 |
AI智能體的未來與其說是"全能自主"，不如說是"人機協同"。AI能夠解放人的雙手，但最終決定權永遠在人的手中。
本文刊載于《商學院》雜志2025年9月刊，作者：石丹。轉載已獲授權。
北京2025年9月26日 /美通社/ -- 智能體（AI Agent）已經成為繼大語言模型（LLMs）后，AI領域最熱的話題。
IBM大中華區技術銷售總經理、首席技術官翟峰告訴《商學院》記者這樣一組數據：IBM商業價值研究院（IBV）最新發布的《IBM全球CEO調研報告》顯示，受訪的企業高管預計，未來兩年AI投資的增長率將超過兩倍，并且有61%的CEO確認他們目前正在積極采用智能體，并準備將其規?；瘧谩?/p>
繼2025年5月在Think 2025大會期間首批對外發布了3個智能體（人力資源智能體、銷售智能體和采購智能體）后，2025年7月底，IBM發布了通用型企業級智能體（IBM Computer Using Generalist Agent，以下簡稱"IBM CUGA"）的重要突破。IBM CUGA是一種能夠跨多個業務場景、整合多種工具、執行復雜任務的通用型智能體，可以像資深員工一樣理解用戶意圖、規劃任務、調用工具、協調多個系統，并不斷學習和適應新的挑戰。如今，IBM CUGA不僅在模擬企業場景中經受住了嚴苛測試，更在2025年7月的AppWorld Benchmark（一個由多個研究機構和學者共同創建、用于評估交互式編程智能體的基準測試環境）中榮登第一。
翟峰表示，隨著生成式AI的加速普及、智能體的迅猛發展，以及智能流程自動化的不斷突破，企業正迎來第三波人工智能助手浪潮。
智能體規模應用正迎來"拐點時刻"
智能體迎來"拐點時刻"的本質，是技術成熟度與企業需求的"雙向奔赴"。"但真正的技術價值不在于概念炒作，而在于能否解決實際問題、創造可量化的業務收益。"
在翟峰看來，智能體是一種能夠自主理解、規劃并執行復雜任務的軟件程序，它由大語言模型驅動，可根據需要調用各類工具、其他模型及系統與之交互，以實現用戶的目標。智能體將大大降低使用AI能力的門檻。用戶只需通過簡單的對話界面陳述其目標，智能體網絡則通過后端系統采取必要的行動。智能體與傳統的AI助手（AI Assistant）不同，后者每次生成回復都需要用戶提示，而智能體在理論上只需用戶下達一項高層級任務，便會自主規劃完成路徑，因此它能承擔更為復雜的工作。
智能體迎來"拐點時刻"的本質，是技術成熟度與企業需求的"雙向奔赴"。"但真正的技術價值不在于概念炒作，而在于能否解決實際問題、創造可量化的業務收益。"翟峰表示。
從技術維度看，大模型技術的突破使智能體具備更強的"理解—推理—執行"能力，能夠處理更復雜的任務拆解與跨域協作，而智能體的核心也在于自主性和規劃能力，它們需要具備邏輯推理、工具調用能力和執行任務的能力，這些關鍵突破意味著智能體在2025年的爆發已經具備了技術基礎。具體來看，翟峰表示，其一，如今大模型能力顯著提升，以IBM開源的Granite模型為代表，參數規模與語義理解能力跨越臨界點，多模態交互與復雜任務拆解能力大幅增強；其二，開源生態降低使用門檻，企業可通過公有云或私有化部署快速接入技術，避免"被硬件綁定"的陷阱；其三，算力與存力成本下降，大模型調用費用被"擊穿"，結合混合云技術成熟，企業得以用更低成本嘗試技術落地。
從企業維度看，經過前期數字化鋪墊，各行業已積累大量結構化數據，并形成明確的智能化需求，例如，制造業的質量控制、零售業的精準營銷等，這為智能體的落地提供了土壤。翟峰和團隊發現，很多企業在經歷大模型熱潮之后越來越務實地發現，當前他們急需的是通過垂類應用解決具體痛點，而非投入資源訓練基礎模型。當企業剝離技術光環，直面具體場景時，會迅速回歸理性，他們更關注"技術能否解決實際問題""投入產出比如何"，而非概念炒作。
當前，企業應用已從早期的"知識庫問答"等淺層嘗試，向研發、售后、銷售等核心環節延伸。這種務實態度倒逼技術供應方必須提供"低門檻嘗鮮+規模化部署"的全周期服務。翟峰提醒，企業也應清醒認識到，智能體的"智能"依賴數據基礎——若企業未完成數字化"補課"，缺乏數據積累，技術落地將淪為空談。只有這樣，智能體才能真正從"拐點"走向"常態"，成為驅動產業升級的核心力量。
"零號用戶"的智能體實踐
IBM積極踐行"零號客戶"（client zero）的理念，即客戶的轉型流程和解決方案已經在IBM內部先行應用和實踐，IBM也能夠從為客戶提供的技術解決方案中獲益。
在智能體成為繼大模型之后最熱的概念之一后，各種號稱"Agent"的產品、應用、解決方案層出不窮。企業應該如何辨識或者正確地開始建設適合自身需求的智能體呢？
IBM科技事業部數據與人工智能資深技術專家吳敏達直言，現在市面上有很多熱門的智能體方案，它們簡單易用，能夠處理各種任務，確實很方便，但它們大多是通用型的智能體，并不是為企業量身定制的。這就像是一個萬能工具，看起來什么都能做，但在企業環境中使用時，往往會遇到水土不服的問題。另外，很多通用型智能體在企業級治理、準確性和可靠性方面存在挑戰。
因此，當客戶還沒有完全明確他們的需求時，IBM會推薦其已經成熟的智能體應用場景。IBM在HR、銷售、采購和客服這四個領域有著豐富的經驗，這些場景在IBM內部已經得到了充分驗證，更適合部署企業級智能體。如果客戶不確定從哪里開始，這四個領域是最有可能帶來顯著業務價值的。例如，人力資源智能體的應用幫助相關部門減少了61%的工單，銷售智能體可以從企業的數據庫中獲取銷售數據，進行銷售預測，每周可幫助銷售人員節省9小時的工作量等。
IBM積極踐行"零號客戶"（client zero）的理念，即客戶的轉型流程和解決方案已經在IBM內部先行應用和實踐，IBM也能夠從為客戶提供的技術解決方案中獲益。"我們廣泛采用了 AI驅動的自動化技術來提高生產力：在IBM，94%的人力資源相關的普通問詢已經由AI助手來回答；我們的合同起草速度提高了80%?？傮w而言，自2023年年初以來，我們已經節省了約35億美元的經營成本。"2025年年初IBM發布2024年度報告時，董事長兼首席執行官Arvind Krishna在致投資人的公開信中如是說。
翟峰以HR智能體的發展、形成為例，分享IBM"零號客戶"的智能體實踐。作為一家擁有超過20萬員工、業務覆蓋全球的跨國企業，IBM在智能體的落地實踐中，選擇了人力資源管理作為核心切入點之一，并非偶然，而是基于場景普適性、價值可衡量性及技術實現難易度的綜合考量。
據了解，IBM的HR場景應用始于2019年，核心目標是通過AI解決跨國企業管理中的一些痛點，例如政策查詢效率低、內部流程繁瑣、管理決策依賴經驗等等。IBM將全球各國相關的勞動法規、公司內部政策（如出差報銷、休假制度）整合至AI知識庫。員工可通過自然語言對話，例如，"我在德國出差的住宿標準是多少"快速獲取準確信息，替代傳統"找人—詢問—等待"的低效模式，且這一場景的普適性極高。
在針對內部流程自動化方面，以員工調動為例，傳統流程需經理登錄多個系統填寫多張表格，但智能體能夠通過對話式交互簡化操作：經理只需告知"將員工A從部門B調至部門C，生效日期為×月×日"，系統即可自動生成表單并提交審批，這種"對話即服務"的模式，在提高效率的同時降低了人為操作錯誤率。
在管理決策支持方面，以績效考核場景為例，AI通過分析員工代碼提交量、項目參與度等客觀數據，為管理者提供KPI考評建議，但同時，AI僅提供數據參考，最終決策仍由管理者結合主觀判斷完成。這種"AI建議+人類決策"的協同模式，既避免了"唯數據論"的偏頗，又提升了決策的科學性。
HR場景中諸如政策查詢、流程自動化等具有普適性，存在于所有企業，具有可復制性；效率提升、成本降低等價值指標可衡量。相較于研發或供應鏈等復雜場景，HR的AI應用更依賴知識庫構建與自然語言處理，技術門檻相對較低，適合作為初期試點。當企業通過"知識庫構建—流程自動化—決策支持"的閉環逐漸構建起一個個智能體，以及未來隨著大模型能力的提升，AI有望在更多復雜場景中釋放價值。
智能體潛能釋放的組織關鍵要素
智能體的潛能釋放，除了技術基礎外，更是企業戰略、組織能力與文化能力的協同進化，方能實現從"技術可用"到"價值落地"的跨越。
智能體要真正在企業中釋放潛能，數字化基礎僅是起點。翟峰指出，除技術準備外，企業還需在戰略定位、組織能力與文化能力的協同進化上下功夫，方能實現從"技術可用"到"價值落地"的跨越。
企業推動智能體釋放潛能的首要前提是明確戰略目標。翟峰強調，這一過程需遵循"自上而下"與"自下而上"的雙向驅動。企業的一把手需率先定義核心訴求，例如降本增效、服務創新或研發突破等，再將戰略拆解至研、產、供、銷、服等具體業務領域，最終下沉至某個具體的場景；而隨著企業內更多AI應用場景的落地，各業務域將逐步實現能力升級，并通過AI技術打通部門協同壁壘，構建智能化跨部門的協作網絡，逐步"向上"推動組織能力的乘數效應——通過場景實踐驗證技術價值，又通過戰略協同放大技術賦能效果，使企業組織在技術迭代與業務創新中形成良性循環，全面釋放智能時代的組織協同價值。
智能體的價值往往體現在跨業務域的聯動中，這要求企業打破"部門墻"，建立以智能體為核心的協同機制。IBM在實踐中發現，通過混合云架構統一管理多云/私有云環境，可有效降低跨部門數據共享的技術門檻，為智能體創造更廣闊的協作空間。
同時，組織在具備協同能力的同時，應培育復合型人才。智能體的有效落地依賴既懂業務又懂技術的復合型人才，他們是連接智能體技術與企業實際需求的關鍵橋梁。
翟峰指出，企業需避免盲目追求"大而全"的智能化改造，轉而聚焦能快速驗證ROI的細分場景。當某個部門通過智能體實現效率提升，其他部門便會主動跟進，形成規?；?。這種以點帶面的落地策略，既能降低試錯成本，又能通過榜樣力量推動組織變革。
而員工參與度是智能體落地的"最后一公里"，這需要企業構建"要我用"到"我要用"的文化。翟峰以一家民營制造業企業建立設備維修知識庫、開發相關智能助手為例。知識庫的建立需要將老師傅們諸如"聞聲辨故障"的經驗、隱性知識轉化為可量化的特征參數，構建結構化數據資產，但若缺乏相關文化或激勵，老師傅們是沒有動力分享這些經驗的，他會有"被取代"的危機。這就要求企業創造相應的文化制度，例如，將知識貢獻納入績效考核，或設立"智能體創新獎"，激發老專家分享經驗的積極性；同時，對他們要有發展的承諾，明確智能體是"輔助工具"而非"替代方案"，讓他們看到生產工藝和設備自動化發生變化后，數字化手段將加持他們之前的經驗，賦能他們處理更復雜任務，提升效率，而非取代其崗位。而且，這種人機相互賦能、知識迭代是一個動態的過程。這種文化推動的本質，是將智能體從"管理層推動的工具"轉化為"全員參與的伙伴"。翟峰強調，當一線員工看到智能體能幫自己減少重復勞動，他們才會真正擁抱技術。
IBM的AI文化實踐：從全員參與到深度賦能
AI不是"少數人的游戲"，而是"全員的能力升級"。通過全員推廣、場景創新、文化激勵，企業能快速構建"AI原住民文化"。
"IBM的戰略是幫助客戶在任何IT基礎設施上、使用其專有的數據和技術運行智能體。"翟峰告訴記者，"因此，IBM公司內部鼓勵員工學習AI、使用AI，以此提高效率。以IBM的技術團隊為例，很多技術人員每天都要用AI輔助工具，或者去寫代碼、評代碼、寫測試用例等等。其實就是鼓勵任何崗位任何人都去使用AI，并用AI創新來幫助你工作。"
基于此，IBM已經連續3年舉辦watsonx Challenge活動，旨在通過 watsonx平臺（IBM發布的企業級人工智能與數據平臺）解決現實世界的AI挑戰。這場全球員工參與的年度盛事，不僅記錄了IBM自身AI能力的進化軌跡，更折射出企業推動智能化轉型的深層邏輯。
據了解，該活動以"全員學AI"為核心目標，鼓勵員工在日常工作中使用AI工具?；顒釉诘谝浑A段的重點是普及，讓員工建立對AI的基本認知，消除技術神秘感。在基礎能力形成后，活動轉向"場景深耕"，員工被鼓勵以團隊形式提出創新方案。而今年主要強調深度賦能，它以業務需求為驅動，要求創意點必須緊扣企業核心戰略，比如優化內部流程、提高員工效率、提升客戶體驗等。同時，還引入AI評審工具，對提案的創新性、可行性進行初篩，再由全球專家委員會終審。翟峰強調，這種轉變背后，是IBM對AI落地的深刻認知：淺層功能無法形成競爭力，唯有將AI與核心業務流程深度融合，才能實現可持續的價值創造。
該挑戰賽最終大獎獲得者將獲得全球CEO表彰、技術峰會演講機會等榮譽。翟峰介紹，獲獎的方案將被納入企業知識庫，賦能全球團隊，在經過IBM自身這個"零號客戶"的內部實踐驗證后，再將成熟方案賦能給客戶，形成"內部孵化+外部推廣"的模式，將"內部實踐"轉化為"外部價值"，賦能客戶。"這樣給員工帶來巨大的獲得感、成就感。"翟峰表示，"同時，還培養了既懂業務又懂AI的復合型團隊。這些員工在與客戶合作時，能快速識別業務痛點并提出AI解決方案。"
翟峰再次強調，AI不是"少數人的游戲"，而是"全員的能力升級"。通過全員推廣、場景創新、文化激勵，企業能快速構建"AI原住民文化"。這種文化不僅能提升效率，更能激發自下而上的創新活力，形成差異化競爭力。
人的價值不可替代
AI"工具屬性"的強化，避免了技術過度擬人化可能引發的組織抵觸。
"我們也必須用‘以人為本'的思想對‘技術至上'的傾向進行糾偏：智能體雖然具備自主能力，但絕不意味著人的全方位撤退。在我們討論企業級AI的應用時，對AI影響就業市場的擔憂始終存在。企業管理層應當認識到，智能體將增強而不一定是取代人類員工。如果AI被過度推崇，我們很可能陷入‘人類輔佐AI'的本末倒置的境地，并且錯失‘人機協同'發展的黃金時期。"翟峰強調。
在IBM的實踐中，他們并沒有將AI包裝成"數字員工"，而是將其定位為"效率助手"，而非"同事"。這種定位體現在產品命名與功能設計中，例如，IBM內部使用的"Ask IBM"系列工具（如Ask HR、Ask IT等）以功能為導向，更關注技術如何實質性提升效率，避免引發"AI同事"的認知混淆。這種"工具屬性"的強化，避免了技術過度擬人化可能引發的組織抵觸。
翟峰再次強調，未來，智能體將扮演"賦能者"的角色，成為人類主導的集約化工作流中的協作者。低價值、重復性的任務將被自動化，而人類在戰略規劃、創意創新等高階領域的潛力將被進一步釋放。智能體的未來與其說是"全能自主"，不如說是"人機協同"。AI能夠解放人的雙手，但最終決定權永遠在人的手中。
