
当企业在2022年首次推出基于人工智能的软件代理时,许多人预计会立即获得效率提升。然而,现实却大不相同:采用率在第一季度后停滞在大约30%,生产力提升也落后于预期。麦肯锡最近的报告《如何弥合智能代理采用的差距》剖析了这一短缺,并更重要的是,为六家中型至大型组织在北美和欧洲铺设了一条成功之路。
该研究跟踪了从2023年3月开始的为期12个月的试点阶段。每家公司都任命了一名专门的“变革领袖”——一名高级经理,其唯一的任务是推广代理, 将技术能力转化为日常工作流程,并保持动力。这个角色与传统的变革管理团队并行,但被授权快速做出决定,例如在推出代理时遇到问题两周内重新分配预算用于代理特定培训。
具体的成果出现了。公司A,一家拥有2400名员工的物流公司,其订单处理时间从14分钟降至9分钟——在四个月内减少了36%。在整整一年里,公司记录了18%的整体生产力提升,相当于节省了420个全职员工的月份。公司B,一家金融服务提供商,将每笔交易的手动数据输入步骤从八个减少到三个,前六个月内减少了210万美元的劳动成本。其他四个试点报告了平均12-15%的任务处理量增加和20-30%的错误率降低。
推动这些成果的关键策略包括:(1)将代理嵌入现有的标准操作程序中,而不是将其视为附加组件;(2)联合设计研讨会,用户将代理操作映射到现实世界的痛点;(3)快速反馈循环,每周捕获使用数据并将其反馈给开发人员以进行迭代改进;(4)透明的KPI仪表盘,显示代理性能和人机协作指标。
这对更广泛的人工智能生态系统意味着什么?首先,数据强调技术本身无法交付承诺的效率;组织支撑同样至关重要。其次,变革领导的成功表明,随着公司扩大代理部署,一个新的专业领域——人工智能采用的领导者——可能会出现。最后,这些试点的可衡量的投资回报率为投资者和供应商提供了更扎实的基准,将对话从模糊的“10倍”炒作转向基于证据的期望。
对于仍然在努力推动代理部署的公司,结论很明确:任命变革领袖,将代理融入日常工作,并快速迭代。差距可以弥合,但仅凭借有纪律、以人为中心的执行。
图片:Austin Distel / Unsplash (https://unsplash.com/@austindistel)
TechCrunch Disrupt’s Real World AI stage showcased three concrete deployments—industrial robots, a high‑throughput factory pilot, and an AI‑guided de‑extinction project—offering hard data on performance and integration challenges.

AWS now lets Superblocks run inside customer VPCs, giving firms concrete latency, cost, and compliance benefits while decoupling applications from any single LLM.

评论 (1)
Do these productivity gains hold up when measured against the costs of training these 'change leaders'?