智能体时代，CEO必须亲自回答的6个战略问题

作者：Alex Singla、Alexander Sukharevsky、Lari Hämäläinen、Oana Cheta、Olli Salo、Pallav Jain、Raghav Raghunathan、Sandra Durth, Stéphane Bout和Vito Di Leo，代表QuantumBlack，AI by McKinsey、麦肯锡科技业务、麦肯锡人力与组织绩效业务以及麦肯锡科技、媒体与电信业务的观点。

管理者常引用冰球名将韦恩·格雷茨基的名言：“我滑向冰球即将抵达的位置，而非它曾经所在之处。”从商业视角看，这句话颇具深意 。而在智能体技术迅猛演进的当下，“冰球”移动的速度已不可同日而语。

当CEO及管理团队为生成式AI投资迟迟未见回报而困扰时 ，“加快布局”的呼声难免刺耳。实践证明，生成式 AI 用例的开发与规模化落地 并非易事。一些高管仍质疑智能体能否带来实质成效（尤其在短期内），并选择暂缓投入【1】。

在迷雾中前行，CEO必须直面变革的速度与潜在影响。智能体是基于生成式AI构建的软件系统，具备自主规划、任务执行、信息记忆及持续学习能力，可独立达成预设目标。随着技术加速成熟，企业运作方式与价值创造逻辑都可能随之重塑（详见边栏“驱动生成式AI与智能体发展的关键趋势”）。正如高德纳咨询公司的约翰·洛夫洛克所言，当前技术处于“幻灭低谷期”【2】，但此时恰恰为企业提供了弯道超车的窗口。

企业如何应对这场变革，将决定能否真正捕获智能体技术价值。尽管仍处早期阶段，已有实践显示，以下四种思维与行动将成为CEO构筑领先优势的关键：

围绕智能体价值的讨论铺天盖地，但由于技术仍处于起步阶段，各类观点往往难以验证。

不过，早期落地经验已显现出可观价值。在企业技术架构现代化实践中，引入智能体可将项目周期缩短40%至50%，成本降低逾40%，同时提升产出质量【3】。

另一案例中，某领先综合银行面临巨大挑战：一方面需推进大量IT项目以支撑业务发展，另一方面背负沉重的技术债并面临熟练开发人员短缺问题。该行从三名工程师组成的小团队起步，构建了一个由100个智能体和5名监督人员组成的“技术现代化智能体工厂”。在人工监管下，这些智能体完成了从逆向工程到重新设计与开发应用的全周期现代化工作，时间与人力成本均削减逾一半。

整体来看，初期将智能体用于支持人员与任务自动化，可推动企业年生产率提升3%至5%；随着智能体团队承担更复杂的工作流，生产率增幅有望超过10%。

许多管理者仍习惯以固有视角看待智能体，因认知局限，在风险判断、投资决策、资源配置与变革推进上犹疑不决。

与其把智能体简单类比为“员工”，更准确的理解，是将其视为可执行愈发复杂任务的软件系统（图）。这一视角转变，将帮助企业厘清组织变革方向。

智能体工具可融入日常工作，承担基础任务，通过流程自动化为既有岗位提供助力。

个人增效。这些工具能够自动化、加速或优化原本由人工执行的常见任务：撰写研究笔记、总结会议纪要、生成代码、开展调研、拟定合同条款等。

在编程等领域，它们正成为和电子邮件、表格一样的“基础配置”。

研究显示，它们可使个人效率提升20%至30%，部分单项任务提升幅度更高。然而，在企业内全面横向部署智能体工具，往往难以带来显著的业务价值。多数工具在核心用户之外的使用率迅速下滑，留存乏力。

推动个人辅助智能体的广泛采用，需要投入常规变革管理资源：将工具嵌入标准操作流程、将预期产出与使用监测纳入绩效管理体系、开展员工培训，并通过沟通示范建立信心。同时，企业需要思考如何将分散在细小任务上的效率提升汇聚为整体生产率，这通常需结合预算管理与规模化效能提升举措实现。

任务与流程自动化。第二类应用聚焦于组织既有流程、工作流和任务的自动化。智能体执行层搭建在现有流程与系统之上，仅需小幅调整。

主要科技企业正推出第一代智能体产品，大量新创公司亦针对客户服务、财务报告与监控、编程、产品开发、采购等场景推出解决方案。

调研显示，在重复性、事务性工作中，早期部署可将周期或处理成本缩短20%至40%。在客服中心，部分来电（如余额查询、地址变更）已接近全流程自动化处理。要发挥效益，关键在于将工具嵌入工作流，并建立持续改进机制，而非停留在“工具交付”阶段。

当前技术价值的充分释放仍面临显著阻碍 :这些高度领域化的用例多以孤岛方式运行，且严重依赖其他系统及人工介入。即便模型能力持续演进，企业仍难以大规模、高质量地自动化现有任务。

随着多智能体协作技术的突破，新一代智能体系统展现巨大价值潜力。但要真正捕获价值，必须以“智能体优先”理念重新设计工作流程，无论是单一职能（如客户服务）还是跨职能流程（如从销售线索到订单转化）。

职能型智能体工作流。此类场景下，特定领域流程（如财务规划与报告）经过重构，以充分发挥智能体团队和智能体流程优势。这意味着要重排任务顺序、合并任务、接入新数据源，并创建新流程（例如事前洞察与风险化解）。智能体团队之间的无缝协同，可消除频繁交接与碎片化作业的掣肘。

横向与纵向软件厂商正在为客户服务、财务、供应链规划、软件现代化等场景构建全栈式智能体原生应用。这些应用若部署得当，可缩短端到端周期、加速问题解决、提升客户满意度。以呼叫中心为例，预计可自动处理60%至80%的来电请求，且客户满意度不低于、甚至优于现有系统（如交互式语音应答+一线人工支持）【4】。

构建这类系统，需要工程技术与专业领域知识协同：既要将概率模型与传统确定性软件相集成构建多智能体系统，也要在充分人类监督下重塑组织和运营模式。必须为目标工作流（如采购到付款、商家签约、供应商沟通、政策管理等）设定治理规则（如访问权限、决策权、质量关卡），以避免监督人员迅速被海量事务淹没。

跨职能智能体系统。这类“智能体优先”系统聚焦跨职能的复杂工作流（如端到端客户旅程），具备更高决策能力。例如，现场服务智能体可全天候自主调度技术人员、调整上门服务时间以及订购配件；保险智能体团队可自动审核理赔申请；抵押贷款审批可在数秒内完成；在财务周期管理中，智能体可处理从年度规划到月度报告的全流程。

此类系统可在多个维度创造价值，如缩短产品上市周期、降低单位交易成本、加快问题解决速度，以及通过精准推荐提升收入等。初期试点显示，在部分人力密集型流程中，单位交易成本可下降70%至80%。

此时，制约不在技术，而在组织与运营模式。CEO与董事会必须深度参与运营模式重塑，重新界定原本分散于职能孤岛中的领导与团队职责。渐进式调整已难奏效，这一阶段的转型需要彻底打破既有实践。

为帮助CEO看清前路并把握关键抉择，我们设计了一份高层次、假设性的两至三年路线图，标注了关键节点及需要CEO亲自推动的核心决策。

路线图设定的目标和时间极具雄心，我们也承认，两年内存在众多变量。但经验表明，CEO必须设定大胆的目标与愿景，才能激励组织进取，加速变革进程。

第一年的关键，是统一认知、积聚势能、夯实基础，为智能体规模化运行铺设轨道。工作重心应锚定在明确的职能与业务板块，通过智能体降低既有流程的运营成本（例如设定最高10%的效率提升目标）。但更重要的是打破组织惯性、有的放矢地行动，并在实践中学习。

转型前两年，企业应重点把握以下里程碑：

要实现上述里程碑，CEO需在以下核心方向亲自把关：

以价值为导向规划转型路线图。当前焦点过多集中于个体生产率，尽管有益，但这并非最大价值池所在。真正的变革性价值源自智能体对整套工作流程的重构。

CEO需确保团队从零散用例，转向聚焦跨职能重点工作流，从“AI孤岛研发”走向跨职能智能体团队，涵盖AI、数据、IT、技术及相关领域专家。

在此过程中，必须高度重视学习沉淀。实践经验应被集中捕获与复用，并形成系统化的“智能体优先”工作流手册，明确投资回报标准、多智能体协同模式、技术与数据集成最佳实践、管控与评估机制，以及智能体适用边界。

企业需组建中心化团队（智能体工厂），负责识别流程、推动重构并实现规模化复制。

推进规模化落地。2022年，亚马逊创始人杰夫·贝索斯要求开发者在代码中嵌入可向第三方开放的API，奠定了平台化扩展基础。同理，CEO应推动智能体构建标准化设计原则，并在全组织能执行。企业需优先打造模块化、可组合的智能体，而非单体僵化系统，使功能组件可复用与重组，从容适配多业务场景。这不仅是技术选择，更应成为企业战略共识。

“智能体工厂”将在规模化落地中发挥核心作用。它由专门团队组成，负责智能体开发和部署，以及建立标准化系统和规范，确保企业内部的大规模应用。具体包括：构建可复用的业务流程蓝图库、设立风险校验与安全机制、建立性能评估体系，并统一设定KPI。

同时，该工厂还需承担治理职能，避免智能体在组织内无序扩散，确保遵循企业制度与所在国监管要求，在规模化扩展的同时保持安全可控。

打造高效智能体工厂需实现以下关键转变：

• 技术与数据。要实现智能体的协同开发与统一管理，CEO必须优先构建合适的技术架构。有些能力可来自外部专业服务商，但必须保持供应商中立，避免被锁定，确保企业能在多平台上灵活整合自研与外购智能体。

  投资意愿更强的企业可探索部署智能体AI网格架构，这是一套统筹业务负载的模式、实践与原则体系。同时，规模化落地离不开高质量数据底座：整理完备、动态更新的结构化数据必不可少。该工程难度较高，需由高层牵头优先落实。

重塑人才体系与运营模式。许多组织急于培训员工使用生成式AI与智能体工具，这虽能建立基础技能，但成效有限。真正的变革要求人人具备开发与监督智能体的能力，使智能体深度融入工作模式，而非只是现有工作的简单外挂。

这需要HR领导者推动构建人机协同的混合运营模式，帮助员工掌握关键技能：如何构建与训练智能体、如何分配任务与追踪执行、如何纠偏提升质量，以及如何协调多个智能体完成复杂任务。这本质上是对未来工作方式的重塑，是确保流程重构成果可持续的关键步骤，也是智能体落地必须同步推进的组织变革。

为深化变革，绩效管理体系也需同步调整。考核指标需逐步与员工的“智能体管理能力”挂钩，例如员工借助智能体完成任务的数量与质量，以引导行为方式转变。

智能体旅程进入第二年，核心在于将早期经验规模化，重点不再是“智能体能做什么”，而是“智能体能为企业损益带来什么”。此时，企业不能满足于在既有流程中简单嵌入智能体，而应着手对关键的客户旅程与工作流程进行“智能体重塑”。

在转型第二至第三年，企业应重点关注以下关键里程碑：

随着智能体能力不断成熟，CEO需将关注重心转向组织与运营模式的深层变革。

以价值重塑为核心，规划转型顶层设计。初期的降本与试错项目固然重要，但小幅改善难以撑起未来竞争力。CEO需将生产率与价值增幅目标提升至50%以上，并敢于全面质疑企业的既有业务。在此阶段，CEO需以颠覆性思维重新构想价值创造与业务管理的可能性。

具体而言，要回答几个关键问题：在智能体主导的未来，商业模式的哪些环节仍具有防御性？哪些智能体创新与体验能构成可持续差异化优势？未来差异化源自何处？这些答案将指导企业做出“自研、外购还是合作”的战略选择，同时明确哪些数据资产、知识产权与核心竞争力必须严守。

在加速重构的过程中，善用智能体进行快速测试、学习与迭代的CEO，将抢占战略先机。例如，利用智能体在数字孪生环境中，以更低的成本大规模、快速测试流程、应用与产品方案；一旦方案验证有效，即可由智能体直接推动落地。在这一高度自动化的流程下，变革管理成本将大幅下降。

CEO还需重新思考智能体化经济下的预算安排、商业模式与投资方向。随着人机比例剧烈调整，企业投入重心将从劳动力转向技术。CEO必须与CFO及首席人力资源官协同，构建面向未来的财务与人才能力模型，更精准地规划、追踪和优化技术与人力投入。

规模化推进转型。随着端到端的智能体工作流与客户旅程不断跨越传统职能边界，旧有组织架构将逐渐失去意义。固守旧有架构并依此构建智能体系统，将扼杀规模化潜力。

企业需重构业务重心，以价值产出为导向设计智能体组织。例如，可围绕客户准入、新客销售等价值流，组建人机协同团队。这一转变必然伴随艰难的治理抉择：谁来管理价值流？责任如何划分？绩效如何评估？

CEO需重点把控这些关键环节，确保“智能体优先”转型不会陷入混乱。例如，若部门或团队各自开发功能重叠的智能体，不仅会造成资源浪费与执行混乱，还可能带来新的业务风险。

人才与运营模式。麦肯锡研究预测，到2030年，多达30%的工作时长可实现自动化，而潜力远不止于此。组织内的人机配比将发生根本性改变，催生新的智能体间、人机间协作关系。

CEO需携手首席人力资源官，明确未来智能体劳动力形态，规划技能培养路径，并制定多余人力的再部署方案。

人力资源系统需进行深度调整，以适应技术的飞速迭代：定期审视岗位结构，明确哪些岗位需重构、增设或裁撤，并加速员工技能升级与转型节奏。岗位配置、职业路径、绩效管理、激励机制与汇报体系都需围绕智能体化运营进行重构。

例如，应将智能体管理KPI纳入绩效考核，定义“智能体调度师”、“智能体训练师”等新型岗位，并将员工在这些岗位上的熟练度及管理人机混合团队的能力，与晋升机制挂钩。

随着智能体在企业内部加速渗透，其影响将触及业务的每一个角落。CEO与董事会必须做到双线推进：既要推动短期落地，又要前瞻把握长期影响。（关于CEO如何推动智能体变革，详见边栏“CEO行动纲领”。）

以下关键问题，可帮助CEO与董事会展开前瞻思考：

麦肯锡 | 麦肯锡招聘 

麦肯锡北京数字化能力发展中心 | 麦府学堂

麦肯锡 | 麦肯锡DCC | 麦府学堂

业务咨询：gc_client_enquiries@mckinsey.com.cn

媒体垂询：gc_communications@mckinsey.com

麦肯锡公司版权所有©2026年。未经许可，不得做任何形式的转载和出版。转载请在消息栏回复“转载”查阅须知。