智能體組織：AI時代下一個范式的輪廓

文章作者丨麥肯錫公司：Alexander Sukharevsky, Alexis Krivkovich, Arne Gast, Arsen Storozhev,Dana Maor, Deepak Mahadevan, Lari Ha?ma?la?inen, and Sandra Durth，慎思行采編翻譯

個人微信丨hello_SSX

前言

AI正在帶來自工業革命和數字革命以來最大的組織模式轉變（見“運營模式的演變”）。這一新模式將人類與AI智能體（包括虛擬智能體和實體AI智能體）結合在一起，以近乎零的邊際成本大規模并肩工作，我們稱之為智能體型組織。

運營模式的演變

在 19 世紀以前的農業時代，運營模式簡單，以工匠和農民組成的小團隊為中心。全球 80% 至 90% 的人口從事農業工作。

接著，到了工業時代，人們搬進了工廠，運營模式轉變為職能等級制。產品的設計是為了由人和機器進行大規模復制，每三到十年就會有一次重大升級。這個時期出現了新的角色，如工廠工人、工程師和輪班主管。截至 20 世紀 70 年代末，美國有 39% 的人在工業部門工作，只有 4% 的人在農業部門工作。高效的規?；a推動了企業的發展和競爭優勢，精益管理成為一種戰略工具。

隨著 20 世紀 90 年代數字時代的到來，工業時代的“真理格言”隨著計算機的興起而開始瓦解。這一背景下，企業開始采用工業思維，將業務流程硬編碼到支持生產和企業資源規劃的單體系統中。企業很快轉向模塊化數字產品和平臺，每月甚至每天更新。這一階段要求靈活的運營模式，需要小型、跨職能的團隊，包括軟件工程師、體驗設計師和產品經理等新角色。速度和客戶成為企業競爭優勢的關鍵。如今，美國有 5.8% 的人口從事技術工作，而從事農業工作的人口僅占 1.6%，從事工業工作的人口占 19.3%。

現在，AI時代正開始迎來最新的進化，它將徹底改變知識工作，就像前幾個時代徹底改變體力工作一樣，智能體組織將人類、AI智能體和機器結合在一起，成為未來的工作場所。

這種新模式的前景將取決于AI能力的持續增長以及監管等其他因素。自 2019 年以來，AI能夠可靠完成的任務時長大約每 7 個月翻一番，自 2024 年以來每 4 個月翻一番，截至本文撰寫時已達到約兩小時翻一番。這將是一個驚人的加速進化過程——從需要持續監督的實習員工到可以獨立工作的中層員工，再到或許可以制定和推動戰略的高級管理人員。

組織范式確實并存。但智能體組織可能是領導者通過建立分散的、注重結果的智能體網絡來獲得競爭優勢的關鍵。

麥肯錫與早期AI采用者的合作經驗表明，AI智能體可以釋放巨大的價值。企業正開始部署虛擬AI智能體，其復雜程度不斷提高：從增強現有活動的簡單工具到端到端的工作流程自動化，再到整個“AI優先”的智能體系統。與此同時，實體AI智能體也在不斷涌現。

企業正加速為AI打造“身體”——智能設備、無人機、自動駕駛車輛以及早期的人形機器人，讓AI得以與物理世界交互。

智能體組織將圍繞企業的五大支柱構建：

• 商業模式；

• 運營模式；

• 治理體系；

• 人才和文化；

• 以及技術和數據（見圖 1）。

想象一下未來的銀行：當客戶想要買房時，個人AI管家會激活一系列工作流，為買家提供服務。地產AI智能體推薦房源，按揭審批智能體根據客戶財務畫像定制方案。合規智能體確保交易符合銀行政策、合同智能體完成協議簽署、并由另一智能體最終放款。而整條鏈路由人類監督員、按揭專家和AI賦能的一線員工組成的“智能體團隊”統籌。在某些場景下，銀行甚至可把AI服務延伸至家具、裝修、節能升級等領域，從而成為一張“智能體團隊”的網絡——即智能體組織。

在這篇文章中，我們分享了與先鋒企業合作中鋪捉到的早期信號、來自科技領袖與投資者的洞見，以及高管們最常向我們提出的問題。智能體組織范式無疑會不斷演化，但當今的領導者不能坐等其完美明晰。我們將指出當下即可行動的切入點——精煉運營模式、創造更多價值、并以AI為先重新布線——而非被動等待被新范式重塑。

智能體組織的五大支柱

1.商業模式

在智能體時代，企業若能借助AI渠道無限貼近客戶、實現實時超個性化，把流程重構為“AI優先”，并以獨家的數據護城河作為超級武器，就能獲得競爭優勢。AI原生初創企業與智能體企業可能以完全不同的生產力（人均營收）、與規模脫鉤的成本結構，以及更快的上市和創新速度，顛覆整個行業。

AI原生渠道實現超級個性化

消費者已經開始繞過門店、應用程序和搜索引擎，轉而使用 ChatGPT 等AI原生界面。未來，每個消費者都可能擁有一個低成本的AI個人助理。一家歐洲公用事業供應商向其 300 萬客戶推出了多模態AI助手，顯著縮短了平均處理時長，提高了客戶滿意度，改善了響應速度，并讓更多來電無需人工即可解決。這些助理不僅是“應答機”，更是24小時與其他智能體談判的“私人管家”，持續從用戶行為和市場信號中學習，動態生成不斷演化的超個性化產品。這也為生態經濟打開新局：掌握客戶觸點的企業，可跨越傳統業務模式和行業邊界，滿足客戶多元需求而實現增長。

AI優先的工作流程使邊際成本趨向于計算成本

銀行已用“智能體小隊”運行按揭與合規流程；保險公司正在重塑理賠與核保，并把自己重新想象為AI原生企業；電信運營商則在客戶服務及更多環節部署智能體。

一家全球性銀行的“智能體工廠”用十支智能體小隊負責“了解你的客戶”（KYC）流程，顯著提升了產出質量與一致性。另一家銀行讓人類“在上環”監督智能體小隊，對遺留核心系統進行現代化改造，時間和人力最多節省50%。這不是在現有流程上做常規自動化，而是把端到端流程徹底重設計，人類只保留“戰略在上環”的監督角色，其潛力可將邊際成本壓向純計算成本。展望未來，大多數（如果不是全部）流程都可被重新想象為“AI優先”，人類和傳統IT系統再有選擇地被“拉回環內”或“留在上環”。

專有數據成為關鍵的差異化因素

如果說今天的AI是“口袋里裝著互聯網的實習生”，那么明天的競爭壁壘將來自公共互聯網所不具備的“數據后花園”。企業只要持續捕獲并精煉獨有、已獲授權、不對外公開的專有數據——如客戶行為流、產品使用數據、傳感器數據等——就能將其轉化為差異化的個性化產品與流程，從而領先對手。AI本身也能加速數據底座、數據產品的建設以及數據質量的提升，讓這座“后花園”更快成形、持續繁茂。

2.運營模式

在智能體時代，組織的構建和運營方式將與其提供的產品或服務一樣發生變化。工作和工作流程將被重新設想為AI優先，運營模式將演變為由有能力、以結果為導向的智能體團隊組成的扁平網絡。

工作和工作流程將被重新規劃為AI優先

智能體時代的運營模式將以重新構想的AI優先工作流程為基礎，有選擇地重新引入AI原生設計的人類和 IT 系統。在一家歐洲汽車制造商和一家公共部門機構，智能體團隊正在對傳統系統進行逆向工程和現代化改造，而人類則負責指導和驗證工作。在產品開發中，智能體可以收集反饋、分析數據、測試功能，甚至進行營銷活動。僅在需要人際接觸的環節被有選擇地“放回環內”。

以結果為導向的智能體團隊將成為組織的基石

傳統組織是圍繞職能建立的。數字公司擁有跨職能的產品團隊，卻仍受“兩個披薩”團隊規模和鄧巴數字等人類協作上限的掣肘。

在智能體組織中，組織結構將轉向小型、注重成果的智能體團隊。所謂“智能體團隊”是一個由少數跨學科人類組成的小組，他們擁有并監督底層的AI工作流程，可以組織起來提供明確的端到端業務成果。

根據我們的經驗，一個由 2 到 5 人組成的人類小組已經可以監督一個由 50 到 100 個專業智能體組成的智能體工廠，可以運行端到端流程，例如客戶導入、發布產品或月結關賬。智能體AI能把產品團隊的范圍和自主性自主拓展到前所未有的程度。

獲勝者協調智能體團隊的扁平網絡

沒有正確的背景、指導和定位，智能體AI的激增可能會導致混亂。未來制勝的運營模式將賦予智能體團隊高度自主權，采用扁平決策和溝通結構，在團隊之間高度共享高情境信息并保持對齊，確保行動同步。

組織架構圖（基于傳統層級授權）將讓位于“智能體網絡圖”或“工作圖”（基于任務與成果的交換）。

最終，智能體網絡不再受單家企業邊界限制，不同結果可由不同主體交付，由此催生全新的 B2B 機會。

3.管理

在智能體組織中，治理不能停留在定期的、紙上談兵的階段。隨著智能體的持續運作，治理必須變得實時、數據驅動和嵌入式，并由人類承擔最終責任。

利用實時數據加速決策

傳統的預算、規劃和績效管理周期對于AI優先的工作流程來說過于緩慢。先行者正在嘗試“智能體預算”，其中AI智能體提出預算草案，情景智能體進行預測，報告智能體提供實時見解。財務負責人由此擺脫“收電子表格、拼底稿”，轉而專注解讀信號、壓力測試情景和與業務直接對話，實時做出決策。

智能體通過嵌入式護欄控制智能體

正如 DevSecOps（開發、安全和運營）在數字交付中嵌入自動檢查一樣，智能體組織也會把“控制智能體”嵌入工作流。評審智能體將對產出提出質疑，護欄智能體將執行政策，合規智能體將監控法規。

所有動作都可實時記錄并解釋：數據隱私、財務閾值、品牌語調，無一遺漏。

覆蓋智能體全生命周期的 AI 治理框架（從發現、啟動到退役）可在速度、規模與所需安全控制之間取得平衡。

人類問責和監督依然存在

人類的問責和監督仍然必不可少，但其性質將發生變化。合規官員和領導者將不再進行逐條審查，而是制定政策、監控異常值并調整人工介入的程度。我們面臨的挑戰是如何找到最佳平衡點：既要有足夠的監督來管理風險，又不能將智能體拖回到人類速度。能夠在這兩者之間取得平衡的企業將獲得更多的智能體優勢。

最終，智能體落地的規模將被人類的監督容量所上限——治理本身成為生產力的潛在瓶頸。

4.勞動力、人員和文化

在智能體組織中，人類將從執行活動轉變為擁有和指導端到端結果。這種轉變需要具備不同技能的新員工，也需要一種能夠提供凝聚力和目標的文化。

混合智能體勞動力需要新的人才系統

隨著智能體開始執行工作，人類將越來越多地確定目標、做出權衡和指導結果。這將改變企業如何規劃混合勞動力、雇用（或借用）哪些人、如何部署人類或AI人才，以及如何衡量成功與否。人力資源系統不僅能跟蹤人類員工，而且還是智能體和智能體工作流程的存儲庫。

績效管理也將從“任務完成”轉向“人類如何編排智能體、釋放價值、交付結果”。

在這一新范式下，人才系統本身必須被重新設計——從職業路徑、激勵機制到領導模式。

具備不同技能的新型人才應運而生

在我們與先鋒企業的合作中，我們看到AI智能體取代了歷史上由知識工作者處理的任務，如分析文檔和創建應用程序接口。與此同時，我們看到對其他技能的需求也在不斷增加。例如，以端到端的視角深入解決問題、應用系統設計以及在智能體失敗的邊緣案例中應用模式識別的能力。

當人類與智能體一起工作時，會出現三種角色（見圖 2）：

• M 型主管：精通AI的廣博通才，負責協調各領域的智能體和混合勞動力；

• T 型專家：重新構想工作流程、處理異常情況和保障質量的深度專家；

• AI增強型一線員工：銷售、服務、人力資源或運營部門的員工，他們花在系統上的時間更少，花在與人打交道上的時間更多。

領導者自身也將升級。首席執行官、產品負責人、合規負責人等，都必須具備過去只對首席信息官要求的技術素養。填補這些角色需要大規模地提升與再造技能。早期證據顯示，沒有技術背景的員工也能像訓練有素的工程師一樣，快速學會管理智能體工作流。職業路徑與績效系統必須隨之調整——“條條框框”讓位于人類與數字技能共生的生態。隨著這些新畫像落地，“組織”與“員工”的概念將更流動，人類與數字人才的內、外部生態將無縫融合。

文化是粘合劑和道德指南針

文化將成為智能體組織的運營粘合劑和道德指南針。先行者的共同經驗凸顯“編排”的重要性：讓各團隊圍繞共享情境與結果對齊，識別人類與AI能力的最優組合（并非事事都要上智能體），在人與智能體之間建立信任。文化指南針將價值觀和長期目標嵌入到智能體系統中，這樣企業就不會為了追求短期效率而犧牲凝聚力。

因此，企業不會以犧牲凝聚力和信任為代價來追求短期效率。早期的先行者表明，清晰方向、果斷領導、持續學習是基本功。真正的制勝分水嶺在于：在高速轉型的同時，仍能保有組織的凝聚力與身份認同。

5.技術和數據

在智能體組織中，技術和數據將在智能體AI網格的支持下實現民主化。

智能體之間的通信協議將使跨系統、跨機器、跨人類的集成更簡便、更廉價。成功的規?；髽I會依據“差異化來源”與“競爭優勢”來平衡自建還是外購，避免技術或供應商鎖定，以便在技術迭代飛快的生態中迅速切換。

IT 和數據的分布式所有權變得可行

數字時代，技術與數據系統從“遠離業務的集中式單體和數據庫”演進為“貼近業務的微服務和數據產品”，這需要大量軟件與數據工程專家來設計、開發和維護。

而在正在到來的智能體時代，業務側員工可在智能體AI的幫助下，無需深技術背景就能獨立創建軟件資產、管理數據——AI自動完成軟件開發生命周期（SDLC），深度專家只需在上環監督。早期實踐者已將生產力提升至少一倍：例如我們團隊中的一名法國文學畢業生——在構建智能體工作流方面與軟件工程師一樣能干。

要負責任地擴大這種轉變的規模，企業必須采用智能體平臺和架構，如智能體AI網格。這些平臺提供可重復使用、高性能的“原子”智能體和數據產品，并配備技術安全護欄，以防止技術債務積累或網絡安全風險，同時釋放前所未有的民主化和創新水平。

智能體間協議讓交互與集成變得輕量級

智能體間協議正在重新定義人、智能體、IT系統與設備之間的互動方式。傳統做法依賴中間件、API等重量級集成，需要大量編程和系統點對點連接，而智能體間協議讓“系統派智能體去跟另一系統的智能體對話”，從而把遺留系統、云平臺乃至無人機等設備快速、低成本地接入同一工作流。更重要的是支持“快速實驗”——新能力可立即測試、擴容或下線，無需耗費數月的工程排期。

動態采購變得至關重要

歷史上，許多關鍵業務平臺都是在內部構建或在嚴格的采購流程中挑選出來的，并經過多年的實施改造。這些系統旨在保持基本穩定，以確保幾十年的競爭力。在智能體時代，將需要一種更加靈活的戰略。大型語言模型和AI產品的發展速度非?？?，鎖定一個解決方案或供應商可能導致技術在幾周內就會過時。與此同時，企業需要在專有的組織背景、機構知識和非公開數據中建立壁壘，以提高競爭力。這就要求架構能將智能體結構、邏輯和數據與底層供應商環境分離開來。

如何開始旅程

在與企業高管的討論中，我們聽到最多的問題是：“我該如何開始？”高管們想知道，在不清楚未來會發生什么的情況下：

• 如何創建“北極星”愿景；

• 如何評估數據、技術和管理基礎的成熟度和升級需求；

• 如何設定價值和可行性的優先級；

• 如何在技能和思維方式方面帶動組織發展；

• 以及如何比競爭對手更快地擴大規模，從而創造競爭優勢。

眼下最大的危險是出現“飛行員比漢莎航空還多”的情況，AI與價值驅動因素脫節，例如到處都在談AI，卻進不了損益表，或最終導致公關災難。

基于我們的經驗，我們認為，想要在發展智能體組織的過程中確保競爭優勢的企業應該大膽思考、快速行動、深入研究。在成為智能體AI領導者的過程中，高管們需要有不同的思維方式，才能在我們在本文中列出的 15 個主題中做出一系列連貫的選擇和行動（見圖 3）。

我們鼓勵領導者思考三個根本性的轉變，從而在如何為智能體時代進行轉型方面實現階躍式轉變：

1.從線性發展到指數發展：技術的發展是指數級的，而組織和運營模式通常是線性發展的，這可能會限制組織最終獲取的價值。不要讓這種情況發生。領導團隊需要大膽調整運營模式，使其向智能體組織發展——以跨職能的自主智能體團隊取代職能孤島，重新設計激勵機制和支持流程以實現變革，并投資于所需的能力。

2.從技術向前到未來倒推：像部署軟件一樣，將智能體式轉型委托給技術負責人是不夠的。領導者需要設想未來的組織，設想其在AI優先流程下的全部價值潛力， 和人機混合型組織的全部價值潛力，然后倒推切入起點。“干中學”是唯一途徑——看書或高爾夫閑聊換不來真知。大膽重做一條端到端價值鏈，是鍛煉組織學習肌肉的最快方式，同時，從燈塔項目第一天就開始布局規模化使能要素。

3.從威脅到機遇：高管若只把智能體AI視為“運營威脅”，變革必夭折。對于高管來說，至關重要的是要不斷與員工溝通，讓他們了解這項技術所能帶來的新機遇，這不僅關系到組織的發展和目標，也關系到他們作為專業人士的利益。超額投入以下要素，為轉型鋪平道路：基礎普及之上的技能再造、變革管理、激勵、預算、溝通、績效管理。

具體而言，高管們可以立即采取以下行動：

• 將“智能體AI”列為高管團隊議程的固定議題；

• CEO清晰闡述打造智能體組織的愿景；

• 快速升級AI卓越中心（COE）；

• 大規模開展人員技能提升；

• 在一到兩個燈塔領域率先“通電”，上線智能體流程，邊干邊學。

多種組織范式仍在并存：89%的組織仍生活在工業時代，9%的組織擁有數字時代的敏捷或產品和平臺運營模式，只有1%的組織作為去中心化網絡行事。但是，現在是時候了，企業必須盡快轉向新的智能體模式，以獲得顯著的競爭優勢，否則就有可能被甩在后面。

影響采用速度的因素有很多，包括AI模型的開發、計算能力的可用性、機器人技術的進步、法規的變化、社會的理解和接受程度以及人類對風險和變化的偏好。在未來的歲月里，我們的洞察將隨著AI技術的發展而愈加深入，但我們確信，適應和學習速度更快的組織將成為這個智能體時代的早期贏家。

編輯 | Yujie

進一步交流

進入專業社群展開深度討論

慎思行通過微信等平臺覆蓋超過10萬戰略人、咨詢人等各類專業人士。我們也構建了專業社群，推動戰略與咨詢領域的問題討論、信息交流和機會分享，社群已有超過5年歷史，并成為了頂尖專業人士感知市場前沿，獲得實踐經驗的首要選擇。入群請添加慎思君微信，并提供名片。

現在微信公眾號更改規則，如果你不特地點進來，很可能看不到我們的推送了。希望喜歡【慎思行】的讀者朋友們將本號【設為星標★】，方便找到我們；也歡迎點擊右下角的【在看】。