变革推动者：代理时代CEO的目标、决策及影响

QuantumBlack，McKinsey的人工智能 变革推动者：代理时代CEO的目标、决策及影响 企业正面临人工智能代理的阵痛期。以下是首席执行官们可以采取的措施，以克服这些困难，使企业成功。 本文由亚历克斯·辛格拉、亚历山大·苏哈列夫斯基、拉里·哈马莱宁、奥安娜·切塔、奥利·萨洛、帕拉夫·贾因、拉格夫·拉古纳坦、桑德拉·杜尔特、斯特凡·布特和维托·迪·莱奥共同撰写，代表量子黑科技、麦肯锡人工智能部门、麦肯锡技术部门以及麦肯锡人才与组织绩效及技术、媒体与电信业务部门的观点。 高管们常引用冰球传奇韦恩·格雷茨基的名言：“我滑冰是为了冰球的去向，而非它的轨迹。”这在某种程度上是明智的商业建议。但随着人工智能的飞速发展，冰球的移动速度已远超以往。 对于加快步伐的呼吁可能显得不切实际，因为首席执行官及其高管团队难以从早期的生成式AI投资中看到最终价值。开发和扩展生成式AI的应用案例被证明具有令人沮丧的挑战性。一些高管仍然不相信AI代理会带来重大影响——至少在短期内——并已从他们的投资中撤出。1 2当企业高管们应对不确定性时，有必要清醒认识到正在发生的变革速度及其潜在影响。大型语言模型（LLM）——这类基于生成式AI构建的软件系统具备自主规划、执行、记忆和学习能力，能够实现预设目标——正以惊人速度发展。随着技术日趋成熟，它们或将彻底改变企业的运营模式和价值创造方式（详见侧栏“塑造生成式AI与智能体的关键趋势”）。事实上，正如高德纳公司分析师约翰·洛夫洛克所言，当前这个被业界称为“幻灭期”的阶段，正是高管层抢占先机、超越竞争对手的黄金窗口期。 CEO们如何管理这种变化将决定他们能否抓住这种变化带来的好处。尽管人工智能代理还处于起步阶段，但早期的经验和教训突出了四种思维和行动，可以让CEO们获得成功： —重新想象什么是可能的。如今围绕智能体AI的许多思考仍然集中在自动化基本任务或增强知识上。然而，真正的胜利将来自更大胆的抱负，即围绕agentfirst系统构建重新构建的工作流和组织。 —立即行动并开始学习。基于基因的人工智能代理技术进步迅猛，若采取观望态度，可能面临巨大风险（详见侧栏“基因人工智能与代理技术突破”）。随着技术日趋成熟，早期实践经验将为快速建立竞争优势提供宝贵财富。 —现在就着手解决规模扩张和长期竞争力问题。关于技术、信任、治理、采购与自主开发、能力储备和人才储备等关键决策，对推动更广泛的转型至关重要。在进行试验的同时，应尽早着手制定战略并培养规模化运营能力，因为人才短缺和组织架构复杂将导致执行周期超出预期。 —让每个人都成为代理领导者。随着代理和代理系统接管越来越多的执行工作，组织中的每个人都需要培养代理领导力和监督技能。特别是高管团队需要以身作则，倡导学习和工作习惯的演变。 尽管诸多未知因素依然存在，但构建适应代理时代的企业需要对其运营模式、创新机制以及价值创造渠道进行根本性重构。本文将聚焦企业高管需要解决的三大核心要素——价值创造、规模扩张与人才战略。我们将勾勒出一个理想化的两年代理化转型路径，解析高管决策的关键考量，并探讨这种变革对企业运营模式可能产生的深远影响。 塑造生成式AI和智能体的关键趋势 102023年3月为36.00美元，2024年8月约为3.50美元。对于某些型号，成本不到1.00美元。11 系统表现优于单人特工克劳德·奥普斯4号，优势超过90%。5 人工智能代理在执行任务类型和用户交互方式上正日益接近人类。这些特性以传统技术无法企及的方式推动人工智能普及，彰显其改变各类活动的潜力。生成式AI作为核心能力，其可能性的持续增长源于四大相互强化的趋势： 67购买支出与投资规模呈现爆发式增长。用于训练尖端模型的算力需求正以年均四到五倍的速度攀升。前三大超大规模企业级云服务商计划在2025年共同投入超过2500亿美元用于人工智能和数据中心建设，而2023年企业界在通用人工智能解决方案上的支出已达约150亿美元，这相当于占全球企业软件市场的2%。8 模型与系统能力实现重大突破。新型推理模型在推理阶段采用“测试时计算”思维（即“系统2思维”）；标准化工具调用接口（如Anthropic的模型上下文协议MCP）确保模型能安全调用企业API；大幅扩展且精度更高的短期与长期记忆结构，显著提升了信息检索的广度与精准度；多智能体协调框架（如LangGraph、AutoG-en）使专业智能体能够委派任务、监控进度并协调工作；早期开发的智能体间协议（如由谷歌创建并捐赠给Linux基金会作为开源项目的A2A协议）预示着未来智能体将自主发现协作伙伴、协商角色分工并执行工作流程。 创新步伐加快。 12342020年全球仅发布了两款前沿大型语言模型（LLMs），而到2025年，根据统计方式不同，这类模型的数量将突破数十甚至数百大关。同样值得注意的是，自2020年以来，新型大规模人工智能模型的数量保持着每年167%的惊人增速。人工智能代理能够独立完成（成功率至少50%）的任务量，每七个月就会翻一番。截至发稿时，据最新报道，Anthropic公司开发的Cla-udeOpus4（克劳德·奥普斯4）完成的工作量，几乎相当于人类一天的工作量，而多智能体系统 9模型训练与推理效率实现显著提升。架构创新与优化技术突破使同等级功能的训练成本大幅降低。以ChatGPT3.5为例，其推理成本在2022年11月至2024年10月期间下降超过280倍。以每百万输入标记成本为例，该数值已从约 代理是否值得？ 关于人工智能代理价值的言论在互联网上随处可见。但由于这项技术仍处于初级阶段新的，这些说法很难证实。 然而，早期的实践表明，这具有重大价值。我们在技术资产现代化方面的经验表明，利用人工智能代理可以将时间缩短40到成本降低50%，同时产出质量提高，成本降低幅度超过40%。3 在另一个案例中，一家顶尖的全能银行面临重大挑战：既要交付大量IT项目以推动业务成果，又要应对沉重的技术债务和熟练开发人员短缺问题。该行从仅有的三名工程师起步，打造了一个由100个智能代理组成的科技现代化工厂，仅需五名人工监督。这些智能代理在人工指导下，完成了从逆向工程到新应用设计与开发的整个现代化生命周期，将时间和人力成本削减了50%以上。 我们的经验表明，人工智能代理最初用于支持人员和自动化任务，可以在公司层面推动3%到5%的年度生产率提高。随着人工智能代理团队能够执行更复杂的工作流程，增长可能会增加10%甚至更多。 了解你的代理人：从“代理劳动力”到“代理引擎” 高管们对代理人的角色和职能仍存在固有且狭隘的认知。这种认知偏差往往导致他们难以准确判断在风险管控、投资决策、资源配置及变革推进等关键领域需要做出哪些决策。 虽然人们很容易用人类的思维来理解智能体，但更客观的做法是将其视为能够执行一系列日益复杂任务的软件系统（如示例所示）。根据我们的经验，这种思路能更清晰地界定需要进行哪些组织变革。 代理劳动：代理作为帮助现有工作的工具 代理工具可通过简化个人基础任务和自动化工作流程，有效支持现有工作。 单一增强。这些工具可帮助自动化、加快或改进人们通常执行的任务。许多任务都很熟悉——起草研究笔记、总结会议、生成代码、进行研究或提出合同条款。 这些工具很可能已经成为，而且已经在编程等领域成为“做生意的成本”，类似于员工使用电子邮件和电子表格。 研究表明，在单一任务领域，个人处理效率可提升20%至30%，有时甚至显著更高。然而，将智能工具横向部署到整个业务中，却鲜少带来显著的业务效益。此外，这些工具的使用率往往会逐渐下降，且在多数工具中，核心用户之外的留存率会大幅降低。 要推动个人支持代理的广泛应用，需要做好变革管理方面的系统性投入，例如将工具嵌入标准操作流程、将预期产出与使用监测整合到绩效管理系统中、为员工提供专业培训指导，以及通过宣传和示范来传递其优势。与此同时，管理层还需制定策略，如何在预算分配和大规模效率提升措施中，有效把握这些分散在多个小任务中的生产力提升潜力。 任务和工作流自动化。第二个类别关注于自动化组织中现有的流程、工作流和任务。代理执行层本质上位于现有流程和系统之上（对它们进行小的更改）。 附件 代理系统可以处理越来越复杂的任务，这取决于公司能否克服一些关键限制。 基于任务复杂性递增的代理系统 主要技术厂商正在推出第一代代理产品，同时，新公司的激增正为许多功能领域（例如，客户关怀、财务报告和监控、编程、产品开发和采购）带来解决方案。 我们的研究表明，早期部署可使重复性事务性工作的处理周期缩短20%至40%，或降低处理成本。在客服中心，某些呼叫类型（如余额查询和地址变更等事务性操作）已实现近乎完全自动化。将智能客服工具嵌入工作流程并建立持续改进机制是核心驱动力，但单纯提供工具并不能奏效。 然而，阻碍价值实现的关键在于：这些高度领域化的应用场景往往各自为政，需要依赖其他系统和大量人工干预才能运作。此外，尽管模型能力不断提升，企业仍难以实现现有任务的规模化自动化，且难以保证高质量产出。 代理引擎：代理原生工作流和操作模型 由突破性技术推动的新兴智能系统，通过团队协作实现智能体协同工作，为创造重大价值提供了最具潜力的机遇。然而，要实现这一价值，需要重新思考和设计工作流程，使其以智能体为核心，无论是同一职能部门内部（如客户服务）还是跨部门（如从线索到订单）。 功能型智能工作流。该方案通过重构特定领域的工作流程（如财务规划与报告），充分发挥AI智能体团队和智能流程的优势。具体包括：重新规划任务顺序、合并重复任务、拓展数据源渠道，以及开发新型流程——例如在问题显现前就进行预警和解决。代理原生系统能够消除频繁的交接和碎片化活动，这些活动阻碍了许多当前的流程，因为代理团队被协调无缝地运行。 在软件开发的横向和纵向领域，专业供应商正致力于构建并部署端到端的智能客服系统，这些系统专为客户服务、财务管理、供应链规划及软件现代化等场景量身打造。若部署得当，这类系统不仅能大幅缩短业务周期，还能显著提升问题解决效率，从而有效提升客户满意度。以呼叫中心为例，预计该系统可实现60%至80%的工单自动化处理，其客户满意度评分将与现有系统（如交互式语音应答系统加一线客服支持）持平甚至更优。4 这类系统需要工程技术和领域专业知识的结合（例如将概率模型与传统确定性软件相结合），既要构建多智能体系统，又要重新设计相关组织架构和运营模式，同时确保在足够的人力监督下推进。关键在于为这些智能体植入治理规则（如访问权限、决策权限和质量关卡），针对特定工作流程（例如采购到支付、供应商合同、供应商沟通和政策管理）制定规范，从而避免监督人员被工作量压垮。 跨职能智能系统。这类以智能体为核心的系统能够处理跨部门的复杂业务流程（例如完整的客户旅程），并具备高级决策能力。例如：全天候在线的现场服务智能客服可自主调度技术人员、重新安排服务时间、订购零部件；理赔团队能快速审核保险申请；抵押贷款审批仅需数秒即可完成；金融周期管理中，智能客服可统筹从年度规划到月度报告的全流程。 这些智能系统能够创造多维度的价值，例如缩短上市时间、降低每笔交易成本、加快问题解决速度，以及通过更精准的营销定位提升收入。在早期试点中，采用现有技术的某些劳动密集型流程，每笔交易成本最高可降低70%至80%。 在这一层面，关键约束与组织和运营模式问题相关。首席执行官和董事会需要密切参与，重新设计运营模式，包括领导和团队职责，这些职责历来存在于孤立的企业职能中。渐进式的改变行不通，这种程度的变革需要彻底打破过去的惯例。 在代理旅程中做出的决定——以及需要考虑的一些重大影响 为帮助CEO们直观把握发展进程并作出关键决策，我们特别设计了这份为期两到三年的宏观路线图。该规划不仅标示了核心目标节点，更明确了需要CEO深度参与的关键决策事项。（详见侧栏《人工智能驱动的初创企业如何重塑商业版图》中的访谈片段） 与科技风险投资及孵化器公司Antler的联合创始人兼首席执行官