到幾天。」

隨著 AI 代理被部署到更多用例中，企業領導者必須考慮這對其人力資源動態意味著什麼，這是 ABT 的第二個支柱。

當今的人力資源結構與工業化早期的層級模式幾乎沒有區別。為了最大化效率和規模，流程是標準化的，任務在策略業務單位（SBUs）之間明確劃分，員工的晉升是基於他們從下級團隊優化產出的能力。但隨著 AI 代理能夠執行、協調和優化任務——通常無需管理協調——這種既定層級的界限變得模糊。

在結合了 AI 代理和人類員工的勞動力中，管理者將從許多執行任務中解放出來，但會承擔與管理混合團隊相關的新職責。Shah 表示，管理者「需要能夠處理信任、可解釋性、心理安全，甚至地位動態等問題」，以應對混合勞動力中可能出現的新緊張關係。

代理式 AI 對現有勞動力結構的影響遠不止於管理層。麥肯錫預測，到 2030 年，四分之三的現有工作將需要重新設計、技能提升或重新部署，組織需要迅速採取行動來修改招聘、留任和薪酬。

成功指標是 ABT 的第三個也是最後一個支柱。

隨著 AI 代理承擔更多核心企業流程的責任，並與人類員工協作，專注於活動或輸出的傳統勞動力指標——例如處理的呼叫數或歸檔的報告數——將不再有意義。

Chatterjee 表示：「當您將 AI 員工添加到勞動力中時，活動指標變得毫無意義或具有誤導性。一個 AI 員工可以在人類處理十次互動的時間內處理一千次客戶互動。如果您以處理的互動次數來衡量成功，您將得出 AI 工作得非常出色的結論，卻忽略了這些互動是否真正提高了客戶滿意度、留存率或收入。」為了解決這個問題，企業必須開發一套新的指標，專注於結果而非產出。也就是說，關注更廣泛的效益或實現的變革，而不是單獨的交付成果。

例如，Ema 的一家大型企業客戶在調整其指標時，從每次查詢成本和 AI 準確性等工具指標，轉向了審查合同的百分比而無需人工升級等結果指標，在兩個季度內，代理式 AI 的衡量投資回報率翻了兩番。Chatterjee 表示，這些變化意味著「該客戶停止在高流量、低複雜性工作流程中構建點解決方案，並開始在結果價值最高的領域部署 AI 員工。」

Shah 指出，整合新指標可能還需要對獎勵和人才管理流程，以及組織內的問責制和所有權進行全面重新配置。例如，在人機混合團隊中，雖然道德和信託責任很可能仍由人類員工承擔，但營運問責制將變得更加分散，以反映 AI 代理的系統性作用。

Shah 補充說，這種變化將引發高級領導團隊需要權衡的新問題。他們需要考慮：當 AI 員工犯錯時，誰負責？當 AI 和人類意見不合時會發生什麼？應該設立哪些護欄來保護客戶？

系統層級的變革是循序漸進的。這些是專家們仍在努力解決的複雜問題。但通過啟動關於 ABT 核心支柱——人力資源、技術堆疊以及衡量成功的指標——的內部對話，領導者可以為一個更能擁抱系統層級 AI 代理的企業奠定基礎，並開始縮小其雄心與執行之間的差距。