AI智能體：重塑組織、人機關系與未來競爭力

題圖｜虎嗅拍攝

許多企業負責人希望借助AI智能體來達成“業務升級”的目標。然而，AI智能體并非只是一個即插即用的功能模塊，它更像是一場人機協同模式的深度再造。

若缺乏精準的場景定位、數據沉淀和反饋機制，AI智能體的部署不僅難以釋放技術價值，反而可能造成流程梗阻。

真正實現“智能體原生”的企業運作，意味著從任務拆解到角色分工、再到決策鏈路的全盤優化：你的核心需求是否清晰？自主執行與人工監督如何平衡？在多智能體協同的未來，組織如何筑牢核心競爭力？

若這些問題尚未梳理清楚，而僅將AI智能體視為“替代人力”的捷徑，它可能帶來的不是賦能，而是內耗。

近期《AI無悖論》節目邀請中歐國際工商學院管理學副教授楊蔚、網易集團副總裁阮良與銜遠科技Frontis AI聯合創始人兼首席執行官任成元，探討大廠AI落地實戰，分享從游戲、電商到智能體應用的洞見：

l當AI從技術概念走向企業實戰，智能體如何重塑業務流程、組織形態與人機關系？

lAI時代的企業組織形態變革，會對傳統企業的管理層級與權力分配帶來哪些顛覆性影響？

l在人機角色反轉趨勢下，如何平衡AI執行效率與人類創新的價值？

l中美AI應用的差異化路徑會如何影響全球AI技術的發展方向，中國能否憑借算力效率優勢建立獨特的競爭壁壘？

l對于初創企業而言，如何在泡沫周期中精準把握技術轉化節奏，避免被資本周期裹挾而偏離核心業務？

本期主持人為中歐國際工商學院管理學副教授楊蔚，以下為交流實錄（虎嗅有刪編）：

大廠AI智能體落地實錄

楊蔚：二位從什么時候開始關注、涉及AI相關業務？整個歷程是什么樣的？

阮良：網易多年前就開始用AI賦能游戲。但新一代AI技術在產品效果和內部效率提升上有巨大的提升。AI現在在游戲里相當于一個非常高智能的NPC。舉個例子，當你玩一款游戲競技類的游戲，要真實匹配到跟你棋逢對手的玩家其實是比較困難的。AI可以做到每次匹配都有一個比較細分的對手。劇情類的游戲僅可以進行傳統的對話，還可以聊天，有些用戶甚至把它當做樹洞。由于AI NPC提供了像人一樣的情感反饋，玩家會更愿意投入在游戲里面。

楊蔚：根據您的描述，AI NPC提供了個性化的鏈接，如果每一個游戲都這么做，是否會改變游戲行業的競爭格局？

阮良：我認為在大的層面上不會顯著改變游戲的競爭，AI會讓游戲更好玩、更溫暖，提升內容延展性和玩家粘性。但平常喜歡玩吃雞類游戲的人，不會因為另一款游戲有了個AI我轉而偏向那個游戲。它只會把原來的內容放大。

任成元：京東從2016年開始做AI，我們關心的是，怎樣能通過AI使得消費鏈條上的決策效率大幅提升。我們用智能體來做人或者消費市場行為模擬，我們最早把AI用在了消費個性化和產業創新的加速上。每一個人可能都會找到獨屬于他獨一無二的這樣的一個對應的產品服務價值。所以這也是我們對未來智能體AI的發展，如何去變革我們的生活、產業方面的一些想象空間。

中歐國際工商學院管理學副教授楊蔚

楊蔚：智能體到底是一個什么樣的概念？

阮良：我個人認為，智能體（Agent）更像“人”，能處理很多低頻的事件。當碰到意外情況的時候，它有大模型判斷規劃，可以去幫你操作。

任成元：對，以往的技術不具備智能體有的自主性，智能體能聯通環境并去做一些事情。大家最期待的突破是他的反思和自我進化，比如給他一個任務后，他沒寫對，他可以去不斷的反思到底哪里出了問題。多次反思以后，他能找到這個路徑，這是所謂的智能體完整的自主性的體現。

阮良：AI論文里一個詞叫“Aha Moment”，就是他可能突然涌現了一種反思的過程。當這條新的路徑是人類都沒有想過的路徑時，我們稱之為“Alpha Moment”。Agents AI是醫療領域的專家會診，系統性的難題，單一的agent無法解決，可能就需要一堆agents循環調用。每個專業他只能做好自己專業的事情，AI也一樣，強調專業性就會喪失通用性。

網易集團副總裁阮良

楊蔚：就像一個悖論。

任成元：對，但這個悖論可以找到最優解，可能是一個更加泛化通用的智能體的編排者協調者。他會去協調無數個非常專業的agent來做事情。你遇到不同的問題，我知道要調取不同的專家，如何編排他，如何去協調、監督、反饋，最后達成結果。

這里面其實有一個概念是AI原生。隨著AI越來越像人，我們要思考AI原生的組織形態是否有可能超越人類的組織形態。

阮良：但是agent構成的這樣的組織可能跟人形成的組織有很大的差異。AI原生到來以后，由agent構成的一個組織會如何改變組織這個性質，很值得研究。

任成元：一個鮮活的案例是在編程里面應用AI，我們剛開始認為說AI是輔助我們的程序員來編程的，但很快發現人只是AI的拐杖。人更多的是輔助AI解決主流程中遇到的卡點。

銜遠科技Frontis AI聯合創始人兼首席執行官任成元

阮良：我們以前寫代碼，肯定會受限于自身的生理條件、學識和所處環境。團隊人數增多后，又產生大量的溝通需求，隨之而來的就是熵增。所以越是復雜、規模越大的產品，開發效率反而越低，但AI來了之后，很可能一個人或者兩三個人，就能憑借AI完成一個產品訴求。AI是24小時不間斷工作的，可以同時跑多臺電腦讓它并行處理。

任成元：人類對復雜性的系統認知是有邊界的，但是AI不會，只要給他足夠的算力，放一萬個agent進去，同時并行1000個任務，任務之間是有復雜的前后邏輯關聯的時候，沒有問題，但是人絕對做不了這件事情。

楊蔚：讓AI去并行，需要有一個非常有經驗的工程師或開發者，這個人是一個什么樣的作用呢？

阮良：很有經驗的工程師。但我認為這是階段性的，現階段AI的確還沒有那么強，人類的經驗還特別重要，但是當AI越來越進化的時候，可能產品經理就可以直接指揮agent去做。

任成元：我認為真正的專家能夠深度的理解為什么要做這件事。會定義問題，而不是會處理問題。它的核心是和上下游或者價值系統本身的連接怎么樣。有沒有超越技能本身在思考未來如何跟AI適配的一種設計。

阮良：就像教父里面那句臺詞說，真正聰明的人，他幾秒鐘就能洞察一個事情的本質。但不是聰明人的話，你可能一輩子都想不清楚這個問題，陷入在無窮無盡的執行當中。

思考AI時代的職業教育與職業發展

楊蔚：大學生和職場人如何鍛煉總結經驗、發現問題的能力？

任成元：我的思考是如何連接價值系統。站在企業核心層理解如何去管理、分配、監督任務。

楊蔚：我們的組織會不會更加扁平化？隨著工種被AI代替。

任成元：組織的存在實際是為了解決問題，創造價值。如果你把事情放在首位，不需要科層，在AI原生化階段，其實是以agent為主，人為輔助。如此就需要重新去看待你管理的這些資源的核心。是算力，是數據，之后才是人。

因此未來HR的定義會有很大的變化，因為人才結構發生了變化，基礎層絕大部分是數字員工，中層以上是人類。這時候你就發現HR絕大部分工作，你可能要去關注的是人和這些agent之間的協同問題。怎么去把理解好的目標和任務下發到整個agent的這套網絡里面，然后如何通過這套網絡來判斷高管或人類的價值貢獻。

楊蔚：所以我們未來的畢業生，首先得搞懂AI智能體的工作邏輯，這很可能會成為企業最看重的一項核心能力。

阮良：是的，這方面的話，其實現在的年輕人還是很有機會。因為大家都是在同一起跑線上。

任成元：某種意義上我會看好AI原生這一代。因為在AI里邊有非常多的邊界，現在我們還限制于人類過往經驗。AI原生這一代一出生他就各種嘗試，能探索到更遠的AI的那個邊界。

楊蔚：你越是一張白紙，你越有可能去到更遠的地方。

AI智能體的實際應用

楊蔚：AI智能體現在在二位公司企業的實踐中有什么樣的具體應用呢？

阮良：我們公司現在有個很典型的應用場景——給明星員工打造數字分身。優秀的產品經理還是銷售總會被同事追問各種基礎問題，嚴重耽誤核心工作。我們就把這些員工的文檔、聊天記錄等數據整合起來，搭建一個搭載大模型agent的知識庫，訓練成數字員工。這樣一來，70%左右的問題都能由數字員工解答，明星員工就能抽身去做創造性工作了。

這個模式還能復制到銷售和導購場景。比如銷售見客戶前，不用再到處問案例，直接查知識庫agent就能拿到詳盡資料；直接拉高服務下限。

任成元：我們更關注如何用AI拉高企業的上限——希望借助于AI，把創新創造力大幅的提升。從企業的角度，你的上限和下限就是創新和效率，創新可能決勝你的未來，效率是說如何活得更好。我們開發了“首席增長官”的AI系統，把管理學的方法論植入進去，讓它幫高管實時分析市場、跟蹤競爭對手，結合企業特性生成個性化的戰略建議。這個系統的難點在于企業數據的個性化問題，每家公司的數字化程度、賽道都不一樣。

阮良：我還有個不同的視角，AI不僅能拉高老板和高管的上限，也能拉高一線員工的上限。過去像BI報表這種數據工具，只有老板和高管能用，因為需要專業的數據團隊支撐。但現在AI能讓一線銷售、區域經理直接調取數據，自己拿到決策依據，這其實是一種“數據平權”。

任成元：這里面提到了組織內的決策信息流轉，我們現在開發了CIP——戰略決策層的助理，我們有兩套agent系統，一套給決策層，一套給執行層。決策層確定戰略方向后，AI會自動把這個“context”下發到員工的agent里，員工的所有工作思考，都基于公司的戰略框架。如果偏離了戰略，系統會直接提醒。

阮良：還有個很有意思的的場景，AI如何去降低企業內部的信息差的。比如說活動復盤。過去企業做促銷復盤，報告都是層層上報、被“抹平”過的，真實原因往往被掩蓋?，F在AI能直接整合銷售數據、客服反饋、社交媒體評論，生成客觀的復盤報告。

任成元：我們幫一個IP品牌做了全流程的AI活動管理。AI會自動制定促銷計劃，分解到店鋪裝修、內容撰寫、采購備貨等各個環節，給出六七十分的初稿，人再在這個基礎上優化。老板只需要做兩次確認，就能生成80分以上的方案。而且AI會持續跟蹤活動數據，復盤時精準定位問題。不過這里也出現了新問題——員工會越來越依賴AI，慢慢喪失主動思考的能力。

楊蔚：這確實是個隱患，短期能提升效率，長期可能會影響創新。

任成元：我們也在探索新的激勵機制——讓AI助理記錄員工的參與度和建設性建議的貢獻度。如果員工能指出AI方案的不足并優化，系統就會給他更高的評價，倒逼員工主動思考。

阮良：對年輕人來說，這種機制反而更友好。只要用好AI下屬，做出成績，貢獻就會被客觀記錄，這其實更有利于公平。

楊蔚：未來會不會出現一個人帶著一堆agent就能撐起一家公司的情況？

阮良：短期來看還不太可能，因為AI做戰略決策時，數據有很大局限性。它只能拿到互聯網公開數據和企業自有數據，拿不到友商的內部信息，而這些信息往往很關鍵。人不一樣，人可以通過外聯、社交拿到這些隱性數據，還能靠直覺做判斷。

任成元：未來企業里，人的核心價值會聚焦在外聯和洞察上——去獲取AI拿不到的數據，去做AI做不了的戰略判斷。而AI則會承擔中后臺的重復性、高頻次工作。就像現在海外已經出現了個人開發者靠AI年營收幾千萬美金的案例，未來“一人公司”可能會成為一種新形態，但肯定是少數。

中美智能體應用的差異

楊蔚：中美在AI智能體上有什么明顯的差異？為什么很多中國團隊會先做海外市場？

阮良：最核心的是付費意愿。北美企業和用戶愿意為AI工具付費，比如一個計算卡路里的應用，每月訂閱19、29美金都有人買單；但中國用戶習慣了免費服務，哪怕是國產大模型，想收費都很難。

任成元：還有人力成本的差異。歐美人力成本高，AI替代人的價值感特別明顯；而中國人力成本相對低，企業算下來，雇人可能比買AI系統還劃算。

阮良：而且中國是制造業大國，未來AI對制造業的賦能潛力巨大。但制造業的特點是成本敏感，不可能像歐美那樣大量采購昂貴的GPU，這也會推動我們在算力效率上持續突破。

任成元：我非常同意。其實現在的大語言模型還只是AI發展的0.1階段，未來多模態、世界模型才是方向，這對算力和存儲的需求會是現在的十倍以上。真正的AI爆發還沒到來，未來5到10年，芯片、能源、算力效率會迎來全方位的挑戰和機遇。

楊蔚：很多人說AI行業有泡沫，兩位怎么看？創業者現在還能進場嗎？

阮良：泡沫肯定是有的，但泡沫不是壞事。就像互聯網早期一樣，泡沫能吸引資本和人才進場，最終才能燒出真東西。沒有泡沫的行業，反而沒什么創業機會。

任成元：對創業者來說，泡沫期其實是最好的機會——只有浪大的時候，小公司才有機會沖到浪尖。當然這對創業者的要求更高，要能在風浪中把握節奏?，F在AI行業沒有長期的護城河，快就是唯一的優勢，只有每天都保持領先，才能在競爭中存活。

阮良：不過像騰訊這樣的公司，靠著以人為本的網絡效應，還是有很強的長期壁壘。它可能不會最先沖出去，但很容易后發制人。

任成元：但上一個時代的壁壘，未必能在AI時代延續。谷歌靠著transformer的技術積淀，在AI浪潮中快速調整，重新回到領先位置；而Meta雖然技術底子厚，但因為文化和業務整合的問題，表現就相對滯后。這說明技術變革期，大公司的轉型速度和文化適配性至關重要。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4821790.html?f=wyxwapp