Agentic AI革命已迈入一周年，有一个教训愈发清晰：要想做好智能体AI部署，必须付出艰辛努力。
企业的智能体AI转型有望带来无可比拟的生产力提升。尽管部分企业已通过相关实践收获初步成效，但更多企业仍难以从其投资中看到价值。在某些情况下，这些企业甚至选择缩减智能体AI的应用规模——在智能体失效的领域重新招聘人力。
什么是Agentic AI？
挫折是任何新技术发展过程中的自然阶段，此前其他创新技术的发展也呈现过类似规律。为总结早期经验，我们近期深入研究了麦肯锡主导的50多个智能体AI开发项目，以及市场上数十个其他相关项目，并将分析结果提炼为六条核心经验，助力企业领导者通过智能体AI成功创造价值。
关键在工作流，而非智能体本身
通过智能体AI实现业务价值，核心在于改变工作流。然而，许多企业往往过度关注智能体或智能体工具本身。这必然导致开发出的智能体看似功能强大，却无法真正改善整体工作流，最终创造的价值不尽如人意。
聚焦于从根本上重新设计整个工作流（即涉及人员、流程和技术的各个环节）的智能体AI项目，更有可能取得积极成果。理解智能体如何为工作流的每个环节提供支持，才是实现价值的关键路径。人员仍将是完成工作的核心，但如今会有各类智能体、工具和自动化技术为其提供支持。
重新设计工作流的重要起点，是梳理现有流程并明确用户的核心痛点。这一步对于设计智能体系统至关重要——合理的智能体系统能减少不必要的工作环节，让智能体与人员高效协作，更精准地达成业务目标。这种协作可通过学习循环和反馈机制实现，进而构建一个自我强化的系统：智能体的使用频率越高，其智能化程度和与业务的契合度就越高。
我的解读：所以，梳理工作流还是咨询顾问的强项，麦肯锡未来的项目会是更多帮助企业梳理工作流，然后再落地智能体。这已经说的很明白了。
以某替代性法律服务提供商为例，该公司曾致力于实现合同审查工作流的现代化。由于其业务领域的法律推理需不断适应新判例法、司法管辖区差异及政策解读的变化，相关专业知识难以固化。
为应对这种天然的差异性，该公司团队设计的智能体系统可在工作流中持续学习。例如，文档编辑器中用户的每一次修改都会被记录并分类，为工程师和数据科学家提供丰富的反馈数据。他们可利用这些数据训练智能体、调整提示逻辑（Prompt Logic）并完善知识库。长此以往，智能体便能逐步固化新的专业知识。
我的观察：这个就是传统大模型里的RL强化学习，笔者之前做动态定价咨询也是这么去训练模型的。只不过，被麦肯锡说起来很重要，其实对于任何一个上线Agent的项目，这是必不可少的一环。
将重心放在工作流而非智能体本身，能让团队在恰当的环节部署合适的技术——这在重构复杂、多步骤的工作流时尤为重要。
来源：麦肯锡
例如，保险公司通常拥有涵盖多个环节的大型调查类工作流（如理赔处理和承保），每个环节都需完成不同类型的任务和认知工作。企业可通过精心部署“规则驱动系统、分析型AI、生成式AI与智能体”的针对性组合，并重构此类工作流，而所有这些技术都需依托统一的编排框架（如AutoGen、CrewAI、LangGraph等开源框架）。在这类场景中，智能体扮演着“编排者”与“整合者”的角色：它们可调用工具，并将其他系统的输出结果整合到自身的工作场景中，成为连接整个工作流的“粘合剂”，从而在减少人工干预的前提下，实现真正的工作闭环。
我的补充：这个内容之前Anthropic已经阐述的很清楚的，可以参考Anthropic官网上关于如何搭建智能体的问题，也可以参考笔者文章，后台公众号发问就可以。
智能体并非万能解
AI智能体的能力固然强大，但并非所有场景都适用。许多领导者往往未能深入分析待完成的工作内容，也未思考“智能体是否是执行该工作的最佳选择”，便盲目部署智能体。
为避免投资浪费或引入不必要的复杂性，企业领导者在看待智能体的作用时，可类比评估高效团队成员的思路：核心问题应是“需完成的工作是什么？每位潜在团队成员（或智能体）具备哪些相对优势？如何通过协作实现目标？”。
很多业务问题其实可通过更简单的自动化方案解决，例如规则驱动自动化、预测分析或大型语言模型（LLM）提示词调用——这些方案往往比“开箱即用”的智能体更可靠。
在急于采用智能体解决方案前，企业领导者应先充分评估任务需求。具体而言，需明确三个关键问题：
从某种层面来看，这些问题的答案并不复杂。例如，投资者入职、监管披露等“低差异性、高标准化”的工作流，通常具有严格的管理规范且遵循可预测的逻辑。在这类场景中，基于非确定性LLM开发的智能体可能会增加复杂性与不确定性，而非创造价值。
与之相反，“高差异性、低标准化”的工作流则能从智能体中显著获益。例如，某金融服务企业部署智能体提取复杂的财务信息，不仅减少了人工验证的工作量，还简化了工作流。这类任务涉及信息整合、验证检查与合规分析——这些都是智能体的优势领域。
避免“AI糟粕”：加大评估投入，建立用户信任
团队部署AI智能体时，最常见的陷阱之一是：智能体系统在演示中表现亮眼，却让实际负责工作的用户倍感困扰。用户抱怨“AI糟粕”或“输出质量低下”的情况屡见不鲜。一旦用户对智能体失去信任，其使用率便会大幅下降，而自动化带来的效率提升，也很容易被信任缺失或质量下滑所抵消。
从这一反复出现的问题中，我们得到一个深刻教训：企业应像投入员工培养一样，大力投资智能体的开发。正如一位企业领导者所言：“让智能体‘入职’更像是招聘新员工，而非部署软件。”智能体需要明确的“岗位职责说明”，需要经过“入职培训”，并持续接收反馈，才能不断提升效能。
开发高效的智能体并非易事，它需要整合专业人员的知识来制定评估标准（即“Evals”），并针对特定任务，将最佳实践细化为可落地的规范。这些规范既是智能体的“培训手册”，也是其“绩效测试标准”，可确保智能体的表现符合预期。
我的补充：大家可以去后台与智能体互动，查询红杉之前提出的xbench的概念还是很有意思的。这里再对想要落地智能体的企业提个醒，上线是一码事，后期的评估、测试、维护、升级是更重要的事情。千万不要忽略。
这些最佳实践可能存在于标准操作流程中，也可能是员工头脑中的隐性知识。在固化这些实践时，关键在于聚焦“顶尖执行者与普通执行者的核心差异”。以销售代表为例，这种差异可能体现在“如何推进对话、处理客户异议、匹配客户沟通风格”等方面。
评估标准类型（Eval Types）
至关重要的是，专业人员需持续参与智能体的性能测试——在智能体领域，绝不存在“一上线就万事大吉”的情况。这种对评估的投入要求专业人员，为特定输入明确标注“期望输出（或不期望输出）”，对于较复杂的智能体，此类标注甚至可能多达数千条。通过这种方式，团队可评估智能体的对错比例，并进行必要的修正。
某全球性银行在改造“客户身份识别”与“信贷风险分析”流程时，便采用了这种思路。每当智能体针对“准入准则合规性”提出的建议与人工判断存在差异时，团队会立即找出逻辑漏洞、完善决策标准，并重新开展测试。
例如，在某一案例中，智能体最初的分析过于笼统。团队针对这一问题提供反馈后，开发并部署了额外的智能体，确保分析的深度足以提供具有实用价值且颗粒度适宜的洞见。他们采取的方法之一是，连续向智能体追问“为什么”，通过这种方式确保智能体的表现达标，从而大幅提高了人工对其输出结果的接受度。
简化每一步的追踪与验证流程
当仅使用少数几个AI智能体时，审查其工作成果、发现错误相对简单。但随着企业部署的智能体数量达到数百甚至数千个，这项工作会变得极具挑战性。更棘手的是，许多企业仅追踪最终结果——因此，当错误出现时（企业扩大智能体应用规模后，错误必然会发生），很难精准定位问题根源。
智能体的性能需在工作流的每个环节进行验证。在工作流中嵌入监控与评估机制，能让团队及早发现错误、优化逻辑，并在智能体部署后持续提升其性能。
例如，在某文档审查工作流中，某替代性法律服务提供商的产品团队发现，当系统处理一组新案例时，准确率突然下降。但由于他们在智能体工作流中集成了可观测性工具，能够追踪流程的每一步，因此迅速定位了问题：某类用户提交的数据质量较低，导致系统解读错误，进而生成了质量不佳的下游建议。
明确问题后，团队改进了数据收集流程，为上游相关方提供了文档格式指南，并调整了系统的解析逻辑，智能体的性能很快便恢复正常。
最佳用例即复用用例
在急于推进智能体AI应用的过程中，企业往往会为每个已识别的任务开发专属智能体。但实际上，许多任务共享大量相同操作（如数据摄入、提取、搜索、分析），完全可由同一个智能体完成——这种“一事一智能体”的做法会导致严重的冗余与浪费。
决定“在可复用智能体（而非单一任务智能体）上投入多少资源”，类似于IT架构领域的经典难题：企业需快速推进开发，同时避免因决策固化而限制未来的能力拓展。如何平衡这两方面，往往需要大量的判断与分析。
我的看法：我和Flowith的CTO聊的结论是他告诉我，未来Agent应该能自动规划任务，从而达到比人类更加高效的目的。反过来，我们可以谈Flowith CTO的结论是愿景，但是提醒大家的是，未来智能体一定会更加通用的。所以，现在市场有一些battle在于“专业”和“通用"智能体的battle。我的感觉是，谁能抽取企业内部的隐性知识，谁就有更大的获胜概率。
识别重复性任务是良好的起点。企业可开发能在不同工作流中轻松复用的智能体及智能体组件，并简化开发者的访问流程。这包括构建一套集中化的“经验证服务”（如LLM可观测性工具、预批准提示词库）与“资产库”（如应用模式、可复用代码、培训材料），确保这些资源易于查找和使用。将这些能力整合到统一平台至关重要——根据我们的经验，这一举措可减少30%至50%的非必要工作。
人类仍不可或缺，但其角色与数量将发生变化
随着AI智能体的应用日益广泛，“人类将扮演何种角色”这一问题引发了广泛担忧：一方面是对工作安全感的焦虑，另一方面是对生产力提升的过高期待。这导致人们对当前许多工作中“人类角色”的看法存在巨大分歧。
需明确的是：尽管智能体的能力会不断增强，但即便其与人类的工作内容随时间推移发生变化，人类仍将是劳动力体系中不可或缺的一部分。例如，人类需监督模型准确性、确保合规性、运用判断力处理边缘案例。此外，正如前文所述，智能体并非万能解，因此仍需人类结合机器学习模型等其他工具开展工作。不过，在利用智能体完成工作流转型后，特定工作流中的人力数量可能会发生变化，且通常会减少。对于企业领导者而言，他们必须像管理其他变革项目一样，妥善处理这些转型过程，并精心分配“智能体培训与评估”所需的工作资源。
我们从实践中总结出的另一个重要经验是：企业应审慎设计工作模式，确保人类与智能体能够高效协作。若忽视这一点，即便最先进的智能体项目，也可能面临“隐性失效、错误叠加、用户抵触”的风险。
仍以之前提到的“希望利用智能体优化法律分析工作流”的替代性法律服务提供商为例。在设计工作流时，该团队花时间明确了“何时、何地、如何整合人类输入”。例如，智能体能够以高准确率整理核心诉求与金额数据，但由于这些信息对整个案件至关重要，仍需律师进行双重检查与确认。
我的思考：个人感觉麦肯锡之前提到的思路是对的，但是这里又出现一个悖论就是如果未来的智能体越来越多，那岂不是要追溯的步骤、管理的“员工”也越来越多，到最后，还是和写代码一样，改比写花的时间更多？
同样，智能体可针对案件提出工作计划建议，但鉴于该决策的重要性，人类不仅需要审查建议，还需对其进行调整。此外，智能体还被设定为“突出显示边缘案例与异常情况”，帮助律师形成更全面的判断。在流程末尾，仍需由人类签署文件——凭借其职业资质为法律决策提供背书。
在“人机协作”设计中，一个重要环节是开发简洁的可视化用户界面（UI），降低人类与智能体的交互难度。例如，某财产与意外保险公司开发了交互式视觉元素（如边界框、高亮标记、自动滚动功能），帮助审核人员快速验证AI生成的摘要。当审核人员点击某一洞见时，系统会直接滚动到对应的页面，并高亮显示相关文本。这种对用户体验的重视，不仅节省了时间、减少了反复质疑，还增强了用户对系统的信心，使其用户接受度接近95%。
AI智能体领域的发展日新月异，未来我们必将总结出更多经验。但如果企业在推进智能体项目时，不注重在实践中学习，就很可能重复过去的错误，延缓发展进程。
粤ICP备14082021号
免费POC，
零成本试错
