AI智能体的未来与其说是“全能自主”，不如说是“人机协同”。AI能够解放人的双手，但最终决定权永远在人的手中。

本文刊载于《商学院》杂志2025年9月刊，作者：石丹。转载已获授权。

北京2025年9月26日 美通社 －－ 智能体（AI Agent）已经成为继大语言模型（LLMs）后，AI领域最热的话题。

IBM大中华区技术销售总经理、首席技术官翟峰告诉《商学院》记者这样一组数据：IBM商业价值研究院（IBV）最新发布的《IBM全球CEO调研报告》显示，受访的企业高管预计，未来两年AI投资的增长率将超过两倍，并且有61％的CEO确认他们目前正在积极采用智能体，并准备将其规模化应用。

继2025年5月在Think 2025大会期间首批对外发布了3个智能体（人力资源智能体、销售智能体和采购智能体）后，2025年7月底，IBM发布了通用型企业级智能体（IBM Computer Using Generalist Agent，以下简称“IBM CUGA”）的重要突破。IBM CUGA是一种能够跨多个业务场景、整合多种工具、执行复杂任务的通用型智能体，可以像资深员工一样理解用户意图、规划任务、调用工具、协调多个系统，并不断学习和适应新的挑战。如今，IBM CUGA不仅在模拟企业场景中经受住了严苛测试，更在2025年7月的AppWorld Benchmark（一个由多个研究机构和学者共同创建、用于评估交互式编程智能体的基准测试环境）中荣登第一。

翟峰表示，随着生成式AI的加速普及、智能体的迅猛发展，以及智能流程自动化的不断突破，企业正迎来第三波人工智能助手浪潮。

智能体规模应用正迎来“拐点时刻”

智能体迎来“拐点时刻”的本质，是技术成熟度与企业需求的“双向奔赴”。“但真正的技术价值不在于概念炒作，而在于能否解决实际问题、创造可量化的业务收益。”

在翟峰看来，智能体是一种能够自主理解、规划并执行复杂任务的软件程序，它由大语言模型驱动，可根据需要调用各类工具、其他模型及系统与之交互，以实现用户的目标。智能体将大大降低使用AI能力的门槛。用户只需通过简单的对话界面陈述其目标，智能体网络则通过后端系统采取必要的行动。智能体与传统的AI助手（AI Assistant）不同，后者每次生成回复都需要用户提示，而智能体在理论上只需用户下达一项高层级任务，便会自主规划完成路径，因此它能承担更为复杂的工作。

智能体迎来“拐点时刻”的本质，是技术成熟度与企业需求的“双向奔赴”。“但真正的技术价值不在于概念炒作，而在于能否解决实际问题、创造可量化的业务收益。”翟峰表示。

从技术维度看，大模型技术的突破使智能体具备更强的“理解推理执行”能力，能够处理更复杂的任务拆解与跨域协作，而智能体的核心也在于自主性和规划能力，它们需要具备逻辑推理、工具调用能力和执行任务的能力，这些关键突破意味着智能体在2025年的爆发已经具备了技术基础。具体来看，翟峰表示，其一，如今大模型能力显著提升，以IBM开源的Granite模型为代表，参数规模与语义理解能力跨越临界点，多模态交互与复杂任务拆解能力大幅增强；其二，开源生态降低使用门槛，企业可通过公有云或私有化部署快速接入技术，避免“被硬件绑定”的陷阱；其三，算力与存力成本下降，大模型调用费用被“击穿”，结合混合云技术成熟，企业得以用更低成本尝试技术落地。

从企业维度看，经过前期数字化铺垫，各行业已积累大量结构化数据，并形成明确的智能化需求，例如，制造业的质量控制、零售业的精准营销等，这为智能体的落地提供了土壤。翟峰和团队发现，很多企业在经历大模型热潮之后越来越务实地发现，当前他们急需的是通过垂类应用解决具体痛点，而非投入资源训练基础模型。当企业剥离技术光环，直面具体场景时，会迅速回归理性，他们更关注“技术能否解决实际问题”“投入产出比如何”，而非概念炒作。

当前，企业应用已从早期的“知识库问答”等浅层尝试，向研发、售后、销售等核心环节延伸。这种务实态度倒逼技术供应方必须提供“低门槛尝鲜＋规模化部署”的全周期服务。翟峰提醒，企业也应清醒认识到，智能体的“智能”依赖数据基础若企业未完成数字化“补课”，缺乏数据积累，技术落地将沦为空谈。只有这样，智能体才能真正从“拐点”走向“常态”，成为驱动产业升级的核心力量。

“零号用户”的智能体实践

IBM积极践行“零号客户”（client zero）的理念，即客户的转型流程和解决方案已经在IBM内部先行应用和实践，IBM也能够从为客户提供的技术解决方案中获益。

在智能体成为继大模型之后最热的概念之一后，各种号称“Agent”的产品、应用、解决方案层出不穷。企业应该如何辨识或者正确地开始建设适合自身需求的智能体呢？

IBM科技事业部数据与人工智能资深技术专家吴敏达直言，现在市面上有很多热门的智能体方案，它们简单易用，能够处理各种任务，确实很方便，但它们大多是通用型的智能体，并不是为企业量身定制的。这就像是一个万能工具，看起来什么都能做，但在企业环境中使用时，往往会遇到水土不服的问题。另外，很多通用型智能体在企业级治理、准确性和可靠性方面存在挑战。

因此，当客户还没有完全明确他们的需求时，IBM会推荐其已经成熟的智能体应用场景。IBM在HR、销售、采购和客服这四个领域有着丰富的经验，这些场景在IBM内部已经得到了充分验证，更适合部署企业级智能体。如果客户不确定从哪里开始，这四个领域是最有可能带来显著业务价值的。例如，人力资源智能体的应用帮助相关部门减少了61％的工单，销售智能体可以从企业的数据库中获取销售数据，进行销售预测，每周可帮助销售人员节省9小时的工作量等。

IBM积极践行“零号客户”（client zero）的理念，即客户的转型流程和解决方案已经在IBM内部先行应用和实践，IBM也能够从为客户提供的技术解决方案中获益。“我们广泛采用了 AI驱动的自动化技术来提高生产力：在IBM，94％的人力资源相关的普通问询已经由AI助手来回答；我们的合同起草速度提高了80％。总体而言，自2023年年初以来，我们已经节省了约35亿美元的经营成本。”2025年年初IBM发布2024年度报告时，董事长兼首席执行官Arvind Krishna在致投资人的公开信中如是说。

翟峰以HR智能体的发展、形成为例，分享IBM“零号客户”的智能体实践。作为一家拥有超过20万员工、业务覆盖全球的跨国企业，IBM在智能体的落地实践中，选择了人力资源管理作为核心切入点之一，并非偶然，而是基于场景普适性、价值可衡量性及技术实现难易度的综合考量。

据了解，IBM的HR场景应用始于2019年，核心目标是通过AI解决跨国企业管理中的一些痛点，例如政策查询效率低、内部流程繁琐、管理决策依赖经验等等。IBM将全球各国相关的劳动法规、公司内部政策（如出差报销、休假制度）整合至AI知识库。员工可通过自然语言对话，例如，“我在德国出差的住宿标准是多少”快速获取准确信息，替代传统“找人询问等待”的低效模式，且这一场景的普适性极高。

在针对内部流程自动化方面，以员工调动为例，传统流程需经理登录多个系统填写多张表格，但智能体能够通过对话式交互简化操作：经理只需告知“将员工A从部门B调至部门C，生效日期为×月×日”，系统即可自动生成表单并提交审批，这种“对话即服务”的模式，在提高效率的同时降低了人为操作错误率。

在管理决策支持方面，以绩效考核场景为例，AI通过分析员工代码提交量、项目参与度等客观数据，为管理者提供KPI考评建议，但同时，AI仅提供数据参考，最终决策仍由管理者结合主观判断完成。这种“AI建议＋人类决策”的协同模式，既避免了“唯数据论”的偏颇，又提升了决策的科学性。

HR场景中诸如政策查询、流程自动化等具有普适性，存在于所有企业，具有可复制性；效率提升、成本降低等价值指标可衡量。相较于研发或供应链等复杂场景，HR的AI应用更依赖知识库构建与自然语言处理，技术门槛相对较低，适合作为初期试点。当企业通过“知识库构建流程自动化决策支持”的闭环逐渐构建起一个个智能体，以及未来随着大模型能力的提升，AI有望在更多复杂场景中释放价值。

智能体潜能释放的组织关键要素

智能体的潜能释放，除了技术基础外，更是企业战略、组织能力与文化能力的协同进化，方能实现从“技术可用”到“价值落地”的跨越。

智能体要真正在企业中释放潜能，数字化基础仅是起点。翟峰指出，除技术准备外，企业还需在战略定位、组织能力与文化能力的协同进化上下功夫，方能实现从“技术可用”到“价值落地”的跨越。

企业推动智能体释放潜能的首要前提是明确战略目标。翟峰强调，这一过程需遵循“自上而下”与“自下而上”的双向驱动。企业的一把手需率先定义核心诉求，例如降本增效、服务创新或研发突破等，再将战略拆解至研、产、供、销、服等具体业务领域，最终下沉至某个具体的场景；而随着企业内更多AI应用场景的落地，各业务域将逐步实现能力升级，并通过AI技术打通部门协同壁垒，构建智能化跨部门的协作网络，逐步“向上”推动组织能力的乘数效应通过场景实践验证技术价值，又通过战略协同放大技术赋能效果，使企业组织在技术迭代与业务创新中形成良性循环，全面释放智能时代的组织协同价值。

智能体的价值往往体现在跨业务域的联动中，这要求企业打破“部门墙”，建立以智能体为核心的协同机制。IBM在实践中发现，通过混合云架构统一管理多云私有云环境，可有效降低跨部门数据共享的技术门槛，为智能体创造更广阔的协作空间。

同时，组织在具备协同能力的同时，应培育复合型人才。智能体的有效落地依赖既懂业务又懂技术的复合型人才，他们是连接智能体技术与企业实际需求的关键桥梁。

翟峰指出，企业需避免盲目追求“大而全”的智能化改造，转而聚焦能快速验证ROI的细分场景。当某个部门通过智能体实现效率提升，其他部门便会主动跟进，形成规模化效应。这种以点带面的落地策略，既能降低试错成本，又能通过榜样力量推动组织变革。

而员工参与度是智能体落地的“最后一公里”，这需要企业构建“要我用”到“我要用”的文化。翟峰以一家民营制造业企业建立设备维修知识库、开发相关智能助手为例。知识库的建立需要将老师傅们诸如“闻声辨故障”的经验、隐性知识转化为可量化的特征参数，构建结构化数据资产，但若缺乏相关文化或激励，老师傅们是没有动力分享这些经验的，他会有“被取代”的危机。这就要求企业创造相应的文化制度，例如，将知识贡献纳入绩效考核，或设立“智能体创新奖”，激发老专家分享经验的积极性；同时，对他们要有发展的承诺，明确智能体是“辅助工具”而非“替代方案”，让他们看到生产工艺和设备自动化发生变化后，数字化手段将加持他们之前的经验，赋能他们处理更复杂任务，提升效率，而非取代其岗位。而且，这种人机相互赋能、知识迭代是一个动态的过程。这种文化推动的本质，是将智能体从“管理层推动的工具”转化为“全员参与的伙伴”。翟峰强调，当一线员工看到智能体能帮自己减少重复劳动，他们才会真正拥抱技术。

IBM的AI文化实践：从全员参与到深度赋能 

AI不是“少数人的游戏”，而是“全员的能力升级”。通过全员推广、场景创新、文化激励，企业能快速构建“AI原住民文化”。

“IBM的战略是帮助客户在任何IT基础设施上、使用其专有的数据和技术运行智能体。”翟峰告诉记者，“因此，IBM公司内部鼓励员工学习AI、使用AI，以此提高效率。以IBM的技术团队为例，很多技术人员每天都要用AI辅助工具，或者去写代码、评代码、写测试用例等等。其实就是鼓励任何岗位任何人都去使用AI，并用AI创新来帮助你工作。”

基于此，IBM已经连续3年举办watsonx Challenge活动，旨在通过 watsonx平台（IBM发布的企业级人工智能与数据平台）解决现实世界的AI挑战。这场全球员工参与的年度盛事，不仅记录了IBM自身AI能力的进化轨迹，更折射出企业推动智能化转型的深层逻辑。

据了解，该活动以“全员学AI”为核心目标，鼓励员工在日常工作中使用AI工具。活动在第一阶段的重点是普及，让员工建立对AI的基本认知，消除技术神秘感。在基础能力形成后，活动转向“场景深耕”，员工被鼓励以团队形式提出创新方案。而今年主要强调深度赋能，它以业务需求为驱动，要求创意点必须紧扣企业核心战略，比如优化内部流程、提高员工效率、提升客户体验等。同时，还引入AI评审工具，对提案的创新性、可行性进行初筛，再由全球专家委员会终审。翟峰强调，这种转变背后，是IBM对AI落地的深刻认知：浅层功能无法形成竞争力，唯有将AI与核心业务流程深度融合，才能实现可持续的价值创造。

该挑战赛最终大奖获得者将获得全球CEO表彰、技术峰会演讲机会等荣誉。翟峰介绍，获奖的方案将被纳入企业知识库，赋能全球团队，在经过IBM自身这个“零号客户”的内部实践验证后，再将成熟方案赋能给客户，形成“内部孵化＋外部推广”的模式，将“内部实践”转化为“外部价值”，赋能客户。“这样给员工带来巨大的获得感、成就感。”翟峰表示，“同时，还培养了既懂业务又懂AI的复合型团队。这些员工在与客户合作时，能快速识别业务痛点并提出AI解决方案。” 

翟峰再次强调，AI不是“少数人的游戏”，而是“全员的能力升级”。通过全员推广、场景创新、文化激励，企业能快速构建“AI原住民文化”。这种文化不仅能提升效率，更能激发自下而上的创新活力，形成差异化竞争力。 

人的价值不可替代
AI“工具属性”的强化，避免了技术过度拟人化可能引发的组织抵触。

 “我们也必须用‘以人为本‘的思想对‘技术至上’的倾向进行纠偏：智能体虽然具备自主能力，但绝不意味着人的全方位撤退。在我们讨论企业级AI的应用时，对AI影响就业市场的担忧始终存在。企业管理层应当认识到，智能体将增强而不一定是取代人类员工。如果AI被过度推崇，我们很可能陷入‘人类辅佐AI‘的本末倒置的境地，并且错失‘人机协同’发展的黄金时期。”翟峰强调。

在IBM的实践中，他们并没有将AI包装成“数字员工”，而是将其定位为“效率助手”，而非“同事”。这种定位体现在产品命名与功能设计中，例如，IBM内部使用的“Ask IBM”系列工具（如Ask HR、Ask IT等）以功能为导向，更关注技术如何实质性提升效率，避免引发“AI同事”的认知混淆。这种“工具属性”的强化，避免了技术过度拟人化可能引发的组织抵触。

翟峰再次强调，未来，智能体将扮演“赋能者”的角色，成为人类主导的集约化工作流中的协作者。低价值、重复性的任务将被自动化，而人类在战略规划、创意创新等高阶领域的潜力将被进一步释放。智能体的未来与其说是“全能自主”，不如说是“人机协同”。AI能够解放人的双手，但最终决定权永远在人的手中。